Аннотация. В работе исследуются русские оценочные суффиксы имен существительных и способы их перевода на английский язык. Выполнен анализ значений различных оценочных суффиксов на примере текстов из НКРЯ. Выявленные модели перевода были сопоставлены с результатами машинного перевода (Yandex Translator, Google Translator, ChatGPT).
Ключевые слова: оценочные суффиксы русских существительных; корпусное исследование; перевод с русского языка на английский язык; машинный перевод.
Системы машинного перевода (МП) и искусственный интеллект (ИИ) стали неотъемлемой частью современной коммуникации. Благодаря стремительному развитию данных технологий представление о возможностях межъязыковой коммуникации значительно изменилось. Искусственный интеллект начинает уверено проникать во все сферы человеческой жизни, включая деятельность переводчика. Каждая новая модель МП ставит перед исследователями вопрос о возможности ее применения в той или иной сфере перевода. Считается, что системы МП на базе искусственного интеллекта особенно широко используются в официально-деловом и научном стиле, а также в текстах технической направленности, ведь данные тексты характеризуются стабильной структурой, устойчивой терминологией и относительно простыми синтаксическими конструкциями, что позволяет им наиболее точно обрабатывать эти тексты [9].
Потенциал систем МП при переводе достаточно высок, однако вопрос о том, способна ли машина сохранять прагматику исходного текста остается открытым. Считается, что перевод текстов, наполненных эмоциональными описаниями, оценочными конструкциями и личными высказываниями автора представляет серьезную проблему для систем МП [2].
Такие тексты предполагают высокую степень «человечности», т.к. читатели могут анализировать выразительные средства, особенности индивидуального стиля автора, аллюзии, эмоциональную окраску и т.д.
Художественные тексты обладают всеми вышеперечисленными характеристиками, и есть мнение, что их перевод с помощью систем МП практически невозможен, т.к. автоматизированный перевод работает относительно хорошо только в тематически ограниченных областях (перевод научно-технических текстов, автоматический перевод запросов на интернет-платформах) [4].
Проблемы машинного перевода особенно заметны при переводе с русского языка (далее – РЯ) на английский (далее – АЯ). Русский язык, будучи языком синтетического строя, имеет широкий спектр морфологических средств, в том числе – оценочные суффиксы, с помощью которых выражается эмоциональная оценка. По сравнению с русским языком, морфологические ресурсы в английском языке ограничены, эмоции, оценка и экспрессия автора передается на других уровнях языка, например: на уровне синтаксиса (с помощью изменения порядка слов (инверсия)) или с помощью фонетических и лексических ресурсов языка [1].
В центре настоящего исследования находится морфологический аспект перевода, а именно – перевод оценочных суффиксов русских существительных в художественном дискурсе. Исследование строится вокруг гипотезы о том, что современные системы МП не могут справиться с распознаванием значения оценочных суффиксов и передачей их прагматики на АЯ. Неспособность систем МП учитывать контекст и анализировать прагматическое значение может приводить к искажениям смысла и неточностям в переводе.
Целью работы является верификация данной гипотезы. В качестве эмпирического материала исследования выступают контексты, отобранные из Национального корпуса русского языка (НКРЯ), это 500 фрагментов из художественной литературы, содержащих русские существительные с суффиксами субъективной оценки. В рамках работы анализируются профессиональные переводы этих контекстов, которые далее сопоставляются с вариантами переводов систем МП (Google Translate, Yandex Translator, ChatGPT).
В ходе работы все суффиксы из эмпирического корпуса были разделены на 5 групп согласно их значениям: уменьшительные (дверка, дубок, столик); уменьшительно-ласкательные (сыночек, папенька); увеличительные (домище, ножище); уничижительные (деньжата, бабенка, барахлишко); ласкательные (воробушек, морюшко).
Анализ эмпирического материала позволил выявить определенные закономерности при передаче оценочных суффиксов профессиональными переводчиками. Чаще всего на английский язык удается передать значение уменьшительности (31 случаев из 100) и увеличительности (27 случаев из 100), данные значения передаются на АЯ с помощью введения дополнительных лексических единиц, например, tiny, little, huge, enormous и т.д., ср.:
- Мимоходом портной полоснул его мелом по сердцу, намечая карманчик, после чего безжалостно сорвал уже как будто готовый рукав… – In passing, the tailor slashed him over the heart with chalk to indicate a small pocket, then pitilessly ripped off the sleeve that had seemed finished…
- У каждой семьи – две комнатки, сарайчик и грядка. – Every family had had two little rooms, a small shed, and a vegetable patch.
