La adaptación a un dominio de un modelo de traducción automática neuronal: análisis de la capacidad de mejora de un modelo del motor OPUS-CAT Autora:

Abstract

El presente trabajo se encuentra dividido en dos partes. En la primera, de tipo conceptual, explicaremos lo que es una red neuronal y cómo funciona un motor de traducción automática neuronal (de aquí en adelante, TAN). En concreto, haremos hincapié en la arquitectura Transformer, considerada en la actualidad el estado del arte en traducción automática. En la segunda, de tipo experimental, adaptaremos a un dominio un modelo EN>ES perteneciente al motor OPUS-CAT, distribuido de forma abierta y gratuita. Lo entrenaremos con tres tamaños diferentes de corpus: 10K, 20K y 40K oraciones. Posteriormente, analizaremos la calidad de los resultados a través de la métrica automática BLEU. Así pues, comprobaremos la relación entre el número de frases con el que le enseñamos y la mejora que conseguimos en cada ocasión. El corpus utilizado ha sido compilado por el profesor Jesús Torres del Rey del departamento de Traducción e Interpretación de la Universidad de Salamanca a partir de textos de la web de ONUSIDA