Interactive Machine Translation

Abstract

[EN] Achieving high-quality translation between any pair of languages is not possible with the current Machine-Translation (MT) technology a human post-editing of the outputs of the MT system being necessary. Therefore, MT is a suitable area to apply the Interactive Pattern Recognition (IPR) framework and this application has led to what nowadays is known as Interactive Machine Translation (IMT). IMT can predict the translation of a given source sentence, and the human translator can accept or correct some of the errors. The text amended by the human translator can be used by the system to suggest new improved translations with the same translation models in an iterative process until the whole output is accepted by the human. As in other areas where IPR is being applied, IMT offers a nice framework for adaptive learning. The consolidated translations obtained through the successive steps of the interaction process can easily be converted into new, fresh, training data, useful for dynamically adapting the system to the changing environment. On the other hand, IMT also allows one to take advantage of some available multi-modal interfaces to increase of productivity.

[ES] Lograr una traducción de alta calidad entre cualquier par de lenguas no es posible con la actual tecnología de traducción automática (TA), ya que es necesaria la post-edición humana de los resultados del sistema de TA. Por lo tanto, la MT es un área adecuada para aplicar el marco del Reconocimiento Interactivo de Patrones (RIP) y esta aplicación ha dado lugar a lo que hoy en día se conoce como Traducción Automática Interactiva (IMT). La IMT puede predecir la traducción de una frase fuente dada, y el traductor humano puede aceptar o corregir algunos de los errores. El texto corregido por el traductor humano puede ser utilizado por el sistema para sugerir nuevas traducciones mejoradas con los mismos modelos de traducción en un proceso iterativo hasta que todo el resultado sea aceptado por el humano. Como en otros ámbitos en los que se aplica la DPI, la IMT ofrece un buen marco para el aprendizaje adaptativo. Las traducciones consolidadas obtenidas en los sucesivos pasos del proceso de interacción pueden convertirse fácilmente en datos de entrenamiento nuevos y frescos, útiles para adaptar dinámicamente el sistema al entorno cambiante. Por otra parte, IMT también permite aprovechar algunas interfaces multimodales disponibles para aumentar la productividad.