On The Use of Monolingual Corpus for Training Neural Machine Translation Systems

Abstract

[ES] Los traductores neuronal constituyen el estado del arte en traducción automática. Sin embargo son necesarios grandes corpus bilíngües para el entrenamiento de estos traductores neuronales. Esto supone un gran problema cuando estos recursos son escasos para algún par de lenguas. Por otra parte, en estos casos pueden existir suficientes corpus monolíngües que pueden ser utilizados para construir un traductor neuronal. En este trabajo se pretende estudiar técnicas basadas en los que se conoce como traducción inversa para contruir pseudo corpus bilíngües que permitirán obtener traductores neuronales aceptables. Para ello se realizará una simulación con corpus bilíngües existentes.

[EN] Neural translation are the state-of-the-art in machine translation. However, large bilingual corpus are necessary for the training of these neural translators. This is an important problem when these resources are scarce for some language pairs. On the other hand, in these cases there may be monolingual corpus that can be used to build a neural translator. This work aims to study techniques based on what is known as back-translation to build bilingual pseudo corpus that will allow us to obtain acceptable neural translators. For this, a simulation will be carried out with existing bilingual corpus.