翻訳メモリ

翻訳メモリ( TM ) は、人間の翻訳者を支援するために、以前に翻訳された文、段落、または文のような単位 (見出し、タイトル、またはリスト内の要素) である「セグメント」を保存するデータベースです。翻訳メモリには、ソース テキストとそれに対応する翻訳が「翻訳単位」と呼ばれる言語ペアで保存されます。個々の単語は用語ベースによって処理され、TM の領域には含まれません。

翻訳メモリを使用するソフトウェア プログラムは、翻訳メモリ マネージャー( TMM ) または翻訳メモリ システム( TM システム。翻訳プロセスの管理に重点を置いた別の種類のソフトウェアである翻訳管理システム( TMS )と混同しないでください) と呼ばれることもあります。

翻訳メモリは通常、専用のコンピュータ支援翻訳(CAT) ツール、ワードプロセッサプログラム、用語管理システム、多言語辞書、または生の機械翻訳出力と組み合わせて使用​​されます。

調査によると、多言語ドキュメントを作成する多くの企業が翻訳メモリ システムを使用しています。2006 年に言語専門家を対象に実施された調査では、回答者 874 人のうち 82.5% が TM を使用していると回答しました。 ^[1] TM の使用は、技術用語と単純な文構造 (技術、マーケティングや財務は比較的少ない) を特徴とするテキストの種類、コンピューター スキル、コンテンツの繰り返しと相関していました。^[1]

プログラムは、ソース テキスト(翻訳対象のテキスト) をセグメントに分割し、セグメントと、翻訳メモリに保存されている以前に翻訳されたソースとターゲットのペアのソース部分との一致を検索し、一致したペアを翻訳の完全一致と部分一致として提示します。翻訳者は一致を受け入れ、新しい翻訳に置き換えるか、ソースと一致するように修正することができます。最後の 2 つのケースでは、新しい翻訳または修正された翻訳がデータベースに格納されます。

一部の翻訳メモリ システムでは、100% 一致のみを検索します。つまり、データベース内のエントリと完全に一致するテキスト セグメントのみを取得できます。一方、他のシステムでは、ファジー マッチングアルゴリズムを使用して類似セグメントを取得し、相違点をフラグ付けして翻訳者に提示します。一般的な翻訳メモリ システムでは、ソース セグメント内のテキストのみを検索します。

マッチング アルゴリズムの柔軟性と堅牢性が翻訳メモリのパフォーマンスを大きく左右しますが、一部のアプリケーションでは完全一致の再現率が十分に高いため、100% 一致のアプローチが正当化される場合もあります。

一致するものが見つからないセグメントは、翻訳者が手動で翻訳する必要があります。これらの新しく翻訳されたセグメントはデータベースに保存され、将来の翻訳や現在のテキスト内のそのセグメントの繰り返しに使用できます。

翻訳メモリは、技術マニュアルなど、繰り返しの多いテキストに最適です。また、以前に翻訳した文書の増分変更を翻訳する場合にも役立ちます。たとえば、新しいバージョンのユーザー マニュアルの小さな変更などです。従来、翻訳メモリは、使用される言語に繰り返しがほとんどないという単純な理由で、文学や創作のテキストには適していないと考えられてきました。しかし、作成されたデータベース リソースは、用語の適切な使用を判断するためのコンコーダンス検索、品質保証 (空のセグメントなし)、およびレビュー プロセスの簡素化 (従来のレビュー環境では翻訳者が 2 つのドキュメントで作業する必要があるのに対し、ソース セグメントとターゲット セグメントは常に一緒に表示される) に役立つため、繰り返しのないテキストでも翻訳メモリが役立つと考える人もいます。

翻訳メモリ マネージャーは、技術文書や専門用語を含む文書の翻訳に最適です。次のような利点があります。

• 文書が完全に翻訳されていることを確認する（翻訳メモリは空のターゲットセグメントを受け入れません）
• 翻訳された文書が、共通の定義、言い回し、用語など、一貫性があることを確認します。これは、複数の翻訳者が 1 つのプロジェクトに取り組んでいる場合に重要です。
• 翻訳者は、通常これらの形式を処理するために必要なソフトウェアを所有することなく、さまざまな形式の文書を翻訳できるようになります。
• 翻訳プロセス全体を加速します。翻訳メモリは以前に翻訳された内容を「記憶」しているため、翻訳者はそれを一度だけ翻訳すれば済みます。
• 長期翻訳プロジェクトのコストを削減します。たとえば、マニュアル、警告メッセージ、または一連のドキュメントのテキストは、一度翻訳するだけで何度も使用できます。
• 大規模なドキュメンテーション プロジェクトの場合、TM パッケージの使用による時間や費用の節約は、新しいプロジェクトの最初の翻訳でもすでに明らかである可能性がありますが、通常、このような節約は、翻訳メモリを使用する前に翻訳されたプロジェクトの後続のバージョンを翻訳する場合にのみ明らかになります。

