Apercio

Apertium es una plataforma de traducción automática basada en reglas , libre y de código abierto . Es software libre y se publica bajo los términos de la Licencia Pública General de GNU .

Apertium es un sistema de traducción automática basado en transferencia , que utiliza transductores de estados finitos para todas sus transformaciones léxicas y etiquetadores de gramática de restricciones , así como modelos ocultos de Markov o perceptrones para el etiquetado de partes del discurso y la desambiguación de categorías de palabras. ^[2] Un componente de transferencia estructural es responsable del movimiento y la concordancia de las palabras; la mayoría de los pares de idiomas de Apertium hasta ahora han utilizado reglas de "fragmentación" o transferencia superficial, aunque los pares más nuevos utilizan reglas (posiblemente recursivas) definidas en una gramática libre de contexto . ^[3]

Muchos de los sistemas de traducción automática que existen actualmente son comerciales o utilizan tecnologías propietarias , lo que dificulta su adaptación a nuevos usos. El código y los datos de Apertium son software libre y utilizan una especificación independiente del lenguaje , lo que permite contribuir fácilmente a Apertium, lograr un desarrollo más eficiente y mejorar el crecimiento general del proyecto.

En la actualidad (diciembre de 2020), Apertium ha publicado 51 pares de idiomas estables ^[4] , que ofrecen una traducción rápida con resultados razonablemente inteligibles (los errores se corrigen fácilmente). Al ser un proyecto de código abierto , Apertium proporciona herramientas para que los desarrolladores potenciales creen su propio par de idiomas y contribuyan al proyecto.

Apertium nació como uno de los motores de traducción automática del proyecto OpenTrad, financiado por el gobierno español y desarrollado por el grupo de investigación Transducens de la Universitat d'Alacant . En un principio, se diseñó para traducir entre idiomas estrechamente relacionados, aunque recientemente se ha ampliado para tratar pares de idiomas más divergentes. Para crear un nuevo sistema de traducción automática, solo hay que desarrollar datos lingüísticos (diccionarios, reglas) en formatos XML bien especificados .

Los datos lingüísticos desarrollados para ello (en colaboración con la Universidade de Vigo , la Universitat Politècnica de Catalunya y la Universitat Pompeu Fabra ) actualmente soportan (en versión estable) el árabe , aragonés , asturiano , vasco , bielorruso , bretón , búlgaro , catalán , crimeo . tártaro , danés , inglés , esperanto , francés , gallego , hindi , islandés , indonesio , italiano , Kazajo , macedonio , malayo , maltés , sami septentrional , noruego ( bokmål y nynorsk ), occitano , polaco , portugués , rumano , ruso , sardo , serbocroata , silesio , esloveno , español , sueco , tártaro , ucraniano , urdu y galés idiomas. Una lista completa está disponible a continuación. En el desarrollo de Apertium también participan varias empresas, entre ellas Prompsit Language Engineering, Imaxin Software y Eleka Ingeniaritza Linguistikoa.

El proyecto ha participado en las ediciones de 2009, ^[5] 2010, ^[6] 2011, ^[7] 2012, ^[8] 2013 ^[9] y 2014 ^[10] de Google Summer of Code y en las ediciones de 2010, ^[11] 2011, ^[12] 2012, ^[13] 2013, ^[14] 2014, ^[15] 2015, ^[16] 2016 ^[17] y 2017 ^[18] de Google Code-In .

Esta es una visión general, paso a paso, de cómo funciona Apertium.

El diagrama muestra los pasos que sigue Apertium para traducir un texto en el idioma de origen (el texto que queremos traducir) a un texto en el idioma de destino (el texto traducido).

