En torno a la traducción automática neuronal de zoologismos
Fecha
2024-09
Título de la revista
ISSN de la revista
Título del volumen
Editor
Peter Lang
Resumen
La reciente aparición de los sistemas neuronales ha supuesto una auténtica
revolución en el ámbito de la traducción automática, dando lugar a la traducción automática
neuronal (TAN), que supone un enorme salto cualitativo en comparación con el
predecesor sistema de traducción automática estadística basada en segmentos o frases
(phrase-based statistical machine translation o PBSMT) (Bojar et al., 2016; Castilho et al.,
2017; Sennrich et al., 2016). A pesar de estos avances, los sistemas TAN aún tienen un
importante talón de Aquiles —las unidades fraseológicas— debido principalmente a los
múltiples desafíos que estas presentan: ambigüedad, no composicionalidad, manipulación,
variación diasistemática, flexibilidad morfosintáctica, discontinuidad, o anisomorfismo
interlingüístico, entre otros. En este contexto, en el presente trabajo analizaremos
las principales dificultades que supone la traducción automática neuronal de distintos
zoologismos (es decir, unidades fraseológicas que contienen lexemas referidos a nombres
de animales [denominados zoónimos]) tales como pagar el pato, llevarse el gato al agua,
haber gato encerrado, dar gato por liebre o [ser] cuatro gatos, en las direccionalidades de
traducción ES>EN/ZH. Para ello, examinaremos el rendimiento de los dos sistemas de
traducción automática neuronal más robustos del mercado: DeepL y Google Translate.
Con este telón de fondo, los prometedores resultados obtenidos con zoologismos podrán
abrir camino hacia nuevas formas de optimizar el tratamiento de las unidades fraseológicas
por parte de los sistemas TAN.
Descripción
Citación
Zhou-Lian, X., Corpas Pastor; G., Hidalgo-Ternero, C.M. (2024). En torno a la traducción automática neuronal de zoologismos. En Jaime Sánchez Carnicer, J. y Arce Romeral, L. (Eds.), Nuevos avances tecnológicos en la teoría y práctica de la traducción e interpretación. Peter Lang.