翻訳メモリ マネージャーの幅広い使用を妨げる主な問題は次のとおりです。

• 「翻訳メモリ」の概念は、以前の翻訳で使用された文章を「リサイクル」できるという前提に基づいています。ただし、翻訳の基本原則は、翻訳者はテキストのメッセージを翻訳するべきであり、テキストを構成する文章を翻訳するべきではないということです。
• 翻訳メモリ マネージャーは、既存の翻訳またはローカリゼーション プロセスに簡単には適合しません。TM テクノロジを活用するには、翻訳プロセスを再設計する必要があります。
• 翻訳メモリ マネージャーは現在、すべてのドキュメント形式をサポートしているわけではなく、すべてのファイル タイプをサポートするフィルターが存在しない可能性があります。
• 翻訳メモリ マネージャーの使用には学習曲線があり、最大限の効果を得るにはプログラムをカスタマイズする必要があります。
• 翻訳プロセスの全部または一部をアウトソーシングしたり、オフサイトで作業するフリーランスの翻訳者が処理したりする場合、オフサイトの作業者は、翻訳メモリ マネージャーによって生成されたテキストを操作できるように特別なツールを必要とします。
• 多くの翻訳メモリ マネージャーのフル バージョンは、1 シートあたり 500 ～ 2,500 ドルの費用がかかるため、かなりの投資となります (ただし、より低価格のプログラムも利用できます)。ただし、一部の開発者は、機能セットを制限したツールの無料または低価格バージョンを作成し、個々の翻訳者がそれらのツールのフル バージョンで設定されたプロジェクトで作業できるようにしています (フリーウェアおよびシェアウェアの TM パッケージが利用可能ですが、いずれもまだ大きな市場シェアを獲得していません)。
• ユーザーの過去の翻訳を翻訳メモリ データベースにインポートするコスト、トレーニング、およびアドオン製品にかかるコストも、かなりの投資となる可能性があります。
• 翻訳メモリ データベースのメンテナンスは、ほとんどの場合、依然として手動で行われる傾向があり、メンテナンスが不十分だと、TM 一致の使いやすさと品質が大幅に低下する可能性があります。
• 前述のように、翻訳メモリ マネージャーは、内部の繰り返しがないテキストや、リビジョン間で変更されていない部分がないテキストには適さない場合があります。一般的に、技術テキストは翻訳メモリに最適ですが、マーケティングやクリエイティブ テキストには適していません。

TM システムの使用は、翻訳されたテキストの品質に影響を与える可能性があります。その主な影響は、いわゆる「エラーの伝播」に明らかに関連しています。特定のセグメントの翻訳が間違っている場合、実際には、同じソース テキストまたは類似のソース テキストが次回翻訳されるときに、その間違った翻訳が再利用される可能性が高くなり、エラーが永続化します。従来、翻訳されたテキストの品質に対する 2 つの主な影響が説明されています。「センテンス サラダ」効果 (Bédard 2000、O'Hagan 2009: 50 で引用) と「ピープホール」効果 (Heyn 1998) です。最初の効果は、異なる翻訳者によって異なるスタイルで翻訳された TM のセンテンスを使用してテキストを翻訳する場合に、テキスト レベルで一貫性がなくなることを意味します。後者によれば、翻訳者は TM システムの使用に合わせてスタイルを調整し、テキスト内参照が含まれないようにすることで、セグメントを将来のテキストで再利用しやすくし、結束性と読みやすさに影響を与える可能性がある (O'Hagan 2009)。

翻訳されたテキストに潜在的かつ無意識的な影響が及ぶ可能性があります。言語によって文中の論理要素の順序が異なり、翻訳者が半分翻訳された複数節の文を受け取った場合、文を完全に再構築する可能性は低くなります。一貫した経験的証拠 (Martín-Mor 2011) によると、翻訳者は TM システムではなくテキスト プロセッサを使用する場合、複数節の文の構造を変更する可能性が最も高くなります。

