Comparación de modelos de machine learning para determinar la evaluación de traductores profesionales frente a la calidad de la traducción automática de textos
Ver/
Descargar
(application/pdf: 1.398Mb)
(application/pdf: 1.398Mb)
Fecha
2021Autor(es)
Ichpas Ramos, Patricia
Metadatos
Mostrar el registro completo del ítemResumen
En esta investigación se planteó abordar la comparación de modelos de machine
learning (ML, por sus siglas en inglés) para determinar la evaluación de traductores
profesionales frente a la calidad del resultado de la traducción automática (TA, por sus
siglas en inglés) de textos usando el indicador Accuracy con un enfoque cuantitativo y
comparativo ya que se realizará un análisis estadístico de los resultados de la encuesta en
línea a traductores profesionales con preguntas de opinión personal y selección múltiple de
30 textos traducidos de (inglés - español), que consiste en asignar una evaluación de
acuerdo al punto de vista del traductor y análisis del nivel de calidad de la traducción
del texto con cuatro alternativas (excelente, bueno, regular y malo) para describirlas,
cuantificarlas y almacenar la información en una base de datos para proceder con el
estudio comparativo para lo cual se usará el algoritmo de ML K-vecinos más cercanos
(KNN, por sus siglas en inglés) y árboles de clasificación y regresión (CART, por sus
siglas en inglés) con la finalidad de comparar estos modelos y encontrar la mejor
respuesta aproximada respondiendo a la pregunta ¿Cuál es el modelo de ML que se aproxima
a las respuestas de evaluación de traductores profesionales respecto a la calidad del
resultado de la TA de textos?
Palabras clave
Coleccion(es)