Messung maschineller¨Ubersetzbarkeit von ... - Parallele Systeme

7. Modellierung von MT Analyser
Satz, für den ebenfalls eine Wertung zu erstellen ist. Darüber hinaus besteht jeder Satz
aus einem oder mehreren Teilsätzen, die benötigt werden, um die Textmerkmale darin
zu suchen. Gleichzeitig ist einem Satz eine unbestimmte Anzahl größer oder gleich null
von Übersetzungsschwierigkeiten zugeordnet, die sich aus den gefundenen Textmerkmalen
ergeben.
Daraus lassen sich vier Klassen ableiten: Text für den kompletten Text, Sentence für einen
einzelnen Satz aus dem Text, PartialSentence für einen Teilsatz eines Satzes und TranslationDifficulty
für eine Übersetzungsschwierigkeit. Hinzu kommt noch eine fünfte Klasse
namens TextStatistics, die von der Klasse Text benutzt wird, um wichtige statistische
Kennzahlen zu speichern.
Zusätzlich müssen auf Basis dieser Datenhaltungsklassen alle wichtigen Berechnungen
zur Bewertung der Übersetzbarkeit durchgeführt werden, wofür sich zwei weitere Klassen
anbieten - je eine zur Berechnung auf Satz- und Textebene. Dies sind SentenceAnalyser zur
Analyse eines einzelnen Satzes und TextAnalyser zur Analyse des gesamten Textes. Das
Zusammenspiel zwischen den Klassen lässt sich dem UML-Klassendiagramm in Abbildung
7.2 entnehmen.
Klasse Text
Die Klasse Text ist die oberste Klasse und kapselt einen kompletten Text. Sie besteht im
wesentlichen aus einem Array mit mindestens einem Satz, gespeichert als Objekte vom
Typ Sentence. Hinzu kommt eine Instanz vom Typ TextStatistics, in der die zum Text
gehörenden Kennzahlen wie die Anzahl der gefundenen Schwierigkeiten hinterlegt sind.
Drei Attribute sind auch direkt in der Klasse zugänglich, unter anderem die wichtigste
Kennzahl, der Übersetzbarkeitsindex des gesamten Textes.
Klasse Sentence
Eine Instanz der Klasse Sentence repräsentiert einen Satz aus einem größeren Text und
speichert über den eigentlichen Text hinaus weitere wichtige Parameter. Insbesondere
gehören zu einem Satz auch die von TreeTagger vergebenen Tags und die jeweiligen
Grundformen der Wörter. Sie werden wie auch die einzelnen Wörter in Arrays von jeweils
identischer Größe gespeichert. Eine Darstellung des ursprünglichen Satzes als ein String
ist ebenfalls verfügbar. Darüber hinaus sind in jedem Satz auch die einzelnen Teilsätze
sowie die gefundenen Übersetzungsschwierigkeiten gespeichert. Jeder Satz hat mindestens
einen Teilsatz, aber nicht unbedingt eine Übersetzungsschwierigkeit. Der Übersetzbarkeitsindex
des Satzes sowie die Länge in Wörtern mit und ohne Satzzeichen können ebenfalls
abgerufen werden.
Klasse PartialSentence
Die Klasse PartialSentence kapselt einen Teilsatz, der aus einem ganzen Satz extrahiert
wurde. Die zugehörigen Wörter, Tags und Grundformen werden wie in der Klasse Sentence
in gleichgroßen Arrays abgelegt. Ein Objekt der Klasse PartialSentence kann sowohl ein
atomarer Teilsatz als auch ein aus mehreren Teilsätzen zusammengesetztes Aggregat sein.
Der Parameter attached gibt dabei an, ob ein Teilsatz bereits einem anderen angegliedert
wurde. Ist er auf falsch gesetzt, so steht der aktuelle Teilsatz für die Angliederung anderer
Teilsätze bereit. Das Zusammenfügen zweier Teilsätze übernimmt die Methode attach.
78