- На стойку облокотился огромный тяжкий извозчик с седыми усищами и смотрел на кран, слушал пиво, шипевшее, как лошадиная моча. – A massive, ponderous wagon driver with a monstrous gray mustache leaned on the bar, watching the spigot and listening to the beer, which hissed like horse urine.
- …на заднем плане, приобнявшего почти весь паноптикум ручищами необъятной длины… – …standing behind everyone and embracing almost the entire freak show in his huge, immensely long arms…
Ласкательное значение русских оценочных суффиксов представляет собой более сложную задачу для переводчика (11 случаев из 100). Прагматический аспект значения данного суффикса, а именно нежность, эмоциональная теплота и «интимность», с которой авторы описывают то или иное событие/предмет, чаще всего утрачивается при переводе.
Задачу исследования составила проверка возможностей машинного перевода в передаче русских оценочных суффиксов, в том числе выявление групп суффиксов (уменьшительные, увеличительные, ласкательные) наиболее и наименее сопротивляющихся переводу.
В ходе работы был выполнен сопоставительный анализ, где решения профессиональных переводчиков сравниваются с вариантами переводов, предложенными системами МП.
Рассмотрим, как системы МП справляются с передачей значений каждой из трех групп с уменьшительным, увеличительным и ласкательным значениями.
Уменьшительные суффиксы:
- Горшок щей… домик… садик… Было – мы. Мы! Мы...
При переводе на АЯ профессиональный переводчик сохранил уменьшительное значение суффикса с помощью введения определения little, ср.: A pot of cabbage soup… a little house, a little garden… It was about the collective «we»! We…
Системы МП также используют дополнительные определения, указывающие на размер предмета, либо опускают это значение при переводе, ср.:
- Google Translator – A pot of cabbage soup... a little house... a little garden... It was us. We! We...
- Yandex Translator– A pot of cabbage soup... a house... a garden… It was us. Us! Us...
ChatGPT – A pot of cabbage soup… a little house… a little garden…There was – us. Us! Us…
- Протянешь ему палец, он обхватит ручонками и мурлычет.
В данном примере профессиональный переводчик также прибегает к использованию лексической компенсации и вводит определение little, ср.: If you reach out your finger, he'll grab it with his little hands and purr.
Системы машинного перевода также используют при переводе дополнительные определения, ср.:
- Google Translator – You hold out your finger to him, he grabs it with his little hands and purrs.
- Yandex Translator – You hold out your finger to him, he wraps his arms around you and purrs.
- ChatGPT – You hold out a finger to him, and he’ll wrap his little hands around it and purr.
- А из дырочки – струйка кровавая тончайшим фонтанчиком выстрелила. – A trickle of blood shoots out in a fine fountain from a tiny hole.
В этом контексте переводчик использовал несколько стратегий перевода русских оценочных суффиксов: струйка –(trickle) – лексема, в семантике которой есть значение «слабая, тонкая струя», что передает значение уменьшительности; дырочка – (a tiny hole), – добавление определения tiny; уменьшительное значение суффикса в слове фонтанчик на АЯ не передается.
Машинные варианты перевода:
- Google Translator – And from the hole, a thin stream of blood shot out like a fountain.
- Yandex Translator – And from the hole, a trickle of blood shot out like the thinnest fountain.
- ChatGPT – And from the little hole, a thin stream of blood shot out like the finest little fountain.
Анализ вариантов переводов систем МП позволяет выявить определенные закономерности их подхода к переводу. В первую очередь, наблюдается расхождение между системами МП, построенными на нейросетевых моделях работы и системами, которые опираются на статистические алгоритмы. ChatGPT и Google Translator, работающие на нейросетях, демонстрируют более высокую чувствительность к распознаванию уменьшительного значения русских оценочных суффиксов, в то время как Yandex Translator, в основе которого лежит статистическая модель перевода, показывает систематическую неспособность к распознаванию уменьшительной семантики. Таким образом, можно предположить, что архитектура систем МП напрямую связана с качеством перевода.
Однако стратегия перевода систем МП, по сути, шаблонна и ограничивается только подстановкой и введением определения little во всех контекстах. В отличие от МП, профессиональный переводчик может компенсировать значение русского суффикса не только на уровне введения отдельного слова, но с помощью стилистических приемов – на уровне синтаксиса, или используя стилистически маркированную лексику в других частях предложения. Это различие между машинным и профессиональным переводом проявляется и при передаче на АЯ суффиксов с другими значениями.
