Traducción automática para las lenguas románicas de la península Ibérica

Abstract

En este estudio presentamos una comparación de tres estrategias de traducción automática aplicadas a diversas lenguas románicas de la península ibérica: español,portugués, gallego, catalán, aranés, aragonés y asturiano. En nuestro estudio analizaremos sistemas con el español como lengua de partida. El objetivo del trabajo es evaluar los sistemas de transferencia sintáctica superficial para estos pares de lenguas y determinar si se dispone de corpus paralelos libres de tamaño y calidad suficientes para entrenar sistemas de traducción automática estadísticos y neuronales que puedan ofrecer una calidad similar o superior. Las preguntas de investigación de este trabajo son: ¿Qué calidad ofrece el sistema de traducción Apertium para los pares de lenguas analizados? ¿Cuántos corpus están disponibles libremente para el entrenamiento de sistemas estadísticos y neuronales? ¿Qué calidad se obtiene con los sistemas estadísticos y neuronales entrenados con los corpus disponibles y con los corpus sintéticos?

In this paper, a comparison of three strategies of machine translation applied to several Romance languages of the Iberian Peninsula is presented. The involved languages are Spanish, Portuguese, Galician, Catalan, Aranese, Aragonese and Asturian. In our study we analyse systems having Spanish as source language. The goal of this study is to evaluate shallow syntactic transfer systems for these language pairs and determine if there are freely available parallel corpora of enough size and quality to train statistical and neural machine translation systems able to deliver similar or higher translation quality. The research questions of this work are: Which level of quality deliver the Apertium machine translation systems for the language pairs under study? How many parallel corpora are freely available to train statistical and neural systems? Which level of quality can be achieved with the statistical and neural systems trained with the available and synthetic parallel corpora?