Crego Clemente, Josep María, Mariño Acebal, José Bernardo
Integración de reordenamientos en el algoritmo de decodificación en traducción automática estocástica
CREGO CLEMENTE, Josep María; MARIÑO ACEBAL, José Bernardo. "Integración de reordenamientos en el algoritmo de decodificación en traducción automática estocástica". Procesamiento del lenguaje natural. N. 37 (sept. 2006). ISSN 1135-5948, pp. 225-232
URI: http://hdl.handle.net/10045/3301
DOI: 
ISSN: 1135-5948
Abstract: 
En esta comunicación se presenta un marco de trabajo para introducir
la capacidad de reordenamiento de palabras en traducción automática (TA). Los
reordenamientos producidos en la oración fuente se integran en el algoritmo de decodificación, lo que permite construir un grafo de búsqueda de dimensiones reducidas.
A partir de un grafo de búsqueda monótono (sin reordenamientos), se utilizan patrones
de reordenamiento (patrones de reescritura motivados lingüísticamente) para
añadir arcos que introducen permutaciones de las palabras fuente. Los patrones se
aprenden de manera automática a partir del conjunto de entrenamiento, utilizando
los alineamientos de palabras (entre las oraciones fuente y destino) y las etiquetas
morfo-sintácticas (POS) de las oraciones fuente. Una vez completado el grafo de
búsqueda, el algoritmo de decodificación lo atraviesa asignando una probabilidad
(coste) a cada hipótesis, ayudándose por un modelo de lenguaje N-grama aprendido
de las etiquetas POS del idioma origen después de ser reordenadas (además de
por un conjunto de modelos típico en traducción automática). El método propuesto
se evalúa en una tarea de traducción del español al inglés y viceversa, utilizando
el corpus del Parlamento Europeo, donde pueden observarse mejoras tanto en calidad
de la traducción (con medidas subjetivas y automáticas) como en eficiencia
computacional.
This paper presents a reordering framework for statistical machine translation
(SMT) where source-side reorderings are integrated into SMT decoding, allowing
for a highly constrained reordered search graph. The monotone search is extended
by means of a set of reordering patterns (linguistically motivated rewrite
patterns). Patterns are automatically learnt in training from word-to-word alignments
and source-side Part-Of-Speech (POS) tags. Traversing the extended search
graph, the decoder evaluates every hypothesis making use of a group of widely used
SMT models and helped by an additional Ngram language model of source-side
POS tags. Experiments are reported on the Euparl task (Spanish-to-English and
English-to-Spanish). Results are presented regarding translation accuracy (using human
and automatic evaluations) and computational efficiency, showing significant
improvements in translation quality for both translation directions at a very low
computational cost.
Keywords:Traducción automática estocástica, Etiquetado POS, Algoritmos de decodificación, Reordenamiento, Stochastic machine translation, POS tagging, Decoding algorithms, Reordering
Sociedad Española para el Procesamiento del Lenguaje Natural
info:eu-repo/semantics/article