Web of Science: 0 cites, Scopus: 0 cites, Google Scholar: cites,
Entrenamiento y comparativa de motores de TAE especializados en la localización de aplicaciones móviles
Fernández Ruiz, María Esperanza (Universitat Autònoma de Barcelona)
Sánchez-Gijón, Pilar (Universitat Autònoma de Barcelona. Departament de Traducció i d'Interpretació i d'Estudis de l'Àsia Oriental)

Títol variant: Entrenament i comparativa de motors de TAE especialitzats en la localització de aplicacions mòbils
Títol variant: Training and Comparing SMT Englines Specialised in Mobile Phone Apps Localisation
Data: 2019
Resum: 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.
Resum: 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.
Resum: 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.
Drets: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original. Creative Commons
Llengua: Castellà
Document: Article ; recerca ; Versió publicada
Matèria: Traducción automática estadística ; Localización ; Aplicaciones móviles ; Corpus ; Statistical machine translation ; Localization ; Mobile apps ; Traducció automàtica estadística ; Localització ; Aplicacions mòbils ; Mtradumàtica
Publicat a: Tradumàtica, Núm. 17 (2019) , p. 162-183 (Tradumàtica breu) , ISSN 1578-7559

Adreça original: https://revistes.uab.cat/tradumatica/article/view/n17-fernandez-ruiz-sanchez-gijon
Adreça alternativa: https://raco.cat/index.php/Tradumatica/article/view/363956
DOI: 10.5565/rev/tradumatica.229


22 p, 348.5 KB

El registre apareix a les col·leccions:
Documents de recerca > Documents dels grups de recerca de la UAB > Centres i grups de recerca (producció científica) > Arts i humanitats > Grup d'estudi de la literacitat en l’ensenyament i l’aprenentatge de segones llengües i traducció (GELEA2LT)
Documents de recerca > Documents dels grups de recerca de la UAB > Centres i grups de recerca (producció científica) > Arts i humanitats > Grup de recerca Tradumàtica
Articles > Articles publicats > Revista Tradumàtica
Articles > Articles de recerca

 Registre creat el 2020-01-02, darrera modificació el 2023-05-26



   Favorit i Compartir