Dai ai tuoi file a un glossario pronto da rivedere.
Term Extractor accelera la parte di lavoro terminologicoche richiede più tempo, senza sostituire il giudizio finale di un linguista professionista: il risultato è una base solida da rivedere, non un glossario finale pronto all’utilizzo.
Carica memorie di traduzione, PDF e documenti Word. Term Extractor analizza ogni frase, individua i candidati terminologici e restituisce un elenco ordinato, in JSON ed Excel.
Come funziona.
Tre passaggi. Nessun foglio di calcolo da costruire a mano.
Carica i materiali del progetto, anche in formati misti, e lascia che sia l’analisi NLP a occuparsi dell’estrazione iniziale.
Carica file TMX, PDF e DOCX*, anche in contemporanea nella stessa sessione. Dai file TMX viene estratta anche la traduzione allineata degli esempi, quando presente.
*Le pagine PDF composte solo da immagini e i file Word nel vecchio formato .doc vengono saltati e segnalati nel log.
Il motore NLP (spaCy) analizza ogni frase, isola i sintagmi nominali, scarta il rumore (codici, misure, numeri) e conta in quanti segmenti compare ogni termine estratto.
Scarica un glossario in formato JSON ed Excel ordinato per frequenza, con fino a tre esempi per ogni termine.
Decidi tu cosa estrarre.
Da 1 a 5 parole per termine.
Occorrenze minime richieste, impostabili per ogni lunghezza.
Un limite per ogni lunghezza oppure un limite globale.
Elimina codici prodotto, numeri di telefono, misure e altri segmenti superflui.
Salta i segmenti troppo corti per essere frasi utili.
Escludi parole frequenti specifiche che non sono termini.
Cosa succede ai tuoi file, passo dopo passo.
Il tool riconosce i file supportati e nei TMX verifica la lingua sorgente. Inoltre, se un TMX contiene più lingue di destinazione, consente di scegliere quale usare per l’estrazione degli esempi.
Le frasi vengono estratte da TMX, PDF e DOCX e ripulite dai segmenti superflui in base ai parametri impostati.
Il modello NLP individua i sintagmi nominali e per ogni termine estrae degli esempi in contesto.
Lo strumento conta in quanti segmenti e quante volte compare ogni termine, poi filtra i risultati in base alle soglie minime e al limite del numero di termini che hai impostato.
Come output viene fornito il glossario in formato JSON ed Excel e un file di log. Le colonne per traduzione, definizione e note restano vuote, pronte per essere compilate durante la fase di revisione umana.
Ogni riga è un candidato terminologico. I numeri relativi alla frequenza e gli esempiaiutano il linguista a decidere se tenerlo. I dati qui sotto sono un esempio illustrativo.
| source_term | target_term | term_type | ngram | seg_count | raw_freq | sources | definition | example_1 | target_example_1 | notes |
|---|---|---|---|---|---|---|---|---|---|---|
| instructions for use | — | Noun | 3 | 31 | 40 | docx, tmx | — | Read the instructions for use before inserting the device. | Leggere le istruzioni per l'uso prima di inserire il dispositivo. | — |
| valve | — | Noun | 1 | 18 | 27 | pdf, tmx | — | Close the valve after each use. | Chiudere la valvola dopo ogni utilizzo. | — |
| pressure sensor | — | Noun | 2 | 9 | 13 | tmx | — | The pressure sensor is mounted on the valve stem. | Il sensore di pressione è montato sullo stelo della valvola. | — |
| syringe barrel | — | Noun | 2 | 14 | 22 | docx | — | Hold the syringe barrel with your free hand. | — | — |
seg_count indica le occorrenze uniche all'interno dei segmenti, mentre raw_freq indica il numero totale di occorrenze. Gli esempi target (target_example_1…3) compaiono quando il termine proviene da un file TMX che li contiene.
Catalano
Cinese
Croato
Danese
Olandese
Inglese
Rumeno
Russo
Finlandese
Francese
Tedesco
Greco
Italiano
Giapponese
Sloveno
Spagnolo
Coreano
Lituano
Macedone
Norvegese Bokmål
Polacco
Portoghese
Svedese
Ucraino
Pensato per chi usa la terminologia in progetti reali.
Nasce dal lavoro quotidiano sui glossari di progetto: i filtri e le regole di estrazione riflettono il modo in cui un linguista professionista decide cosa tenere e cosa scartare.
Per ogni termine, il tool conta le occorrenze direttamente nei file caricati e da essi estrae gli esempi in contesto.
Le traduzioni umane già presenti nei tuoi TMX non vanno perse: gli esempi target compaiono nel glossario accanto agli esempi source, così il linguista può vedere subito come il termine è stato tradotto nei progetti precedenti.
Nessun account, nessun costo. Ideale per un’estrazione iniziale da sottoporre poi a uno step di revisione umana.
FAQ.
È uno strumento di estrazione terminologica sviluppato da Creative Words per traduttori, linguisti professionisti, project manager e team linguistici che devono costruire un glossario a partire dai materiali di un progetto.
Come input sono supportati file TMX, PDF e DOCX, anche insieme nella stessa sessione di estrazione. I PDF devono contenere testo: le pagine composte solo da immagini vengono saltate. I file Word nel vecchio formato .doc non vengono letti. Le lingue sorgente supportate sono 24.
No. Lo strumento è gratuito e non richiede la creazione di un account.
No, estrae i termini della lingua sorgente. Le colonne target_term, definition e notes vengono lasciate vuote per essere compilate durante la revisione umana del glossario. Se i file di input sono TMX, accanto all’esempio source comparirà anche la traduzione corrispondente.
Prima per numero di segmenti diversi in cui il termine compare, poi per frequenza totale. In questo modo, in cima trovi i termini più diffusi nei file che hai caricato, non quelli ripetuti molte volte in un’unica frase.
No: è una lista di candidati da rivedere. L’estrazione automatica può includere voci che non sono veri termini o forme da normalizzare. La pulizia e la validazione finali devono essere effettuate da un linguista professionista.
