Materia

Contenido de XSL

Traducción Automática y Multilingüismo

Datos generales de la materia

Modalidad
Presencial
Idioma
Inglés

Descripción y contextualización de la asignatura

En este curso se presentar¿los paradigmas de traducci¿utom¿ca (TA) existentes y el estudiante tendr¿a oportunidad de practicar con sistemas TA reales. Adem¿ tambi¿se analizar¿las distintas posibilidades que existen para extraer y utilizar informaci¿ultiling¿e de los corpus tanto paralelos como monoling¿es.

Profesorado

NombreInstituciónCategoríaDoctor/aPerfil docenteÁreaEmail
ARANBERRI MONASTERIO, NORAUniversidad del País Vasco/Euskal Herriko UnibertsitateaProfesorado Laboral Interino UniversidadDoctoraBilingüeTraducción e Interpretaciónnora.aranberri@ehu.eus
LABAKA INTXAUSPE, GORKAUniversidad del País Vasco/Euskal Herriko UnibertsitateaProfesorado Adjunto (Ayudante Doctor/A)DoctorBilingüeLenguajes y Sistemas Informáticosgorka.labaka@ehu.eus

Competencias

DenominaciónPeso
Capacidad de comprender y proponer mejoras en los sistemas de traducción automática propuestos en la bibliografía33.0 %
Capacidad de desarrollar sistemas de traducción automática acordes con el estado del arte del momento33.0 %
Capacidad de análisis de ámbitos de utilización de la traducción automática.34.0 %

Tipos de docencia

TipoHoras presencialesHoras no presencialesHoras totales
Magistral1522.537.5
P. Ordenador304575

Resultados del aprendizaje de la asignatura

Conocer los distintos paradigmas propuestos para llevar a cabo la traducci¿utom¿ca.

Entender los art¿los cient¿cos relacionados con la traducci¿utom¿ca: las t¿icas y la evaluaci¿sada.

Aprender a entrenar sistemas de traducci¿utom¿ca acordes con la tecnolog¿del momento.

Identificar la informaci¿ultiling¿e presente en los datos y el uso que se le puede dar en el dise¿e herramientas multiling¿es.

Identificar casos en los que el uso de la traducci¿utom¿ca pueda conllevar una mejora.

Temario

1.- Introducci¿.- Evaluaci¿e la traducci¿utom¿ca

3.- Funcionamiento de la traducci¿utom¿ca

4.- Multiling¿ismo

Bibliografía

Bibliografía básica

Mikel Artetxe, Gorka Labaka, Eneko Agirre. 2018. A robust self-learning method for fully unsupervised cross-lingual mappings of word embeddings. In Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Long Papers), pages 789¿798. Melbourne, Australia

Mikel Artetxe, Gorka Labaka, Eneko Agirre. 2019. An Effective Approach to Unsupervised Machine Translation. In Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pages 194¿203. Florence, Italy

Dzmitry Bahdanau, Kyunghyun Cho, Yoshua Bengio. Neural Machine Translation by Jointly Learning to Align and Translate. arXiv preprint arXiv:1409.0473

Philipp Koehn. 2010. Statistical Machine Translation. Cambridge University Press

Kishore Papineni, Salim Roukos, Todd Ward, Wei-Jing Zhu. 2002. BLEU: a MethodforAutomaticEvaluationofMachineTranslation. In Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (ACL), pages 311-318. Philadelphia

Matthew Snover, Bonnie Dorr, Richard Schwartz, Linnea Micciulla, John Makhoul. 2006. A Study of Translation Edit Rate with Targeted Human Annotation. In Proceedings of Association for Machine Translation in the Americas

Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin. Attention Is All You Need. Advances in neural information processing systems, 5998-6008.

Contenido de XSL

Sugerencias y solicitudes