МЕТОД КОНТЕКСТНО-ОРІЄНТОВАНОГО МАШИННОГО ПЕРЕКЛАДУ ТЕКСТІВ ВІДЕОІГОР ІЗ ЗАСТОСУВАННЯМ НЕЙРОННИХ МЕРЕЖ

Вадим Мойсеєнко; Світлана Поперешняк

doi:10.28925/2663-4023.2026.33.1183

Автор(и)

Вадим Мойсеєнко Державний університет інформаційно-комунікаційних технологій https://orcid.org/0009-0006-4318-5836
Світлана Поперешняк Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» · https://orcid.org/0000-0002-0531-9809

DOI:

https://doi.org/10.28925/2663-4023.2026.33.1183

Ключові слова:

машинний переклад, контекстно-орієнтований переклад, нейронні мережі, відеоігри, локалізація, лінгвістичний контекст, ситуативний контекст, MarianMT, діалогові системи, обробка природної мови

Анотація

У статті досліджується проблема підвищення якості машинного перекладу текстів відеоігор в умовах фрагментованого та контекстно залежного текстового середовища. Актуальність роботи зумовлена обмеженістю сучасних систем нейронного машинного перекладу, які здебільшого функціонують на рівні окремих текстових сегментів і не враховують ширший лінгвістичний та ситуативний контекст, що призводить до змістових, термінологічних і стилістичних помилок. Метою дослідження є розробка методу контекстно-орієнтованого машинного перекладу текстів відеоігор із використанням нейронних мереж, який забезпечує підвищення семантичної точності, узгодженості та стилістичної цілісності перекладу за рахунок інтеграції релевантного контексту. У роботі запропоновано підхід, що базується на формуванні розширеного вхідного представлення, яке поєднує поточний текстовий сегмент із контекстними компонентами, зокрема історією діалогу, інформацією про мовця й адресата, типом текстового фрагмента, станом сцени та локальним глосарієм. Реалізацію методу здійснено на основі нейронної моделі MarianMT без модифікації її архітектури, шляхом попередньої обробки вхідних даних. Експериментальне порівняння з базовим посегментним підходом показало, що врахування доречного контексту дозволяє суттєво підвищити якість перекладу за критеріями семантичної точності, коректності передачі займенників, термінологічної сталості та стилістичної узгодженості. Найбільший ефект досягається при перекладі коротких діалогових реплік, інтерфейсних повідомлень і фрагментів із високою контекстною залежністю. Практичне значення результатів полягає у можливості використання запропонованого методу в системах автоматизованої локалізації відеоігор, зокрема в умовах обмеженого доступу до повного сценарію гри. Отримані результати підтверджують доцільність інтеграції контекстної інформації як ключового чинника підвищення якості машинного перекладу та визначають перспективи подальших досліджень у напрямі мультимодального та адаптивного контексту.

Завантаження

Дані завантаження ще не доступні.

Посилання

Pirrone, M., & D’Ulizia, A. (2024). The localization of software and video games: Current state and future perspectives. Information, 15(10), Article 648. https://doi.org/10.3390/info15100648

Pyae, A. (2018). Understanding the role of culture and cultural attributes in digital game localization. Entertainment Computing, 26, 105-116. https://doi.org/10.1016/j.entcom.2018.02.004

Maruf, S., Saleh, F., & Haffari, G. (2021). A survey on document-level neural machine translation: Methods and evaluation. ACM Computing Surveys, 54(2), Article 45. https://doi.org/10.1145/3441691

Castilho, S., & Knowles, R. (2025). A survey of context in neural machine translation and its evaluation. Natural Language Processing, 31(4), 986-1016. https://doi.org/10.1017/nlp.2024.7

Rivas Ginel, M. I., & Theroine, S. (2022). Machine translation and gender biases in video game localisation: A corpus-based analysis. Journal of Data Mining and Digital Humanities. https://doi.org/10.46298/jdmdh.9065

Zhao, X., Xu, H., Song, H., Chersoni, E., & Huang, C.-R. (2025). Can LLMs help Sun Wukong in his journey to the West? A case study of language models in video game localization. In Proceedings of the First Workshop on NLP and Language Models for Digital Humanities (RANLP 2025) (pp. 164-173). https://doi.org/10.26615/978-954-452-106-6-016

Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. In Advances in Neural Information Processing Systems 30 (NeurIPS 2017) (pp. 5998-6008). https://doi.org/10.48550/arXiv.1706.03762

Mohammed, W., & Niculae, V. (2024). On measuring context utilization in document-level MT systems. In Findings of the Association for Computational Linguistics: EACL 2024 (pp. 1633-1643). https://doi.org/10.18653/v1/2024.findings-eacl.113

Fernandes, P., Yin, K., Neubig, G., & Martins, A. F. T. (2021). Measuring and increasing context usage in context-aware machine translation. In Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th IJCNLP (pp. 6467-6478). https://doi.org/10.18653/v1/2021.acl-long.505

Voita, E., Sennrich, R., & Titov, I. (2019). When a good translation is wrong in context: Context-aware machine translation improves on deixis, ellipsis, and lexical cohesion. In Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (pp. 1198-1212). https://doi.org/10.18653/v1/P19-1116

Agrawal, S., Farajian, A., Fernandes, P., Rei, R., & Martins, A. F. T. (2024). Assessing the role of context in chat translation evaluation: Is context helpful and under what conditions? Transactions of the Association for Computational Linguistics, 12, 1250-1267. https://doi.org/10.1162/tacl_a_00700

Hansen, D., & Houlmont, P.-Y. (2022). A snapshot into the possibility of video game machine translation. In Proceedings of the 15th Biennial Conference of the Association for Machine Translation in the Americas (pp. 257-269).