RESUMEN

Esta tesis presenta diversas contribuciones en los campos de la
traducción automática estadística y la traducción interactiva desde un
enfoque estadístico.

En el campo de la traducción automática estadística, se presentan
contribuciones en relación a los tres problemas fundamentales a abordar
en dicha disciplina: el problema del modelado, el problema del
entrenamiento y el problema de la búsqueda.

Respecto al problema del modelado, se propone una derivación alternativa
de los modelos de secuencias de palabras. Dicha derivación introduce un
conjunto de submodelos probabilísticos que gobiernan diversos aspectos
del proceso de traducción. Adicionalmente, los submodelos que se
obtienen pueden introducirse como componentes de un modelo log-lineal.

Con respecto al problema del entrenamiento, se describe una técnica
alternativa de estimación de modelos de secuencias de palabras que trata
de reducir la fuerte componente heurística de las técnicas de
entrenamiento estándar. La técnica de estimación propuesta considera los
pares de secuencias de palabras que componen el modelo como parte de
bisegmentaciones completas de las frases origen y destino. Se demuestra
tanto teórica como empíricamente que la nueva técnica de estimación
puede ejecutarse eficientemente. Resultados experimentales obtenidos con
la herramienta de estimación de libre uso THOT presentada en esta tesis,
demuestran que la técnica de estimación propuesta obtiene modelos con
menor perplejidad que los obtenidos con la técnica de estimación
estándar. Pese a ello, no se han conseguido mejoras en los resultados de
traducción.

Para abordar el problema de la búsqueda se propone el uso de un
algoritmo basado en el paradigma de ramificación y poda.  El algoritmo
propuesto generaliza distintas estrategias de búsqueda a las que se
accede modificando los parámetros de entrada. El rendimiento de las
distintas variantes de funcionamiento que presenta el algoritmo de
búsqueda generalizado fue evaluado empíricamente.

Además de lo anterior, también se aborda una modificación del problema
de la búsqueda que consiste en la obtención del mejor alineamiento a
nivel de secuencias de palabras para un par de frases. Para resolver
este nuevo problema se aplican técnicas de suavizado sobre los modelos
de secuencias de palabras y se modifica el algoritmo de búsqueda
definido inicialmente para que pueda explorar el espacio de posibles
alineamientos. Resultados experimentales demuestran que las técnicas
propuestas son capaces de generar alineamientos de forma eficiente y
robusta.

Un inconveniente del uso de modelos de secuencias de palabras es su
enorme tamaño cuando se estiman a partir de corpus muy grandes. En la
tesis se proponen técnicas para aliviar este problema, tanto en la fase
de estimación como en la fase de decodificación. Para ello se
transforman requerimientos de memoria en requerimientos de disco
duro. Resultados empíricos demuestran que los accesos a disco no
degradan apreciablemente la eficiencia del sistema.

En el campo de la traducción interactiva desde un enfoque estadístico,
se presentan, en primer lugar, técnicas alternativas para implementar
sistemas de traducción interactiva. En segundo lugar, también se
describe una propuesta de sistema de traducción interactiva capaz de
aprender de las traducciones validadas por el usuario mediante técnicas
de aprendizaje online.

Con respecto a las técnicas alternativas de traducción interactiva, se
proponen dos técnicas diferentes. La primera de ellas se basa en la
generación de alineamientos parciales a nivel de secuencias de
palabras. Este enfoque constituye una aplicación de la generación de
alineamientos a nivel de secuencias de palabras también descrito en esta
tesis. La segunda de las técnicas propuestas aborda el proceso de
traducción interactiva con la ayuda de grafos de palabras y modelos
correctores de errores estocásticos. El enfoque propuesto difiere de
otros sistemas de traducción interactiva basados en grafos de palabras
en que introduce el proceso de corrección de errores dentro del marco
estadístico. Ambas técnicas de traducción interactiva se han evaluado
mediante experimentos, demostrando ser competitivas con sistemas de
traducción interactiva del estado del arte. Además, dichas técnicas se
han usado para implementar un prototipo de traducción interactiva basado
en la arquitectura cliente-servidor.

Finalmente, el sistema de traducción interactiva con aprendizaje online
que se mencionaba anteriomente, se basa en el uso de modelos
estadísticos actualizables de manera incremental.  El principal
obstáculo a la hora de obtener versiones incrementales de los modelos
estadísticos involucrados en el proceso de traducción aparece cuando
dichos modelos se estiman por medio del algoritmo
expectation-maximisation.  Para resolver este problema se propone la
aplicación de la visión incremental de dicho algoritmo.  El sistema de
traducción interactiva con aprendizaje online fue evaluado
experimentalmente, demostrándose que es capaz de aprender tanto a partir
de modelos previamente estimados como de modelos vacíos. Los resultados
de los experimentos también demuestran que el rendimiento del sistema
que se propone es significativamente mejor que otros sistemas del estado
del arte descritos en la literatura.