Увеличительные суффиксы:
- Уж какая, казалось бы, силища перла, а и та не перешибла обуха.
В данном контексте увеличительный суффикс -ищ помогает создать гиперболизированный образ «силы». Профессиональный переводчик в этом случае выбирает не стандартное прилагательное huge или enormous, а использует стилистически маркированное colossal, ср. перевод – Just think of the colossal force that crashed into us then, but not even that could flay a stone.
Рассмотрим варианты, предложенные системами МП:
- Google Translator – It would seem that such a force was at work, but it still couldn’t break the bank.
- Yandex Translator – It would seem that Pearl's strength was too great, but even that did not break the butt.
- ChatGPT – For all that force it seemed to have, it still couldn’t break the butt end of an axe.
Ни одна из трех систем МП не передала значение увеличительного суффикса, но Google Translator и ChatGPT используют интенсификаторы (such a; all that), что повышает экспрессивность текста и решает задачу перевода в определенной степени. Yandex Translator не распознал глагол «перла» и принял его за имя собственное, в результате чего в переведенном предложении появилось новый смысл.
- …вырвалась из могильных толщ, вновь ревела, топча ножищами, выла, жадно жрала все вокруг себя. – …had broken out of its deep tombs; howling and roaring, stamping its huge feet, it was devouring everything round about.
Увеличительный суффикс -ищ в профессиональном переводе передается с помощью введения huge, однако важно упомянуть, что образ огромного объекта создается в переводе также с помощью контекста, ср.: howling and roaring, stamping, devouring. В данном случае прием синтаксического параллелизма также создает дополнительную экспрессию. В машинном переводе также используется определение huge или значение суффикса опускается (Google Translator), ср.:
- Google Translator – …broke out of the depths of the grave, roared again, stamping her feet, howled, greedily devouring everything around her.
- Yandex Translator – ...burst out of the grave, roared again, trampling with its huge feet, howled, greedily devoured everything around it.
- ChatGPT – …it burst out from the depths of the grave, roaring again, trampling with its huge feet, howling, greedily devouring everything around it.
- Перед камином на тигровой шкуре сидел, благодушно жмурясь на огонь, черный котище.
В этом примере увеличительный суффикс -ищ помогает автору создать не только образ, но и показать характер огромного кота – его вальяжность, самодовольство. Ср. перевод – On a tiger skin in front of the fireplace sat a huge black tom-cat, squinting good-naturedly at the fire. При переводе определение huge передает значение огромного размера, а введение лексемы a tom-cat создает образ животного. Среди систем МП такое же решение предлагает ChatGPT, у остальных характеристика размера и вальяжности опускается, ср.:
- Google Translator – In front of the fireplace, on a tiger skin, sat a black cat, squinting complacently at the fire.
- Yandex Translator – A black cat was sitting on a tiger skin in front of the fireplace, blinking complacently at the fire.
- ChatGPT – In front of the fireplace, on a tiger skin, sat a huge black tomcat, squinting contentedly at the fire.
Анализ примеров данной группы позволяет предположить, что в отличие от перевода группы уменьшительных суффиксов, где системы МП демонстрировали относительную стабильность, перевод увеличительных суффиксов представляет собой большую трудность, особенно в связи с сопутствующими значениями и характеристиками.
Суффиксы с уменьшительным и увеличительным значением в основном передаются на АЯ (хотя и не всегда стабильно) с помощью лексической компенсации или других ресурсов языка, в то время как ласкательное значение суффиксов представляет собой устойчивую переводческую трудность даже для профессиональных переводчиков.
Ласкательные суффиксы:
- Про то не беспокойся, хозяюшка… – «Don't fret yourself about that, Mistress…»
В этом примере ласкательный суффикс -юшк в обращении хозяюшка показывает уважительное, теплое отношение. В переводе переводчик опускает ласкательное значение и использует нейтральное Mistress, но с большой буквы, как имя собственное, что придает обращению дополнительную окраску, частично восполняя утраченный суффикс.
- Google Translator – «Don't worry about that, mistress...»;
- Yandex Translator – «Don't worry about that, missus…»;
- ChatGPT – “Don’t you worry about that, mistress…».
