कैसे यैंडेक्स ने दुनिया का सबसे विस्तृत रूसी भाषा का नक्शा बनाया

आज, यैंडेक्स ने मैप्स के लिए एक प्रमुख अपडेट की घोषणा की। अब एक विस्तृत विश्व मानचित्र सेवा पर उपलब्ध है, जिसमें घरों और रूटिंग का विवरण है। इस पर सभी मुख्य नाम तुरंत दो भाषाओं में प्रस्तुत किए जाते हैं: स्थानीय और रूसी।
इसके अलावा, रूस, यूक्रेन, कजाकिस्तान और बेलारूस के नक्शे अब पूरी तरह से यैंडेक्स के स्वामित्व में हैं।

सेवा अब एक ही मंच पर काम करती है जो आपको किसी भी राशि के डेटा को बनाए रखने और स्वतंत्र रूप से अपडेट करने की अनुमति देती है। रूस, यूक्रेन, बेलारूस और कजाकिस्तान के नक्शे हर महीने यैंडेक्स कार्टोग्राफर द्वारा अपडेट किए जाते हैं। अन्य सभी देश जिनकी योजनाएं यैंडेक्स के साथी, नवटेक् द्वारा बनाई गई हैं, हर तीन महीने में बदल जाती हैं।



नवटेक् के सबसे विस्तृत भाग यूरोप और उत्तरी अमेरिका में बने हैं: शहरों में सभी मुख्य सड़कों और घरों के साथ और सड़कों का एक विस्तृत नेटवर्क जिसके साथ सेवा कार मार्गों का निर्माण कर सकती है।

नवटेक्स के नक्शे पर अधिकांश टॉनिक लैटिन में लिखे गए थे, हालांकि कुछ भाषाओं के लिए (उदाहरण के लिए, थाई और अरबी) मूल अक्षर का उपयोग किया गया था। उपयोगकर्ताओं को नेविगेट करने में आसान बनाने के लिए, यैंडेक्स ने स्वचालित रूप से शहरों और लोकप्रिय पर्यटन स्थलों के विदेशी नामों का रूसी में अनुवाद किया। हमें 237 देशों के 7 मिलियन से अधिक स्थान नामों से 37 भाषाओं के अनुवाद के कार्य का सामना करना पड़ा।

इस पोस्ट में, हम विस्तार से बात करेंगे कि हमने अनुवाद विधियों को कैसे चुना और उन्हें अभ्यास में उपयोग किया।

आज की खबर डेढ़ साल के काम का नतीजा है। हमने लंबे समय से महसूस किया है कि केवल डेटा प्रदाताओं पर भरोसा करना गलत है और हमें अपने स्वयं के कार्ड की आवश्यकता है। पहला मास्को था, जो 2011 में हमारे मानचित्रकारों द्वारा तैयार किया गया था। अब हमारे पास रूस, यूक्रेन, बेलारूस और कजाकिस्तान के अपने स्वयं के विस्तृत नक्शे हैं। वे हमारे साथी से अन्य देशों के विस्तृत नक्शे के साथ संयुक्त हैं ताकि उपयोगकर्ताओं को "क्रॉस" सीमाओं के लिए सुविधाजनक बनाया जा सके। हमें न केवल देश की योजनाओं को संयोजित करने, बल्कि सभी विश्व मानचित्र डेटा के भंडारण और तेजी से प्रसंस्करण को व्यवस्थित करने की आवश्यकता थी, इसलिए हमने सेवा के मूल को पूरी तरह से फिर से लिखा है। इसके अलावा, हमने कार्डों में तेज़ी से बदलाव करने के लिए अपना खुद का सॉफ़्टवेयर बनाया, क्योंकि अक्सर अपडेट करने के लिए इलेक्ट्रॉनिक कार्ड बहुत महत्वपूर्ण होते हैं, और बाजार पर मौजूदा कार्यक्रम हमारे वॉल्यूम को अधिक नहीं कर पा रहे हैं। Yandex अब पूरे नए स्तर की एक मैपिंग कंपनी है।

सबसे पहले, विश्व मानचित्र पर toponyms का अनुवाद करने के लिए, हमने विकिपीडिया का उपयोग करने का निर्णय लिया, क्योंकि इसमें सटीक निर्देशांक वाली बस्तियों के बारे में बहुत सारे लेख हैं। आपको बस रूसी में समकक्ष लेख का शीर्षक लेना था, और वांछित अनुवाद प्राप्त करना था। वास्तव में बहुत सारे लेख थे, लेकिन हमारी जरूरतों के लिए यह पूरी तरह से अपर्याप्त था। इस रास्ते पर चलते हुए, हम 5-7 प्रतिशत से अधिक टॉनिकों को कवर करने में सक्षम थे। यह स्पष्ट हो गया कि समस्या को केवल स्वतंत्र रूप से हल किया जा सकता है, अर्थात। प्रयुक्त भाषाओं में से प्रत्येक के लिए प्रतिलेखन नियम बनाएँ। बेशक, भाषाविदों ने लंबे समय से इस समस्या को हल किया है, किसी भी विदेशी भाषा की पाठ्यपुस्तक पढ़ने के नियमों से शुरू होती है। हालांकि, ये नियम किसी व्यक्ति के लिए डिज़ाइन किए गए हैं, इसलिए हमें उन्हें इस तरह से तैयार करना था ताकि मशीन नियमों का उपयोग कर सके। और यह इतना सरल नहीं है। इसके अलावा, लगभग हर नियम में अपवाद होते हैं, जिन्हें मैन्युअल रूप से माना और ट्रैक किया जाना था। कई जगह के नामों के लिए अच्छी तरह से स्थापित अनुवाद विकल्पों के बारे में मत भूलना। उदाहरण के लिए, यदि, प्रतिलेखन के नियमों के अनुसार, हम फ्रांसीसी शब्द पेरिस का रूसी में अनुवाद करते हैं, तो हमें "पेरिस" मिलता है। लेकिन रूसी में यह शहर पहले से ही एक और, ऐतिहासिक रूप से स्थापित नाम है - पेरिस।