また、翻訳者が、各文が周囲の文やテキスト全体とどのように関連しているかに焦点を当てるのではなく、文ごとに機械的にテキストを処理する可能性もあります。研究者 (Dragsted 2004) は、これらのプログラムの自動セグメンテーション機能に関連するこの効果を特定しましたが、必ずしも翻訳の品質に悪影響を与えるわけではありません。

これらの効果は、ツールに固有のものではなく、トレーニングと密接に関係しています。Martín-Mor (2011) によると、TM システムの使用は、特に初心者の場合、翻訳されたテキストの品質に影響を与えますが、経験豊富な翻訳者はそれを避けることができます。Pym (2013) は、「TM/MT を使用する翻訳者は、翻訳を進めるにつれて各セグメントを修正する傾向があり、最後にテキスト全体を最終的に修正する時間がほとんどありません」と述べています。これが、ここで説明されている効果の一部の最終的な原因である可能性があります。

• デスクトップ: デスクトップ翻訳メモリ ツールは、通常、個人の翻訳者が翻訳を完了するために使用します。フリーランスの翻訳者がデスクトップ コンピューターにダウンロードしてインストールするプログラムです。
• サーバーベースまたは集中型: 集中型翻訳メモリ システムは、TM を中央サーバーに保存します。デスクトップ TM と連携して動作し、デスクトップ TM のみで得られる TM の活用よりも TM 一致率を 30～60% 向上させることができます。

翻訳メモリの主な機能の概要は次のとおりです。

この機能は、テキスト ファイルからテキストとその翻訳を TM に転送するために使用されます。インポートは、外部ソース テキストを翻訳とともに TM にインポートできる生の形式から行うことができます。テキストはユーザーが再処理しなければならない場合もあります。インポートに使用できる別の形式として、ネイティブ形式があります。この形式は、TM を使用してファイルに翻訳メモリを保存する形式です。

分析プロセスには次の手順が含まれます。

テキスト解析

たとえば文末の句読点と略語の句読点を区別するために、句読点を正しく認識することは非常に重要です。したがって、マークアップは一種の事前編集です。通常、翻訳支援プログラムで処理された資料にはマークアップが含まれています。これは、翻訳段階が多言語ドキュメントの生産ラインに組み込まれているためです。その他の特殊なテキスト要素は、マークアップによって区切られる場合があります。固有名詞やコードなど、翻訳する必要のない特殊な要素もありますが、その他の要素はネイティブ形式に変換する必要があります。

言語解析

基本形の縮小は、用語バンクから用語を自動的に取得するための単語リストとテキストを準備するために使用されます。一方、構文解析は、ソーステキストから複数単語の用語または語法を抽出するために使用される場合があります。したがって、構文解析は語法の語順の変化を正規化するために使用されます。これは、どの単語が句を形成できるかということです。

セグメンテーション

その目的は、最も有用な翻訳単位を選択することです。セグメンテーションは、一種の解析のようなものです。表面的な解析を使用して単一言語で実行され、アラインメントはセグメンテーションに基づいています。翻訳者がセグメンテーションを手動で修正すると、プログラムが自身のエラーを繰り返すため、ドキュメントのそれ以降のバージョンでは、修正されたセグメンテーションに基づく TM との一致が見つかりません。翻訳者は通常、文ごとに作業を進めますが、1 つの文の翻訳は周囲の文の翻訳に依存する場合があります。

アライメント

これは、ソース テキストとターゲット テキスト間の翻訳の対応関係を定義するタスクです。アライメントからセグメンテーションへのフィードバックが必要であり、優れたアライメント アルゴリズムは、初期のセグメンテーションを修正できる必要があります。

用語抽出

以前の辞書を入力として使用できます。さらに、未知の用語を抽出するときに、テキスト統計に基づいた解析を使用できます。これらは、翻訳ジョブに必要な作業量を見積もるために使用されます。これは、作業の計画とスケジュールに非常に役立ちます。翻訳統計では通常、単語を数え、テキスト内の繰り返しの量を見積もります。

エクスポートは、TM のテキストを外部テキスト ファイルに転送します。インポートとエクスポートは逆になります。

翻訳する際、TM の主な目的の 1 つは、翻訳者が最適なものを選択できるように、メモリ内の最も有用な一致を取得することです。TM は、ソース テキストとターゲット テキストの両方を表示し、同一性と相違点を指摘する必要があります。

