{"id":1701,"date":"2020-12-22T09:16:53","date_gmt":"2020-12-22T08:16:53","guid":{"rendered":"https:\/\/www.systransoft.com\/papers\/adipisci-in-et-qui\/"},"modified":"2023-11-16T18:20:29","modified_gmt":"2023-11-16T17:20:29","slug":"adipisci-in-et-qui","status":"publish","type":"paper","link":"https:\/\/www.systransoft.com\/es\/recursos\/papers-and-publications\/adipisci-in-et-qui\/","title":{"rendered":"Integraci\u00f3n de la terminolog\u00eda de dominio en la traducci\u00f3n autom\u00e1tica neuronal"},"content":{"rendered":"<span style=\"font-size: revert; color: initial;\">Este art\u00edculo ampl\u00eda el trabajo existente sobre la integraci\u00f3n de la terminolog\u00eda en la traducci\u00f3n autom\u00e1tica neuronal, una pr\u00e1ctica industrial com\u00fan para adaptar din\u00e1micamente la traducci\u00f3n a un dominio espec\u00edfico. Nuestro m\u00e9todo, basado en el uso de marcadores de posici\u00f3n complementados con anotaci\u00f3n morfosint\u00e1ctica, aprovecha eficientemente la capacidad de la red neuronal para lidiar con el conocimiento simb\u00f3lico para superar la generalizaci\u00f3n de la superficie mostrada por t\u00e9cnicas alternativas. Comparamos nuestro enfoque con los sistemas de \u00faltima generaci\u00f3n y los comparamos a trav\u00e9s de un marco de evaluaci\u00f3n bien definido, centr\u00e1ndonos en la aplicaci\u00f3n real de la terminolog\u00eda y no solo en el rendimiento general. Los resultados indican la idoneidad de nuestro m\u00e9todo en el caso de uso donde la terminolog\u00eda se utiliza en un sistema entrenado solo en datos gen\u00e9ricos.<\/span>","protected":false},"excerpt":{"rendered":"<p>Este art\u00edculo ampl\u00eda el trabajo existente sobre la integraci\u00f3n terminol\u00f3gica en la traducci\u00f3n autom\u00e1tica neuronal, una pr\u00e1ctica industrial com\u00fan para adaptar din\u00e1micamente la traducci\u00f3n a un dominio espec\u00edfico. Nuestro m\u00e9todo, basado en el uso de marcadores de posici\u00f3n complementados con anotaci\u00f3n morfosint\u00e1ctica, aprovecha de manera eficiente la capacidad de la red neuronal para lidiar con el conocimiento simb\u00f3lico para superar la generalizaci\u00f3n de la superficie... <a href=\"https:\/\/www.systransoft.com\/es\/recursos\/papers-and-publications\/adipisci-in-et-qui\/\">Continuaci\u00f3n<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-1701","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/paper\/1701","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/paper"}],"about":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/types\/paper"}],"wp:attachment":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/media?parent=1701"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}