Generating multiple weighted reordering hypotheses for an SMT system

Los errores debidos al cambio de orden de las palabras son uno de los principales retos en los sistemas de traducción automática estadística (TAE). Esta comunicación propone la estrategia estadística de reordenamiento automático estadístico (RAE) para afrontar el reordenamiento. El método propuesto aprovecha la poderosas técnicas de aprendizaje estadístico desarrolladas en traducción estadística para traducir la lengua fuente (S) a una lengua fuente reordenada (S’), que nos permita mejorar la traducción final a la lengua destino (T). Esta técnica permite extraer un grafo de hipótesis ponderadas de reordenamiento que se utiliza como entrada al sistema TAE. Además, el uso de clases de palabras en la estrategia RAE ayuda a generalizar reordenamientos. En este artículo se presentan resultados en la tarea EPPS en la dirección inglés a español y se muestra una mejora de 2.4 puntos BLEU en la calidad de la traducción.Reordering is one of the most important challenges in Statistical Machine Translation (SMT) systems. This paper describes a novel strategy to face it: Statistical Machine Reordering (SMR). It consists in using the powerful techniques developed for Statistical Machine Translation (SMT) in order to translate the source language (S) into a reordered source language (S’), which allows for an improved translation into the target language (T). This technique allows to extract a weighted reordering graph which is used as SMT input. In addition, the use of classes in SMR helps to generalize word reorderings. Experiments are reported in the EPPS task in the direction English to Spanish showing a 2.4 point BLEU improvement in translation quality.Este trabajo ha sido parcialmente subvencionado por el gobierno español (beca FPU), el proyecto AVIVAVOZ y TECNOPARLA