हडसन नदी के बारे में भी यही कहा जा सकता है। अंग्रेजी में, इस नाम को हडसन वर्तनी है। ठीक वैसे ही जैसे प्रसिद्ध श्रीमती हडसन के नाम पर - शर्लक होम्स की मकान मालकिन। वर्तनी "हडसन" ध्वन्यात्मक संक्रमण (प्रतिलेखन) का एक उदाहरण है, और ऐतिहासिक "हडसन", बल्कि लिप्यंतरण - पत्र द्वारा पत्र हस्तांतरण द्वारा प्राप्त किया गया था। और ऐसे बहुत सारे उदाहरण हैं, क्योंकि फोनेटिक ट्रांसफर का उपयोग हमेशा टॉपोनिम्स के अनुवाद में नहीं किया गया था। इसके अलावा, कुछ मामलों में, toponyms इस क्षेत्र में सबसे आम भाषा पढ़ने के नियमों का पालन नहीं करते हैं, क्योंकि उसी क्षेत्र में रहने वाले अन्य लोगों द्वारा उन्हें नाम दिए गए थे।

हमने अनुवाद कैसे किया

इसलिए, संपूर्ण विश्व मानचित्र को कवर करने के लिए, हमें 37 भाषाओं (प्लस विभिन्न विकल्पों और बोलियों) के लिए प्रतिलेखन नियमों को कंप्यूटर के अनुकूल रूप में स्थानांतरित करने की आवश्यकता थी। नियमों के संदर्भ को ध्यान में रखना था: आखिरकार, किसी विशेष पत्र या शब्दांश को पढ़ने के लिए नियम अक्सर इस बात पर निर्भर करते हैं कि अंतर-शब्द लिंक तक क्या है।

जब नियम तैयार किए जाते हैं, तो एक पर्ल स्क्रिप्ट बनाई जाती है, जो सभी नियमों और संदर्भों को ध्यान में रखते हुए, उसमें उत्तीर्ण की गई सभी लाइनों को ट्रांसक्रिप्ट कर देती है। सबसे पहले, वह स्रोत शब्द को खंडों (आसन्न अक्षरों के समूह) में तोड़ता है: स्वर और व्यंजन के व्यक्तिगत क्रम। फिर, प्रत्येक खंड के लिए, सबसे संभावित प्रतिलेखन संस्करण का चयन किया जाता है। स्वाभाविक रूप से, यह संदर्भ को ध्यान में रखता है: कौन से खंड डिक्रिप्ट किए गए क्षेत्र के दाईं और बाईं ओर स्थित हैं।

निम्नलिखित प्रतीकों को अंकन के लिए उपयोग किया जाता है:

 -  
   -   
$ -  
^ -  
* - « »,   
// - 

:

 (0.95) *(0.03) (0.01) (0.01) //  
(^)r => (0.99) (0.01) //    1, ^ -  
r(eu) => (1.00) //    1
r(eu l) => (1.00) //    2

eu => (0.39) (0.21) (0.16) (0.14) (0.10)
(r)eu => (0.55) (0.18) (0.17) (0.10) (0.10)
eu(l) => (0.45) (0.30) (0.20) (0.05)
(^ r)eu => (0.25) (0.25) (0.17) (0.17) (0.16)
eu(l eau) => (1.00)
 
l => (0.86) (0.13) *(0.01)
(eu)l => (0.80) (0.20)
l(eau) => (1.00)
(r eu)l => (0.50) (0.50) //    2
l(eau x) => (1.00)
 
eau => (0.95) (0.02) (0.01) (0.01) (0.01)
(l)eau => (0.86) (0.14)
eau(x) => (1.00)
(eu l)eau => (1.00)
eau(x $) => (1.00)
 
x => (0.52) *(0.24) (0.21) (0.03)
(eau)x => *(1.00)
x($) => *(0.59) (0.38) (0.02) (0.01) //    1, 
(l eau)x => *(1.00) 

:

[r eu l eau x] => [    *] //  

. , .

. . , . , . 70 . 20 000 . .

, , Navteq . , .

. , . , . , . , « » « ». , .



, . , .

?

- , -. , , . , . , , , , .. . .