Comparación de modelos de machine learning para determinar la evaluación de traductores profesionales frente a la calidad de la traducción automática de textos

• Autor: Ichpas Ramos, Patricia
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/17699
• Enlace del recurso: https://hdl.handle.net/20.500.12672/17699
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Aprendizaje automático (Inteligencia artificial); Redes neuronales (Computación); Traducción e interpretación; https://purl.org/pe-repo/ocde/ford#1.02.01

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?