Resumen

Al construir el primer sistema de traducción automática neural ruso-vietnamita, nos enfrentamos al problema de elegir un sistema de unidades de traducción en el que se basan las incrustaciones de origen y destino. Los sistemas de unidades de traducción homogéneos disponibles con la misma unidad de traducción en el lado de origen y en el de destino no se adaptan perfectamente al par de idiomas investigado. Para resolver el problema, en este trabajo proponemos un novedoso sistema de unidades de traducción heterogéneas, teniendo en cuenta las características lingüísticas de la lengua rusa sintética y la lengua vietnamita analítica. En concreto, reducimos el nivel de incrustación en la parte de origen dividiendo el token en subtokens y aumentamos el nivel de incrustación en la parte de destino fusionando tokens vecinos en un supertoken. Los resultados del experimento muestran que el sistema heterogéneo propuesto mejora en 1,17 BLEU al mejor sistema de traducción homogéneo ruso-vietnamita existente. Nuestro enfoque podría aplicarse a la construcción de robots de traducción para pares de idiomas con diferentes características lingüísticas.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:sistema de unidades de traducción, lado de destino, nivel de incrustación, par de lenguas investigado, máquina neural vietnamita, lengua vietnamita analítica, traducción heterogénea novedosa, sistema heterogéneo propuesto, características lingüísticas diferentes, lengua rusa sintética
• Keywords:translation unit system, target side, embedding level, investigated language pair, vietnamese neural machine, analytic vietnamese language, novel heterogeneous translation, proposed heterogeneous system, different linguistic characteristics, synthetic russian language