🐓 🆙 🍺 अपनी अंग्रेजी में सुधार: उपशीर्षक को फिर से लाना 👩🏾‍✈️ 💀 🚐

1. परिचय

- तात्याना लियोनिदोवना, क्या हम उपशीर्षक के साथ इस फिल्म को देख सकते हैं?
- नहीं, किशोर कठफोड़वा, हम आपकी श्रवण धारणा को प्रशिक्षित करते हैं, इसलिए आप उनके बिना एक फिल्म देखेंगे! सबटाइटल्स के साथ, आप केवल टेक्स्ट को पढ़ेंगे और सुनेंगे नहीं।
- तात्याना लियोनिदोवना, लेकिन उपशीर्षक के बिना हम आधे से अधिक नहीं समझते हैं!
- लेकिन ये आपकी समस्याएं हैं।

2000 के दशक की शुरुआत, एक फ्रांसीसी विशेष स्कूल, सेंट पीटर्सबर्ग में एक शिक्षक के साथ बातचीत।

2. क्या मामला है?

टीवी शो और फिल्में अंग्रेजी में सुधार के लिए बहुत अच्छी हैं। आप पहले से ही व्याकरण को जानते हैं, आपके पास शब्दों का एक बड़ा समूह है। देशी स्पीकर के साथ नि: शुल्क वार्तालाप बनाए रखना बहुत जल्दी है, और परीक्षण और अभ्यास करना पहले से ही उबाऊ है। आप फिल्में और टीवी शो देखना शुरू करते हैं।

तुम अपने को देखो और तुम देखो। ऐसा लगता है कि सब कुछ स्पष्ट है, लेकिन यहां दो नायकों के बीच एक त्वरित संवाद शुरू होता है, जिसमें से आप केवल प्रस्ताव को समझते हैं। ठीक है, सब्स्क्राइब चालू करें। और वे समस्या को हल करते हैं - आप समझने लगते हैं कि क्या हो रहा है।

हालांकि, सबवूफ़र्स के साथ कई वीडियो देखने के बाद, लोग अक्सर दो चीजों को नोटिस करते हैं।

. , , . , , . , — « » .
फिल्म के कुछ हिस्से इस तथ्य के कारण पूरी तरह से समझ में नहीं आते हैं कि उनमें कठिन शब्द हैं। "मैं अपनी कंपनी की सफलता को खतरे में नहीं डाल सकता ?" क्या, क्षमा करें? ख़तरे में डालना? । ठीक है, Google, मैं फिल्म को रोकूंगा, और आप कहेंगे कि इसका क्या मतलब है।
ऐसे लोग हैं जो एक ही बार में दो भाषाओं में उपशीर्षक के साथ फिल्में देखने की पेशकश करते हैं - अंग्रेजी और रूसी। जो जल्दी से आपको दो भाषाओं में सबवूफ़र्स के उच्च गति पढ़ने में पहले से ही पूर्ण चैंपियन बनाता है, लेकिन श्रवण धारणा और भाषा सोच के विकास में बहुत कम योगदान देता है।

सबवूफ़र्स के बिना, कुछ भी समझ में नहीं आता है, लेकिन सबवूफ़र्स के साथ श्रवण धारणा में प्रगति बाधित होती है और ... यह अभी भी समझ से बाहर है।

3. अब क्या?

"साउथ पार्क" की इस स्क्रीन पर आप 7 शब्द देख सकते हैं। उनमें से 6 अंग्रेजी सीखने वाले लगभग सभी लोगों से परिचित हैं। और उन्हें पहचाना और समझा जा सकता है, भले ही वे उच्चारण और उच्चारण के साथ जल्दी से हों। एक शब्द रहता है जिसके साथ (उच्च संभावना के साथ) समस्याएं होंगी। थके हुए शब्द थके हुए , थके हुए।

यह शब्द इतना सामान्य नहीं है। मौका बहुत अच्छा है कि आप इसे कान से नहीं पहचान पाएंगे।
अनुवाद को स्क्रीन पर सही दिखाना अच्छा होगा। अन्यथा, आपको या तो विचलित होना होगा और एक शब्दकोश के साथ अनुवाद करना होगा, या बस स्कोर करना होगा और आगे देखना होगा।

