Search

En este trabajo de fin de máster se lleva a cabo la creación de seis motores de traducción automática estadística (EN>ES) mediante la plataforma de MTradumática, entrenados con corpus de entrenamiento y optimización reunidos a partir de guías docentes de programas del área de Humanidades de la Universidad Autónoma de Barcelona. Se realiza una comparación entre las traducciones realizadas con dichos motores, así como entre ellas y las traducciones creadas con el motor de traducción automática Google Translate, para lo cual se usa el sistema de evaluación BLEU. Así se pretende establecer si un motor de traducción automática estadística personalizado ofrece mejores resultados a la hora de traducir las guías docentes de la UAB que un motor de traducción automática neuronal de carácter general tal como Google Translate, e igualmente se pretende discernir cuál es el mejor de los motores especializados y qué características deben cumplir un corpus de entrenamiento y un corpus de optimización. For this Master's Degree Dissertation, six statistical machine translation engines (EN>ES) were created using the MTradumática platform, trained with training and optimization corpus gathered from syllabi for programs in the Humanities area of the Universidad Autónoma de Barcelona. A comparison is made between the translations created with those engines, as well as between them and the translations created with the Google Translate machine translation engine; using the BLEU evaluation system. The aim is to establish whether a customized statistical machine translation engine offers better results when translating the UAB syllabi than a general neural machine translation engine such as Google Translate, and also to discern which is the best of the specialized engines, and what features should a training corpus and an optimization corpus have.

La traducció automàtica (TA) ha millorat notablement aquests darrers anys. No obstant això, la traducció de la parla i el processament del llenguatge natural encara són un desafiament per als sistemes de TA. Aquest treball sorgeix amb la motivació d'aportar una possible solució a la manca de naturalitat de la traducció automàtica per veu. La hipòtesi és que es pot millorar l'oralitat de les traduccions mitjançant corpus orals transcrits i optimitzacions en l'entrenament dels sistemes de TA. Per demostrar aquesta hipòtesi, es creen amb KantanMT (després d'haver provat amb MTradumàtica) sis motors de traducció automàtica estadística entrenats amb diferents corpus orals transcrits i escrits per després, evaluar-los. La traducción automática (TA) ha mejorado notablemente en los últimos años; sin embargo, la traducción del habla y el procesamiento del lenguaje natural siguen siendo todo un reto para los sistemas de TA. Este trabajo surge con la motivación de aportar una posible solución a la falta de naturalidad en la traducción automática del habla. Se parte de la hipótesis de que se puede mejorar la oralidad de las traducciones introduciendo corpus orales transcritos y optimizaciones en el entrenamiento de los sistemas de TA. Para probar esta hipótesis, se crean con KantanMT -tras probar MTradumàtica- seis motores de traducción automática estadística entrenados con distintos corpus orales transcritos y escritos y, después, se evalúan. Machine Translation (MT) has been greatly improved in recent years. Nevertheless, Spoken Language Translation (SLT) and natural language processing remain a major challenge for MT engines. The purpose of this work is to provide a possible solution to the lack of naturalness in SLT. The work is based on the hypothesis that it is possible to improve the orality of translations by introducing transcribed oral corpus and optimizations in the training process of MT systems. To test this hypothesis, six statistical machine translation engines, trained with different transcribed oral and written corpora, were created with KantanMT, after trying MTradumàtica, and then evaluated.

En aquest TFM es porta a terme l'entrenament d'un motor de traducció automàtica estadística del català i el castellà cap a l'anglès a partir d'un corpus de guies docents de la Universitat Autònoma de Barcelona i mitjançant la plataforma MTradumàtica. El treball consta d'una explicació teòrica, en què es parla sobre la traducció i l'avaluació automàtiques, MTradumàtica i els recursos lingüístics emprats, i d'un apartat sobre la metodologia, en què s'exposen detalladament les fases del procés: creació dels corpus, entrenament del motor i avaluació de qualitat. Es comenten i s'analitzen els resultats per determinar si les guies docents són un tipus de text adient per a l'entrenament de motors de traducció automàtica estadística. En este TFM se lleva a cabo el entrenamiento de un motor de traducción automática estadística del catalán y el castellano hacia el inglés a partir de un corpus de guías docentes de la Universitat Autònoma de Barcelona y mediante la plataforma MTradumàtica. El trabajo consta de una explicación teórica, en la cual se habla sobre la traducción y la avaluación automáticas, MTradumàtica y los recursos lingüísticos utilizados, y de un apartado sobre la metodología, en el cual se exponen detalladamente las fases del proceso: creación de los corpus, entrenamiento del motor y avaluación de calidad. Se comentan y se analizan los resultados para determinar si las guías docentes son un tipo de texto adecuado para el entrenamiento de motores de traducción automática estadística. The aim of this project is training a statistical translation engine from Catalan and Spanish into English based on teaching guides from the university Universitat Autònoma de Barcelona, and using the platform MTradumàtica. A theoretical explanation is provided, including information about machine translation, automatic evaluation, MTradumàtica and the linguistic resources used, as well as the working methodology, which can be divided in the following processes: corpus creation, engine training and quality evaluation. The results are stated and analyzed in order to determine whether teaching guides are an appropriate text type to train statistical translation engines.