Ни одна из систем МП не передает ласкательное значение суффикса. Yandex Translator предлагает вариант missus, который считается разговорной формой и фонетическим искажением от Mrs. (сокращение mistress).
- Мамочка, ты, если хочешь, уезжай. Без меня.
Ласкательное обращение мамочка из уст ребенка или даже взрослого человека, говорящего с матерью, несет в себе максимальную степень интимности и нежности, ср. проф. перевод: «Mama, dear, you can leave if you want to. Without me».
Профессиональный переводчик компенсирует значение ласкательного суффикса с помощью введения обращения dear.
- Google Translator – «Mommy, if you want, you can leave. Without me».
- Yandex Translator – «Mommy, you can leave if you want. Without me».
- ChatGPT – «Mama, if you want, you can leave. Without me».
Yandex Translator и Google Translator передают ласкательное значение на АЯ с помощью mommy, близкого по прагматике к оригиналу.
- Батюшка в обед всегда принимал, это святое дело – чарка за обедом.
Оценочный суффикс -юшк добавляет слову оттенок теплоты, близости и уважительности. В профессиональном переводе было использовано нейтральное father, ласкательное значение суффикса опущено, ср.: My father always drank with dinner, that was a sacred ritual – a glass of vodka with the meal.
Системы МП предлагают следующие варианты перевода:
- Google Translator – Father always received a glass of wine at lunch, it was a sacred thing – a glass at lunch.
- Yandex Translator – My father always took it at lunch, and it's a sacred thing to have a glass at dinner.
- ChatGPT – Father always had a drink at lunch – a shot with the meal was a sacred thing.
Все три системы не справляются с передачей ласкательного суффикса. Более того, Google Translator полностью искажает смысл всего предложения, заменяя глагол «принимал» на «received» а «чарка» превращается в «a glass of wine». В переводе Yandex Translator неверно интерпретирует значение глагола «принимал» – «took it».
Таким образом, передача семантики ласкательных суффиксов, как и ожидалось, вызывает у систем МП серьезные трудности.
В результате анализа эмпирического материала гипотеза о том, что современные системы МП систематически не распознают значения оценочных суффиксов и с трудом справляются с передачей этих значений на АЯ нашла свое подтверждение.
Был сделан вывод, что степень успешности машинного перевода зависит от нескольких факторов: от значения суффикса и от архитектуры системы машинного перевода. Системы МП способны относительно стабильно передавать значение уменьшительности с помощью лексической компенсации, однако ласкательные суффиксы для систем МП являются устойчивой проблемой. Что касается работы систем МП, анализ показал расхождения в переводе между системами, работающими на нейронных моделях перевода и статистическими моделями. Google Translator и ChatGPT, опирающиеся на нейросети, демонстрируют более высокую чувствительность в морфологическим аспектам и чаще распознают значения оценочных суффиксов, в то время как Yandex Translator, опирающийся на статистические алгоритмы, значения оценочных суффиксов при переводе пропускает чаще.
Профессиональные переводчики способны критически анализировать контекст, могут творчески подойти к анализу предложения и в следствие могут компенсировать суффиксальные значения в контексте с помощью других ресурсов, используя стилистически маркированную лексику или синтаксис. Машины действуют шаблонно, что на данном этапе их развития делает их непригодными для полноценного перевода художественной литературы без вмешательства человека.
Список литературы:
- Афанасьева О.В., Морозова Н.Н., Антрушина Г.Б. Лексикология английского языка. English lexicology: Учебник и практикум. 8-е изд., пер. и доп. М.: Издательство Юрайт, 2020. 196 с.
- Беклемешева Н.Н. Русские деепричастия и способы их передачи на английский язык: профессиональный перевод VS машинный (на материале художественной литературы). // Сборник научных статей по итогам II Международной научной конференции «Язык в эпоху цифровых трансформаций и развития искусственного интеллекта», Минск, 23-24 октября 2025 г. С. 489-500.
- Виноградов В.В. Русский язык (Грамматическое учение о слове). 3-е изд., испр. М.: Высшая школа, 1986. 642 с.
- Дубровина Е.В., Городищева А.Н. Основные проблемы машинного перевода // Актуальные проблемы авиации и космонавтики, 2014. №10. С. 238-240.
- Лескина С.В., Слабко Ю.В. Представленность разноуровневых диминутивов в русском и английском языке // Вестник ЮУрГУ, 2015. №1. C. 15-21.