और बाकी शब्दों को बाहर फेंक दिया जा सकता है। वे लगभग सभी से परिचित हैं और बिल्कुल स्क्रीन पर प्रदर्शित होने की आवश्यकता नहीं है। यदि हम इस तर्क को बाकी दृश्यों पर लागू करते हैं, तो हमें उप-भाग मिल जाएगा, जिसमें केवल कठिन शब्द दिखाई देते हैं, और बाकी को हमें सुनना और समझना होगा।

जैसा कि यह निकला, यह विचार बिल्कुल नया नहीं है। एक त्वरित googling ने दिखाया कि कम से कम कुछ ब्लॉगर्स ने एक समान विचार के साथ लेख लिखे, लेकिन उपशीर्षक की मैन्युअल रूप से अनुकूलन करने की पेशकश की। और हम गीक्स प्रोग्रामर के सबवूफ़र्स का स्वचालित रूप से अनुकूलन करेंगे!

4. एक बाइक बनाएँ

कार्य पाठ में जटिल शब्दों की खोज करना है जो अनुवाद की आवश्यकता है।

मुख्य विचार यह है कि आप कई अंग्रेजी ग्रंथों का विश्लेषण कर सकते हैं, शब्दों के उपयोग पर आंकड़ों की गणना कर सकते हैं, और समझ सकते हैं कि कुछ शब्द दूसरों की तुलना में बहुत कम उपयोग किए जाते हैं। ये दुर्लभ शब्द और "यौगिक शब्द" की अवधारणा के अंतर्गत आते हैं - वे दुर्लभ हैं, इसलिए आप उनके अनुवाद और वर्तनी को नहीं जानते हैं।

मैंने पहले से ही काम के बाद एक शौक के रूप में यह सब किया (वैसे, यहां एक लेख है कि यह सब कैसे शुरू हुआ)। यह सब बांस निंजा परियोजना के परिणामस्वरूप हुआ , जो आपको अंग्रेजी में पुस्तकों का विश्लेषण करने, उनमें जटिल शब्द खोजने, अनुवाद सम्मिलित करने और पुस्तक वापस लेने की अनुमति देता है। उपशीर्षक भी पाठ हैं, इसलिए मैं विचारों को वहां से ले जाऊंगा और उन्हें उपशीर्षक पर लागू करूंगा।

हम उप खोलते हैं, उन्हें टुकड़ों में तोड़ते हैं, फिर अलग-अलग शब्दों में और विश्लेषण शुरू करते हैं। प्रत्येक शब्द के लिए, हमें बाइनरी वर्गीकरण समस्या को हल करने की आवश्यकता है - इस शब्द को एक एल्गोरिथ्म के माध्यम से पास करें जो आउटपुट पर 1 या 0 देता है - चाहे वह शब्द अंग्रेजी के छात्र या जटिल के लिए सरल हो। विभिन्न स्रोतों से ~ 40 जीबी पाठ डेटा के विश्लेषण से प्राप्त सांख्यिकीय आंकड़ों के आधार पर क्लासिफायरियर अपना निर्णय लेता है (सामान्य तौर पर, यह बहुत अलग स्रोतों से डेटा एकत्र करने के लिए लायक था: चैट लॉग्स, समाचार, गीत), लेकिन मैं बहुत आलसी था और मुख्य रूप से पाठ्य पुस्तकों का उपयोग करता था। लेकिन उस पर और बाद में)।

फिर डेटाबेस, राइटिंग कोड के साथ एक निश्चित मात्रा में उपद्रव होता है, और आपको सबसिट मिलता है जो कुछ इस तरह दिखता है

5. हम एक निर्मित बाइक की सवारी करते हैं

मैंने कार्यक्रम के माध्यम से 3-4 उप-भाग चलाए, विश्लेषक द्वारा जारी किए गए मीट्रिक के मूल्यों का अनुमान लगाया। मैंने जो हुआ उसके साथ फिल्में देखने की कोशिश की। साइट पर दोस्तों, परिचितों और आगंतुकों को दिखाया।

