la-importancia-de-la-entonacion-y-el-contexto-en-los-traductores-pln-basados-en-inteligencia-artificial.

Se ha desarrollado un modelo tradicional basado en Inteligencia Artificial para el procesamiento del lenguaje natural fundamentado en RNN, además de un dataset que compila un número de versos poéticos y frases en lenguaje coloquial. Su mayor aportación es mejorar la precisión y calidad en la traducción dentro de este tipo de registro en los principales traductores automáticos de Google Translate, DeepL y Bing Microsoft Translate, estudiando el modelo de entrenamiento que aplica cada uno de ellos. Para llevar a cabo el estudio hemos creado un conjunto de datos que combina más de 200 registros de versos poéticos y 230 frases populares, entre dichos y refranes. Nuestra intención es la de entrenar un modelo, validar los resultados y hacer una comparativa con los resultados obtenidos de los traductores automáticos.

URL: https://www.itvia.online/pub/la-importancia-de-la-entonacion-y-el-contexto-en-los-traductores-pln-basados-en-inteligencia-artificial/release/1
DOI: 10.21428/39829d0b.e96a3ceb
search on: Google Scholar Microsoft Bing WorldCat BASE

This publication has not been reviewed yet.

rating distribution

average user rating0.0 out of 5.0 based on 0 reviews

Please log in to take part in the discussion (add own reviews or comments).

@article{hernandezgonzalez2022importancia,
  abstract = {Se ha desarrollado un modelo tradicional basado en Inteligencia Artificial para el procesamiento del lenguaje natural fundamentado en RNN, además de un dataset que compila un número de versos poéticos y frases en lenguaje coloquial. Su mayor aportación es mejorar la precisión y calidad en la traducción dentro de este tipo de registro en los principales traductores automáticos de Google Translate, DeepL y Bing Microsoft Translate, estudiando el modelo de entrenamiento que aplica cada uno de ellos. Para llevar a cabo el estudio hemos creado un conjunto de datos que combina más de 200 registros de versos poéticos y 230 frases populares, entre dichos y refranes. Nuestra intención es la de entrenar un modelo, validar los resultados y hacer una comparativa con los resultados obtenidos de los traductores automáticos.},
  added-at = {2022-05-29T13:56:18.000+0200},
  author = {Hernández González, Adrián and Díaz Raboso, Diana and IAeñ (TM), Instituto tecnológico virtual},
  biburl = {https://www.bibsonomy.org/bibtex/269e22a46dd21f6e4151b35b364d35e3f/thebibleofai},
  doi = {https://doi.org/10.21428/39829d0b.e96a3ceb},
  editor = {Medina Lloret, Celia},
  interhash = {b2892ecb86fe5c4d8ecee980417ebb55},
  intrahash = {69e22a46dd21f6e4151b35b364d35e3f},
  issn = {2695-6411},
  journal = {IA eñ TM},
  keywords = {ai artificialintelligence datascience español ia inteligenciaartificial lenguaje machinelearning myown},
  language = {Español},
  month = {may 29},
  note = {https://www.itvia.online/pub/la-importancia-de-la-entonacion-y-el-contexto-en-los-traductores-pln-basados-en-inteligencia-artificial},
  publisher = {ITVIA},
  timestamp = {2022-05-29T13:59:11.000+0200},
  title = {La importancia del contexto y el registro coloquial en los traductores {PLN} basados en {Inteligencia} {Artificial}},
  url = {https://www.itvia.online/pub/la-importancia-de-la-entonacion-y-el-contexto-en-los-traductores-pln-basados-en-inteligencia-artificial/release/1},
  year = 2022
}

%0 Journal Article
%1 hernandezgonzalez2022importancia
%A Hernández González, Adrián
%A Díaz Raboso, Diana
%A IAeñ (TM), Instituto tecnológico virtual
%D 2022
%E Medina Lloret, Celia
%I ITVIA
%J IA eñ TM
%K ai artificialintelligence datascience español ia inteligenciaartificial lenguaje machinelearning myown
%R https://doi.org/10.21428/39829d0b.e96a3ceb
%T La importancia del contexto y el registro coloquial en los traductores PLN basados en Inteligencia Artificial
%U https://www.itvia.online/pub/la-importancia-de-la-entonacion-y-el-contexto-en-los-traductores-pln-basados-en-inteligencia-artificial/release/1
%X Se ha desarrollado un modelo tradicional basado en Inteligencia Artificial para el procesamiento del lenguaje natural fundamentado en RNN, además de un dataset que compila un número de versos poéticos y frases en lenguaje coloquial. Su mayor aportación es mejorar la precisión y calidad en la traducción dentro de este tipo de registro en los principales traductores automáticos de Google Translate, DeepL y Bing Microsoft Translate, estudiando el modelo de entrenamiento que aplica cada uno de ellos. Para llevar a cabo el estudio hemos creado un conjunto de datos que combina más de 200 registros de versos poéticos y 230 frases populares, entre dichos y refranes. Nuestra intención es la de entrenar un modelo, validar los resultados y hacer una comparativa con los resultados obtenidos de los traductores automáticos.

BibSonomy

Tags

Users

Comments and Reviews

Cite this publication