Resumen

El rendimiento de un sistema de traducción automática (MTS, por sus siglas en inglés) depende de la calidad y tamaño de los datos de entrenamiento. Cómo extender el conjunto de datos de entrenamiento para el MTS en dominios específicos con métodos efectivos para mejorar el rendimiento de la traducción automática necesita ser explorado. Se propone un método para seleccionar pares de oraciones bilingües dentro del dominio basados en la información del tema. Con la ayuda de la relevancia del tema de los pares de oraciones bilingües para el dominio de destino, se seleccionan subconjuntos de pares de oraciones relacionadas con los textos a traducir de un corpus bilingüe a gran escala para entrenar el sistema de traducción en dominios específicos y mejorar la calidad de la traducción para textos dentro del dominio. A través de la prueba, se seleccionan los pares de oraciones bilingües utilizando el método propuesto, y posteriormente se entrena el MTS. De esta manera, el rendimiento de la traducción se mejora significativamente.

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Rendimiento; Sistema de traducción automática; Datos de entrenamiento; Ampliar; Conjunto de datos; Dominios; Métodos; Mejorar; Selección; Pares de oraciones bilingües; Información sobre el tema; Subconjuntos; Dominio objetivo; Corpus a gran escala; Calidad de la traducción; Prueba; Entrenado; Considerablemente
• Keywords:Performance; Machine translation system; Training data; Extend; Dataset; Domains; Methods; Enhance; Selecting; Bilingual sentence pairs; Topic information; Subsets; Target domain; Large-scale corpus; Translation quality; Test; Trained; Greatly