परिणामों का मूल्यांकन करने के लिए, मैंने मशीन सीखने के कार्यों के लिए दो क्लासिक मैट्रिक्स का उपयोग किया:

परिशुद्धता - किसी शब्द को सही ढंग से वर्गीकृत करने की क्षमता
पूर्णता (याद) - अनुवाद की आवश्यकता वाले सभी शब्दों को खोजने की क्षमता

यह पता चला कि मीट्रिक मूल्य फिल्म से फिल्म में कूदते हैं। कुछ फिल्मों में, परिपूर्णता और सटीकता ने वांछित का 85% -90% और दूसरों पर - लगभग 55% दिखाया। समस्या से रूबरू होते हुए, मैंने इसका कारण पाया - मैंने पिछले 300 वर्षों में कला पुस्तकों से सांख्यिकीय विश्लेषण के लिए अधिकांश डेटा एकत्र किए और उनमें से कुछ शब्द आधुनिक अंग्रेजी में होने की तुलना में अधिक सामान्य हैं। उदाहरण के लिए, संगीन शब्द (संगीन) अब की तुलना में उन दिनों में बहुत अधिक सामान्य था, लेकिन हमारा वर्गीकरण इस शब्द को इतना दुर्लभ नहीं मानता है।

हालाँकि, ब्रिटेन का मेरा दोस्त कॉलिन लंबे समय तक हंसता रहा और उसने कहा कि "मेरा मांस संगीन" ( गोमांस संगीन ) की अभिव्यक्ति अब सेना के बीच बहुत आम है, लेकिन हम इस मामले पर विचार नहीं करेंगे।

मैंने क्लासिफायर के पुराने संस्करण में वापस जाने का फैसला किया, जिसका उपयोग मैंने कुछ महीने पहले किया था। यह केवल 500 बड़ी पुस्तकों का उपयोग करके गर्मियों में बनाया गया था, लेकिन उस नमूने की पुस्तकें अधिक विविध थीं: हैरी पॉटर, सॉन्ग ऑफ आइस एंड फायर, प्रोग्रामर के लिए तकनीकी दस्तावेज, मनोविज्ञान पर किताबें, चिकित्सा, और बहुत कुछ। एक छोटे लेकिन अधिक विविध डेटा वाला एक क्लासिफायरियर केवल अंग्रेजी कथा साहित्य पर आधारित एक क्लासिफायरियर से बेहतर परिमाण का एक क्रम निकला। शब्द पहचान एल्गोरिथ्म अक्सर गलतियों को कम करना शुरू कर दिया।

प्राप्त परिणाम आम तौर पर लक्ष्य को पूरा करता है, लेकिन एल्गोरिथ्म अभी भी उप का उत्पादन करता है जो एक ऐसे व्यक्ति के लिए उपयुक्त है जिसे अंग्रेजी का उपयोग करने में ठोस अनुभव है। आपको कान से भाषण और कई हजार मूल शब्दों की मूर्त शब्दावली को पहचानने में एक निश्चित कौशल होना चाहिए। इस मामले में, अंग्रेजी सुधारने में सबसिट अच्छी तरह से काम करेगा।

मैंने सेवा में अपने सभी अनुभवों को औपचारिक रूप दिया और इसे अपने शौक साइट पर फास्ट कर दिया और उन लोगों के लिए उप-पुस्तकालय की एक छोटी सी लाइब्रेरी को जोड़ा , जो कैश डेस्क को छोड़े बिना इस चीज का परीक्षण करना चाहते हैं।

6. आउटरो

गूंगा स्क्रीन रीडिंग के बजाय टीवी शो को सीखने की प्रक्रिया में बदलना एक सार्थक कार्य की तरह लगता है। और एल्गोरिथ्म के संचालन में सुधार से लाभ के साथ कई और शामें बिताने की अनुमति मिलेगी।

आप सभी को धन्यवाद! अंग्रेजी में अच्छी फिल्में और सफलता।