TM からは、いくつかの異なるタイプの一致を取得できます。

完全一致

完全一致は、現在のソース セグメントと保存されているセグメントが文字単位で一致する場合に表示されます。文を翻訳する場合、完全一致は同じ文が以前に翻訳されたことを意味します。完全一致は「100 % 一致」とも呼ばれます。

コンテキスト内完全一致（ICE）または保証一致

ICE 一致は、まったく同じコンテキスト、つまり段落内の同じ場所で発生する完全一致です。コンテキストは、多くの場合、周囲の文や、ドキュメント ファイル名、日付、権限などの属性によって定義されます。

あいまい一致

一致が完全でない場合は、「あいまい」一致です。一部のシステムでは、このような一致にパーセンテージを割り当てます。その場合、あいまい一致は 0% より大きく 100% 未満になります。スコアリング方法が指定されていない限り、これらの数値はシステム間で比較できません。

一致

翻訳者がソース セグメント内の 1 つ以上の単語を選択すると、システムは検索条件に一致するセグメント ペアを取得します。この機能は、用語データベースがない場合に用語やイディオムの翻訳を見つけるのに役立ちます。

TM は、翻訳者が新しい翻訳を承認すると、その翻訳で更新されます。データベースを更新する際には常に、データベースの以前の内容をどうするかという問題があります。TM は、TM 内のエントリを変更または削除することで変更できます。一部のシステムでは、翻訳者が同じソース セグメントの複数の翻訳を保存できます。

翻訳メモリ ツールは、多くの場合、自動検索と置換を提供します。

自動取得

翻訳者が文書内を移動するときに、TM システムが自動的に検索され、その結果が表示されます。

自動置換

自動置換機能を使用すると、新しいバージョンの文書を翻訳する際に完全に一致するものが見つかった場合、ソフトウェアは古い翻訳を繰り返します。翻訳者がソースと照らし合わせて翻訳を確認しない場合は、以前の翻訳の間違いが繰り返されることになります。

ネットワークを利用すると、翻訳者のグループがそれぞれが個別に作業する場合よりも速くテキストを共同で翻訳できるようになります。これは、1 人の翻訳者が翻訳した文章やフレーズを他の翻訳者が利用できるためです。さらに、最終的な翻訳の前に翻訳メモリを共有すると、1 人の翻訳者が犯した間違いを他のチーム メンバーが修正する機会が生まれます。

「テキスト メモリ」は、提案された Lisa OSCAR xml:tm 標準の基礎です。テキスト メモリは、著者メモリと翻訳メモリで構成されます。

翻訳中に一意の識別子が記憶されるため、ターゲット言語のドキュメントはテキスト ユニット レベルで「正確に」揃えられます。ソース ドキュメントが後で変更された場合、変更されていないテキスト ユニットは、翻訳者の操作を必要とせずに、ドキュメントの新しいターゲット バージョンに直接転送できます。これが、翻訳メモリへの「正確な」または「完全な」マッチングの概念です。xml:tm は、ドキュメント内のレバレッジ マッチングとあいまいマッチングのメカニズムも提供できます。

1970 年代は TM システムの初期の段階で、学者たちは予備的な調査検討を行っていました。TM システムの元々のアイデアは、しばしばMartin Kay の「Proper Place」論文^{[2]に帰せられますが(誰によると? )}、その詳細は十分には示されていません。この論文では、保存システムの基本概念が示されています。「翻訳者は、まずコマンドを発行して、保存されているもののうち、... に関連するものがあれば何でもシステムに表示させます。次に進む前に、類似の資料を含む過去および将来のテ​​キストの断片を調べることができます。」Kay のこの見解は、実際には、翻訳者が類似の、すでに翻訳された文書をオンラインで使用できるという Peter Arthern の提案に影響されています。 1978年の論文^[3]で、彼は今日TMシステムと呼ばれるものの完全なデモンストレーションを行いました。新しいテキストはワードプロセッサに入力され、入力中にシステムはメモリに保存されている以前のテキストと、他のすべての公用語（欧州共同体）への翻訳とを比較します。...機械翻訳そのものに対する利点の1つは、このようにして取り出された文章はすべて文法的に正しいということです。実際、私たちは電子的な「カットアンドスティック」プロセスを運用しているはずであり、私の計算によると、これにより翻訳者が効果的に翻訳を行うために現在費やしている時間の少なくとも15パーセントを節約できます。

このアイデアは、ブリガムヤング大学の研究者によって最初に開発された ALPS (自動言語処理システム) ツールから取り入れられたもので、当時、TM システムのアイデアは、一致する文字列を見つけることだけを目的とした「繰り返し処理」と呼ばれるツールと混ざり合っていました。長い年月を経て、いわゆる翻訳メモリの概念が生まれました。

