Traducción automática del español al inglés usando redes neuronales profundas con información conceptual de sentencias

Abstract

El estado de arte en traducción automática está representado por una arquitectura encoder-decoder attention, teniendo como mayor criterio la atención específica de ciertas palabras durante diferentes momentos en la traducción de una oración fuente. El presente trabajo propone distintas modificaciones a una arquitectura encoder-decoder attention en que la información total de una sentencia es aprovechada por el mecanismo de atención, logrando que se considere por igual el vector representativo y las partes focalizadas de este. Nuestros resultados demuestran que estas modificaciones mejoran la traducción en relación a una línea base competitiva. Además, vale resaltar que la mayoría de trabajos se esfuerzan por construir modelos de Traducción Automática para varios idiomas, en su mayoría inglés, alemán, francés, ruso. Estas ´ultimas técnicas no consideran al español por igual, pese a ser, uno de los tres lenguajes más hablados en el mundo. Por este motivo, en esta tesis se enfatiza el aprendizaje de modelos para la traducción del español al inglés.