La traducción automática híbrida es un método de traducción asistida por computadora que se caracteriza por la integración de múltiples enfoques de traducción dentro de un solo sistema. La motivación principal para desarrollar estos sistemas surge de la incapacidad de cualquier técnica individual para alcanzar un nivel de precisión satisfactorio por sí sola.
Muchos sistemas de traducción automática híbrida han logrado mejorar significativamente la precisión de las traducciones, y actualmente existen diversos sistemas populares que emplean estos métodos combinados.
Enfoques de Traducción Híbrida
Multi-motor (Multi-engine)
Este enfoque consiste en ejecutar múltiples sistemas de traducción automática en paralelo. El resultado final se genera combinando las salidas de todos los subsistemas. Lo más común es utilizar subsistemas de traducción estadística y basados en reglas, aunque se han explorado otras combinaciones. Por ejemplo, investigadores de la Universidad Carnegie Mellon han tenido éxito combinando subsistemas de traducción basados en ejemplos, transferencia, conocimiento y estadística en un solo sistema.
Generación de Reglas Estadísticas
Este método implica el uso de datos estadísticos para generar reglas léxicas y sintácticas. El texto de entrada es procesado posteriormente con estas reglas como si se tratara de un traductor basado en reglas. Este enfoque intenta evitar la tarea difícil y costosa en tiempo de crear un conjunto de reglas lingüísticas detalladas y exhaustivas, extrayéndolas directamente del corpus de entrenamiento.
Sin embargo, este enfoque sigue enfrentando los problemas típicos de la traducción automática estadística, ya que la precisión depende en gran medida de la similitud del texto de entrada con el corpus de entrenamiento. Por ello, ha tenido más éxito en aplicaciones específicas de un dominio y presenta las mismas dificultades de adaptación de dominio que muchos sistemas estadísticos.
Multi-paso (Multi-Pass)
Este enfoque implica procesar la entrada serialmente varias veces. La técnica más común es preprocesar la entrada con un sistema de traducción automática basado en reglas y luego pasar el resultado a un sistema de traducción automática estadística, que produce la salida final.
Esta técnica se utiliza para limitar la cantidad de información que el sistema estadístico debe considerar, reduciendo significativamente la potencia de procesamiento requerida. Además, elimina la necesidad de que el sistema basado en reglas sea un traductor completo para el idioma, lo que reduce el esfuerzo humano y la mano de obra necesaria para construir el sistema.
Basado en Confianza (Confidence-Based)
Este enfoque difiere de los demás en que, en la mayoría de los casos, se utiliza una sola tecnología de traducción. Se produce una métrica de confianza para cada frase traducida, basándose en la cual se decide si se debe intentar una tecnología de traducción secundaria o proceder con la salida inicial.
La traducción automática estadística (SMT) se utiliza a menudo cuando aparecen patrones de error comunes, como la repetición de palabras múltiples en secuencia, un problema frecuente en la traducción automática neuronal (NMT) cuando el mecanismo de atención se confunde.