La calidad de la traducción automática estadística (TAE) está estrechamente relacionada con las características de los corpus utilizados, como son su volumen y su homogeneidad. Este artículo describe el proceso realizado durante el entrenamiento de tres motores de traducción automática estadística (TAE) a partir de diferentes combinaciones de colecciones de textos, todos ellos especializados en la traducción de aplicaciones móviles. Se compararán los tres motores con el fin de determinar qué composición de corpus es la ideal para entrenar motores especializados en la localización de aplicaciones y comprobar cómo abordan los motores entrenados ciertos aspectos problemáticos de este tipo de aplicaciones. The quality of statistical machine translation (SMT) is closely related to the characteristics of the corpora used, such as their volume and homogeneity. This article describes the training process of three statistical machine translation engines working from different combinations of text collections, all specialized in the translation of mobile apps. The three engines are compared to determine which corpus composition is the best for training engines specialized in app localisation, and to check how the trained engines deal with some problematic aspects related to this type of translation. La qualitat de la traducció automàtica estadística (TAE) està estretament relacionada amb les característiques dels corpus utilitzats, com ara el seu volum i la seva homogeneïtat. Aquest article descriu el procés realitzat durant l'entrenament de tres motors de traducció automàtica estadística a partir de diferents combinacions de col·leccions de textos, tots especialitzats en la traducció d'aplicacions mòbils. Es farà una comparació dels tres motors amb l'objectiu de determinar quina composició de corpus és la ideal per entrenar motors especialitzats en la localització d'aplicacions i comprovar com els motors entrenats aborden certs aspectes problemàtics de la traducció d'aplicacions.

En aquest treball de fi de màster es creen i entrenen quatre motors de traducció automàtica estadística amb la combinació anglès-espanyol desde la plataforma MTradumàtica. Per tal d'assentar les bases d'aquest treball, es contextualitza la investigación en l'estat actual de la traducció estadística a partir de nocions teòriques bàsiques sobre el seu funcionament i l'aplicació de les tecnologies d'aquest tipus de traducció. Tenint com a premisa esencial que els motors de TAE es poden adaptar i optimitzar en funció del tipus d'encàrrec de traducció, es processen dos tipus d'arxiu originals pels quatre motors: un text genèric i un text tècnic. Mitjançant les traduccions obtingudes, es pretén demostrar que el traductor pot avaluar la qualitat dels motors fins a inferir quin és el més adient per a un tipus d'encàrrec específic, i adaptar el seu entrenament al propòsit d'un projecte de traducció en particular. En este trabajo de fin de máster se crean y entrenan cuatro motores de traducción automática estadística con la combinación inglés-español desde la plataforma MTradumàtica. Para sentar las bases del trabajo, se contextualiza la investigación en el estado actual de la traducción estadística a partir de nociones teóricas básicas sobre su funcionamiento y la aplicación de las tecnologías de este tipo de traducción. Teniendo como premisa esencial que los motores de TAE se pueden adaptar y optimizar en función del tipo de encargo de traducción, se procesan dos tipos de archivos originales por los cuatro motores: un texto genérico y un texto técnico. Mediante las traducciones resultantes, se pretende demostrar que el traductor puede evaluar la calidad de los mismos para colegir cuál de ellos es el más apropiado para un tipo de encargo específico, y adaptar su entrenamiento al propósito de un proyecto de traducción en particular. In this Master's Degree dissertation, there will be four statistical MT engines created via MTradumàtica with English-Spanish combination. In order to set the bases of this dissertation, the research will be contextualized in the current status of statistical translation by theorical concepts about its procedures and the application of the technologies related to this kind of translation. Having the optimisation and adaptation of MT engines depending on the translation order as the main hypothesis, there will be two original texts processed by each of the MT engines of this research: a general text and a technical text. From the obtained translations, the dissertation will try to prove the translator is able to evaluate the quality of the engines so as to conclude which of them is more suitable for a kind of translation project in particular, and that is also possible to adapt the training of a particular MT engina to a specific translation job.