TM の翻訳単位におけるデータの保持方法と固定要素

TM の主要な情報は、テキストの原文分節と翻訳の組み合わせです。原文分節と訳文分節の各ペアは、翻訳単位 (TU) と呼ばれます。完全一致の場合を除き、TM 内の TU 同士にはいかなる関係もありません。各 TU には関連データ (作成者など) があります。このデータは、フィールドと呼ばれる構造に保持されています。一部のテキストは正確に文字どおりに格納されますが、日付などのように、固定要素として格納されるものもあります。テキストが固定要素として格納される場合、TM は、基本的に同じだが固定要素の値が異なる原文テキスト (言及されている日付が異なる以外は同じである文など) を一致とみなします。

固定要素として格納されるテキスト

テキストが固定要素として認識される場合、TM では固定要素の形式で格納されます。固定要素を使用すると、TM で次の 2 つの分節が一致していることを容易に認識できます (TM が数を固定要素として認識しているとします)。

I bought 5 apples.(TM 内)

I bought 5 apples.(原文内)

訳語検索におけるトリグラムの使用と文字単位でない言語

単語区切りを持たないことがある言語や、訳語検索が選択されているすべての言語の場合、TM は 3 つ連続するすべての文字 (トリグラム) を索引化し、この索引内容を使用して一致を検出します。

たとえば、原文テキストが以下である場合:

The cat sat on the mat

TM には、以下に対応する索引が生成されます。

The

e c

cat

以下同様。