- Некрасова И.М. Категория диминутивности в русском и английском языках // Проблемы романо-германской филологии, педагогики и методики преподавания иностранных языков, 2010. №8. С. 26-31.
- Санников С.В. Об оценочных суффиксах русского языка // Известия РАН. Серия литературы и языка, 2018. Т. 77. №5. C. 5-21.
- Сулейманова О.А., Нерсесова Э.В., Вишневская Е.М. Технологический аспект подготовки современного переводчик, // Филологические науки. Вопросы теории и практики, 2019. Т. 12. №7. С. 313-317.
- Фатюшина Е.Ю., Семина О.Ю. Машинный перевод технического текста: современное состояние и перспективы // Актуальные вопросы современной филологии и журналистики, 2024. №3 (54). С. 38-47.
- Чалая Д.Э. Применение машинного перевода в различных областях русско-английского перевода: анализ эффективности и ограничений // Вестник науки, 2025. №8(89). С. 267-272.
- Шимберг С.С., Удальцова Н.В. Передача семантики оценочных суффиксов в переводе с русского на английский язык // ХХІ Царскосельские чтения: материалы международной научной конференции, Санкт-Петербург, 25-26 апреля 2017 года. Том І. СПб.: Ленинградский государственный университет им. А. С. Пушкина, 2017. 361-365.
Translation of Russian evaluative suffixes into English: the machine translation
Putilova Y.A.,
student of 4 course of Moscow City University, Moscow
Research supervisor:
Beklemesheva Natalya Nikolaevna,
associate professor of the department of Linguistics and Translation Studies at the Institute of Foreign Languages of the Moscow City University, Candidate of Philological Sciences
Abstract. The paper investigates semantics and functions of evaluative suffixes in Russian nouns and ways of their translation into English. The corpus-based research resulted in a set of translation patterns which were compared with machine translation (Yandex translator, Google Translator, ChatGPT). The findings give grounds to assess the potential of machine translation in terms of Russian evaluative suffixes.
Keywords: evaluative suffixes of Russian nouns, Russian-English translation; corpus-based study, machine translation.
References:
- Afanasyeva O.V., Morozova N.N., Antrushina G.B. English Lexicology. English Lexicology: Textbook and Workshop. 8th ed., trans. and add. Moscow: Yurait Publishing House, 2020. 196 p.
- Beklemesheva N.N. Russian Participles and Methods of Their Transformation into English: Professional Translation vs. Machine Translation (Based on Fiction). // Collection of Scientific Articles Following the Results of the II International Scientific Conference «Language in the Era of Digital Transformations and the Development of Artificial Intelligence», Minsk, October 23-24, 2025.: 489-500.
- Vinogradov V.V. Russian language (Grammatical doctrine of the word). 3rd ed., revised. Moscow: Higher School, 1986. 642 p.
- Dubrovina E.V., Gorodishcheva A.N. Main problems of machine translation // Actual problems of aviation and cosmonautics, 2014. №10. 238-240.
- Leskina S.V., Slabko Yu.V. Representation of different-level diminutives in Russian and English // Bulletin of SUSU, 2015. №1.: 15-21.
- Nekrasova I.M. The category of diminutiveness in Russian and English // Problems of Romano-Germanic Philology, Pedagogy and Methods of Teaching Foreign Languages. 2010. №8.: 26-31.
- Sannikov S.V. On evaluative suffixes of the Russian language // Bulletin of the Russian Academy of Sciences. Series on Literature and Language. 2018. Vol. 77, №5.: 5-21.
- Suleimanova O.A., Nersesova E.V., Vishnevskaya E.M. Technological aspect of training a modern translator // Philological sciences. Theoretical and practical issues, 2019. Vol. 12 №7.: 313-317.
- Fatyushina E.Yu., Semina O.Yu. Machine translation of technical texts: current state and prospects // Current issues of modern philology and journalism, 2024. №3(54).: 38-47.
- Chalaya D.E. Application of machine translation in various areas of Russian-English translation: analysis of efficiency and limitations // Vestnik nauki, 2025. №8(89).: 267-272.
- Shimberg S.S., Udaltsova N.V. Transfer of the semantics of evaluative suffixes in translation from Russian into English // XXI Tsarskoye Selo Readings: Proceedings of the international scientific conference, St. Petersburg, April 25-26, 2017. Vol. I. St. Petersburg.: Leningrad State University named after A.S. Pushkin, 2017.: 361-365.