TM システムの真の探究段階は 1980 年代です。TM システムの最初の実装の 1 つは、Sadler と Vendelmans の Bilingual Knowledge Bank に登場しました。Bilingual Knowledge Bank は、構文的および参照的に構造化されたコーパスのペアで、一方が他方の翻訳であり、コーパス間で翻訳単位が相互にコード化されています。Bilingual Knowledge Bank の目的は、機械翻訳およびコンピューター支援翻訳のアプリケーション用のコーパスベースの汎用知識ソースを開発することです (Sadler & Vendelman、1987)。もう 1 つの重要なステップは、Brian Harris の「Bi-text」によって達成されました。彼は、Bi-text を「2 次元の単一テキスト」(1988) と定義しました。これは、Sadler の Bilingual Knowledge Bank と類似した、翻訳単位を通じて翻訳者の活動によって関連付けられたソース テキストとターゲット テキストです。そしてハリスの著作では、TM システムという名前を使わずに、TM システムのようなものを提案しました。それは、個々の単語または「翻訳単位全体」で検索可能な、ペアになった翻訳のデータベースで、後者の場合は、同一の単位ではなく類似の単位を検索できます。

TM 技術は、1990 年代後半に多くのエンジニアや翻訳者の努力により、ようやく広く商業的に利用できるようになりました。注目すべきは、最初の TM ツールである Trados (現在はSDL Trados ) です。このツールでは、ソース ファイルを開いて翻訳メモリを適用すると、テキスト内の「100% 一致」(完全に一致) または「あいまい一致」(類似しているが完全に一致していない一致) が即座に抽出され、ターゲット ファイル内に配置されます。次に、翻訳メモリによって提案された「一致」を受け入れるか、新しい代替案で上書きすることができます。翻訳単位を手動で更新すると、翻訳メモリ内に保存され、将来の使用や現在のテキストでの繰り返しに使用されます。同様に、ターゲット ファイル内の「一致」のないセグメントはすべて手動で翻訳され、その後自動的に翻訳メモリに追加されます。

2000年代には、オンライン翻訳サービスにTMが組み込まれるようになりました。Google翻訳などの機械翻訳サービスや、GengoやAckunaなどのサイトが提供するプロフェッショナルな「ハイブリッド」翻訳サービスでは、翻訳者やボランティアが提供するTMデータのデータベースを組み込んで、言語間の接続をより効率的にし、エンドユーザーに高速な翻訳サービスを提供しています。^[4]

最近の発展の 1 つは、翻訳メモリと対照的な「テキスト メモリ」の概念です。^[5]これは、提案されている LISA OSCAR 標準の基礎でもあります。^[6] xml:tm 内のテキスト メモリは、「著者メモリ」と「翻訳メモリ」で構成されます。著者メモリは、オーサリング サイクル中の変更を追跡するために使用されます。翻訳メモリは、著者メモリの情報を使用して、翻訳メモリ マッチングを実行します。xml:tm は主に XML ドキュメントを対象としていますが、XLIFF ^[7]形式に変換できる任意のドキュメントで使用できます。

第一世代の TM システムよりもはるかに強力で、言語分析エンジンを搭載し、チャンク テクノロジを使用してセグメントをインテリジェントな用語グループに分割し、特定の用語集を自動的に生成します。

Translation Memory eXchange (TMX) は、翻訳サプライヤ間で翻訳メモリを交換できるようにする標準です。TMX は、翻訳メモリをインポートおよびエクスポートする最良の方法として翻訳コミュニティに採用されています^{[引用が必要]}。現在のバージョンは 1.4b で、TMX データから元のソース ドキュメントとターゲット ドキュメントを再作成できます。

TermBase eXchange。このLISA標準は、ISO 30042 として改訂され再発行され、詳細な語彙情報を含む用語データの交換を可能にします。TBX のフレームワークは、 ISO 12620、ISO 12200 および ISO 16642の 3 つの ISO 標準によって提供されます。ISO 12620 は、データ要素タイプまたは定義済み値として機能する標準化された名前を持つ、明確に定義された「データ カテゴリ」のインベントリを提供します。ISO 12200 (MARTIF とも呼ばれる) は、TBX のコア構造の基礎を提供します。ISO 16642 (Terminological Markup Framework とも呼ばれる) には、用語マークアップ言語全般の構造メタモデルが含まれています。

