Acceso usuarios
Zhi Chen
La traducción automática es un tema fascinante. GNMT (Google Neural Machine Translation) por el uso del aprendizaje profundo, según Google, puede reducir la tasa de error en un 60%. Pero, ¿GNMT realmente es tan milagroso? ¿Cómo funciona en cuanto a la traducción entre el par de lenguas más habladas en el mundo: chino y español? Sobre todo, ¿cómo funciona respecto a la traducción de las expresiones metafóricas y metonímicas? Ya que en el lenguaje natural está repleto de esta clase de expresiones. En este artículo intentaremos contestar a estas preguntas. A través de un pequeño muestreo de 37 expresiones metafóricas y metonímicas sobre el sustantivo «cabeza», vamos a observar la correlación entre la frecuencia de uso de un sintagma y su correspondiente calidad de traducción. Mediante la prueba t de student, hemos podido comprobar la hipótesis de que cuanto más alta es la frecuencia de uso, mejor resultado de traducción se da.
Machine translation is a subject of great interest. GNMT (Google Neural Machine Translation), which, according to its maker Google, uses deep learning, can reduce the error rate by 60%. But is GNMT a true “cure-all” for translation woes? How does it work in terms of translating between a pair of the most spoken world languages: Chinese and Spanish? Above all, how does it work with regard to the translation of metaphorical and metonymic expressions, since natural language is full of such kinds of expressions? In this article we will try to answer these questions. Through a small sampling of 37 metaphorical and metonymic expressions based on the noun “head”, we will observe the correlation between a phrase’s frequency of use and its corresponding quality of translation. Through the t-test, we were able to verify the hypothesis that the higher the frequency of use, the better the resulting
