Esta  tesis  presenta diversas  contribuciones  en  los  campos de  la
clasificación automática de  texto, traducción automática y traducción
asistida por ordenador bajo el marco estadístico.

En clasificación automática de  texto, se propone una nueva aplicación
llamada clasificación de texto bilingüe junto con una serie de modelos
orientados  a capturar  dicha  información bilingüe.  Con  tal fin  se
presentan dos aproximaciones a esta aplicación; la primera de ellas se
basa en  una asunción naive  que contempla la independencia  entre las
dos lenguas  involucradas, mientras  que la segunda,  más sofisticada,
considera  la   existencia  de  una  correlación   entre  palabras  en
diferentes lenguas. La primera aproximación dió lugar al desarrollo de
cinco modelos  basados  en  modelos de unigrama y  modelos de n-gramas
suavizados.  Estos   modelos  fueron  evaluados  en   tres  tareas  de
complejidad  creciente,  siendo  la   más  compleja  de  estas  tareas
analizada  desde  el punto  de  vista  de un  sistema  de  ayuda a  la
indexación de  documentos. La segunda aproximación  se caracteriza por
modelos de  traducción capaces de capturar  correlación entre palabras
en  diferentes  lenguas. En  nuestro  caso,  el  modelo de  traducción
elegido  fue el  modelo M1  junto con  un modelo  de  unigramas.  Este
modelo  fue evaluado en  dos de  las tareas  más simples  superando la
aproximación  naive,  que asume  la  independencia  entre palabras  en
differentes lenguas procedentes de textos bilingües.

En  traducción  automática,  los  modelos estadísticos  de  traducción
basados en  palabras M1, M2 y HMM  son extendidos bajo el  marco de la
modelización mediante mixturas, con  el objetivo de definir modelos de
traducción  dependientes  del   contexto.   Asimismo  se  extiende  un
algoritmo  iterativo  de  búsqueda  basado en  programación  dinámica,
originalmente diseñado para el modelo  M2, para el caso de mixturas de
modelos  M2.    Este  algoritmo   de  búsqueda  nos   permite  evaluar
directamente la calidad de la  traducción del modelo de mixturas de M2
en   una  tarea  controlada   y  semiartificial,   obteniendo  mejoras
estadísticamente  significativas  sobre  el  modelo  M2  convencional.
Además, estos  tres modelos fueron  sometidos a una  amplia evaluación
experimental  llevada a  cabo  en  dos tareas  de  referencia para  la
comunidad  de  traducción automática  estadística.   Estas dos  tareas
fueron  utilizadas para  evaluar la  calidad de  los  alineamientos de
estos  modelos, así  como  la  calidad de  sus  traducciones de  forma
indirecta. Los alineamientos fueron  obtenidos como subproducto de los
modelos M1, M2  y HMM, mientras que las  traducciones fueron generadas
por un sistema de traducción estadística basado en segmentos bilingües
obtenidos  a partir de  estos alineamientos.   Como resultado  de esta
evaluación,   se   obtuvieron   mejoras   que   son   estadísticamente
significativas  en  la calidad  de  los  alineamientos  del modelo  de
mixturas  de  modelos  M2  respecto  al  modelo  M2  convencional.  La
evaluación  de la calidad  de la  traducción desveló  mejoras menores,
pero sistemáticas en la calidad de la traducciones ofrecidas por estos
tres modelos, logrando resultados a la altura del estado del arte para
el modelo de mixturas de HMM.

Por último, presentamos un sistema interactivo y predictivo de ayuda a
la  traducción   basado  en  transductores   estocásticos  de  estados
finitos. Este  sistema integra algoritmos de  análisis eficientes para
la corrección de errores y el cálculo de las mejores traducciones, que
son adaptados  e implementados para garantizar un  tiempo de respuesta
bajo, a la vez que se  preserva una calidad de traducción adecuada. El
sistema presentado fue evaluado automáticamente en dos corpora, uno de
ellos consistente en una colección  de manuales técnicos de usuario, y
el otro formado  por boletines de la Unión Europea.  El primero de los
corpora  fue utilizado  para  una evaluación  manual  por agencias  de
traducción  en el  marco  del proyecto  europeo  TransType2. Tanto  la
evaluación  manual  como   la  automática  proporcionaron  reducciones
significativas en  el esfuerzo necesario para  traducir dichos textos,
acelerando el proceso  de traducción, y consiguiendo de  esta forma el
objetivo final de los sistema de ayuda a la traducción.