1. El texto en el idioma fuente se pasa a Apertium para su traducción.
2. El desformateador elimina el marcado de formato (HTML, RTF, etc.) que debería conservarse pero no traducirse.
3. El analizador morfológico segmenta el texto (expandiendo elisiones , marcando frases hechas, etc.) y busca segmentos en los diccionarios de idiomas, devolviendo formas y etiquetas del diccionario para todas las coincidencias. En pares que involucran morfología aglutinante , incluyendo un número de lenguas turcas , se utiliza un Transductor de Estado Finito de Helsinki (HFST). De lo contrario, se utiliza un sistema transductor de estado finito específico de Apertium llamado lttoolbox, ^[19] .
4. El desambiguador morfológico (el analizador morfológico y el desambiguador morfológico forman juntos el etiquetador de partes del discurso ) resuelve segmentos ambiguos (es decir, cuando hay más de una coincidencia) eligiendo una coincidencia. Apertium utiliza reglas de gramática de restricciones (con el analizador vislcg3 ^[20] ) para la mayoría de sus pares de idiomas.
5. La retokenización utiliza un transductor de estados finitos para hacer coincidir secuencias de unidades léxicas y puede reordenar o traducir etiquetas (a menudo se utiliza para traducir expresiones idiomáticas en algo que se acerque más a la gramática del idioma de destino).
6. La transferencia léxica busca palabras base desambiguadas del idioma de origen para encontrar sus equivalentes en el idioma de destino (es decir, asigna el idioma de origen al idioma de destino ). Para la transferencia léxica , Apertium utiliza un formato de diccionario basado en XML llamado bidix. ^[21]
7. La selección léxica elige entre traducciones alternativas cuando la palabra del texto fuente tiene significados alternativos. Apertium utiliza una tecnología específica basada en XML , apertium-lex-tools, ^[22] para realizar la selección léxica .
8. La transferencia estructural (es decir, es un formato XML que permite escribir reglas de transferencia estructural complejas) puede consistir en una transferencia de fragmentación de un paso, una transferencia de fragmentación de tres pasos o un módulo de transferencia basado en CFG . Los módulos de fragmentación marcan las diferencias gramaticales entre el idioma de origen y el idioma de destino (por ejemplo, la concordancia de género o número ) creando una secuencia de fragmentos que contienen marcadores para esto. Luego reordenan o modifican los fragmentos para producir una traducción gramatical en el idioma de destino. El módulo más nuevo basado en CFG hace coincidir las secuencias de entrada con posibles árboles de análisis, seleccionando el de mejor clasificación y aplicando reglas de transformación en el árbol.
9. El generador morfológico utiliza las etiquetas para proporcionar la forma de superficie correcta del idioma de destino . El generador morfológico es un transductor morfológico, ^[23] al igual que el analizador morfológico. Un transductor morfológico analiza y genera formas.
10. El postgenerador realiza los cambios ortográficos necesarios debido al contacto de palabras (por ejemplo, elisiones ).
11. El reformateador reemplaza el marcado de formato (HTML, RTF, etc.) que fue eliminado por el desformateador en el primer paso.
12. Apertium entrega la traducción al idioma de destino .

A partir de noviembre de 2024, Apertium admitirá los siguientes 108 pares y 50 idiomas y variedades de idiomas.

• Corbí-Bellot, M. et al. (2005) "Un motor de traducción automática de código abierto de transferencia superficial para las lenguas romances de España" en Actas de la Asociación Europea de Traducción Automática, 10.ª Conferencia Anual, Budapest 2005 , págs. 79–86
• Armentano-Oller, C. et al. (2006) "Traducción automática portugués-español de código abierto" en Lecture Notes in Computer Science 3960 [Procesamiento computacional de la lengua portuguesa, Actas del 7º Taller internacional sobre procesamiento computacional del portugués escrito y hablado, PROPOR 2006] , págs. 50–59.
• Forcada, ML et al. (2010) "Documentación de la plataforma de traducción automática de transferencia superficial de código abierto Apertium " en Departament de Llenguatges i Sistemes Informatics, Universidad de Alicante .
• Forcada, ML et al. (2011) " Apertium: una plataforma libre y de código abierto para la traducción automática basada en reglas ". en " doi :10.1007/s10590-011-9090-0

• Casa Apertium
• Wiki de Apertium
• Comercio abierto
• Apertium en SourceForge

(Todos los servicios se basan en el motor Apertium)

• Página de inicio de traducción de Apertium
• Traductor de Prompsit Archivado el 26 de diciembre de 2016 en archive.today
• Traductor PoliTraductor
• Traductora de la Universidad de Alicante
• Traductor de la Universitat Oberta de Catalunya Archivado el 17 de enero de 2016 en la Wayback Machine.

• Cafeína Apertium
• Apertium Android
• Apertium OmegaT