Reconocimiento de errores de texto de traducción Inglés basado en la red neuronal y árbol de decisión difusa

Área de la Ciencia:

• Procesamiento del lenguaje natural
• Traducción automática
• Inteligencia artificial

Sus antecedentes:

• Los métodos actuales de reconocimiento de errores de traducción al inglés sufren de baja precisión y recuerdo.
• Se necesitan métodos más sólidos y fiables para detectar errores en los textos traducidos al inglés.

Objetivo del estudio:

• Proponer y evaluar un algoritmo de árbol de decisión mejorado para el reconocimiento de errores de texto de traducción al inglés.
• Para mejorar la precisión y el recuerdo de la detección de errores de traducción automática.

Principales métodos:

• Utilizó información mutua para el cálculo de la relevancia de la entrada y la anotación de partes del discurso.
• Empleado una red neuronal codificador-decodificador para la extracción de características en la traducción automática.
• Aplicado un árbol de decisión difuso con el índice de Gini para la clasificación de características de error.

Principales resultados:

• El método propuesto logró una tasa de precisión superior al 94% y una tasa de retiro superior al 86%.
• El algoritmo de árbol de decisión mejorado demostró un rendimiento consistente en grandes conjuntos de datos (15.000 a 50.000 oraciones), con una precisión superior al 93%.
• El enfoque superó a los algoritmos de última generación comparables en el reconocimiento de errores.

Conclusiones:

• El enfoque mejorado para el reconocimiento de errores de traducción en inglés es altamente preciso y confiable.
• Este método mejora efectivamente la calidad de la traducción y muestra un potencial significativo para aplicaciones prácticas en la traducción automática.