Universal Terminology eXchange (UTX) 形式は、機械翻訳のユーザー辞書に使用するために特別に設計された標準ですが、一般的な人間が読める用語集にも使用できます。UTX の目的は、非常にシンプルで実用的な仕様により、辞書の共有と再利用を加速することです。

Segmentation Rules eXchange (SRX) は、アプリケーション間で交換される翻訳メモリ データをより効率的に使用できるように、TMX 標準を強化することを目的としています。以前の翻訳で使用されたセグメンテーション ルールを指定できるため、実現できる活用範囲が広がる可能性があります。

GILT メトリクス。GILT は (Globalization、Internationalization、Localization、Translation) の略です。GILT メトリクス標準は、ボリューム メトリクスの GMX-V、複雑性メトリクスの GMX-C、品質メトリクスの GMX-Q の 3 つの部分で構成されています。提案されている GILT メトリクス標準は、特定の GILT タスクの作業負荷と品質要件を定量化することを目的としています。

オープンレキシコン交換フォーマット。OLIFは、用語と語彙データの交換のためのオープンなXML準拠の標準です。もともとは独自の機械翻訳レキシコン間の語彙データ交換手段として意図されていましたが、用語交換のためのより一般的な標準へと進化しました。^[8]

XMLローカリゼーション交換ファイル形式（XLIFF）は、あらゆるローカリゼーションプロバイダーが理解できる単一の交換ファイル形式を提供することを目的としています。XLIFFは、翻訳業界でXML形式でデータを交換する好ましい方法^{[9] [10]}です。 ^[11]

翻訳ウェブサービス。TransWSは、ローカリゼーションプロジェクトに関連するファイルやメッセージの送信と取得のためにウェブサービスを利用するために必要な呼び出しを指定します。これは、ウェブサービスの使用による現在のローカリゼーションプロセスの多くを自動化するための詳細なフレームワークとして意図されています。^[12]

xml:tm（XMLベースのテキストメモリ）による翻訳メモリのアプローチは、著者と翻訳メモリからなるテキストメモリの概念に基づいています。^[13] xml:tmはXML-INTLからLisa OSCARに寄贈されました。

Gettext ポータブル オブジェクト形式。翻訳メモリ形式とはみなされないことが多いですが、Gettext PO ファイルは、翻訳メモリと同じように翻訳メモリ プロセスでも使用されるバイリンガル ファイルです。通常、PO 翻訳メモリ システムは、ディレクトリ ツリー構造内のさまざまな個別のファイルで構成されます。PO ファイルで動作する一般的なツールには、GNU Gettext Tools やTranslate Toolkitなどがあります。PO ファイルを単なるソース テキストファイルのように編集するツールやプログラムもいくつかあります。

• コンピュータ支援翻訳ツールの比較
• 翻訳ソフトウェア一覧
• 翻訳
• テキストコーパス
• コンピュータ支援によるレビュー
• 翻訳ソフトウェア#アプリケーション
• 並列テキスト
• オンラインバイリンガルコンコーダンス

• Dragsted, Barbara. (2004).翻訳と翻訳メモリシステムにおけるセグメンテーション: 認知的セグメンテーションと翻訳プロセスへの TM システムの統合の影響に関する実証的調査。コペンハーゲン: Samfundslitteratur。369 ページ。
• マティアス・ヘイン（1998年）「翻訳の記憶：洞察と展望」リン・ボウカー他編『多様性の中の統一？翻訳研究の最新動向』マンチェスター：セントジェローム、123～136ページ。
• Martín-Mor、Adrià (2011)、La interferència lingüística en torns de Traducció Assistida per Ordinador: Recerca empíricoexperimental。ベラテッラ: バルセロナ自治大学。 URL: http://www.tdx.cat/handle/10803/83987。
• オハガン・ミナコ（2009年）「コンピュータ支援翻訳（CAT）」モナ・ベイカー＆ガブリエラ・サルダナ（編）『ラウトレッジ翻訳研究百科事典』ロンドン：ラウトレッジ、48～51頁。
• ピム、アンソニー (2013)。機械翻訳時代の翻訳スキルセット。Meta: Translators' Journal、58 (3)、p. 487-503。URL: http://id.erudit.org/iderudit/1025047ar

• 翻訳メモリ
• 翻訳メモリのベンチマーク
• フリーランス翻訳者による TM 使用に関する Ecolore 調査 (Word 文書)
• ウェブベースの翻訳メモリにおけるパワーシフト