Este art\u00edculo describe los sistemas de SYSTRAN presentados a la tarea de traducci\u00f3n de noticias compartidas WMT 2017 para ingl\u00e9s-alem\u00e1n, en ambas direcciones de traducci\u00f3n. Nuestros sistemas se construyen utilizando OpenNMT1, un sistema de traducci\u00f3n autom\u00e1tica neuronal de c\u00f3digo abierto, implementando modelos de secuencia a secuencia con codificadores\/decodificadores LSTM y atenci\u00f3n. Experimentamos usando datos monoling\u00fces traducidos autom\u00e1ticamente. Nuestros modelos resultantes est\u00e1n hiperespecializados con una t\u00e9cnica de adaptaci\u00f3n que afina los modelos de acuerdo con las frases de prueba de evaluaci\u00f3n.<\/p>","protected":false},"excerpt":{"rendered":"
En este art\u00edculo se describen los sistemas de SYSTRAN presentados al WMT 2017 para la tarea de traducci\u00f3n de noticias compartidas para ingl\u00e9s-alem\u00e1n, en ambas direcciones de traducci\u00f3n. Nuestros sistemas se construyen utilizando OpenNMT1, un sistema de traducci\u00f3n autom\u00e1tica neuronal de c\u00f3digo abierto, que implementa modelos de secuencia a secuencia con codificadores\/decodificadores LSTM y atenci\u00f3n. Experimentamos usando datos monoling\u00fces traducidos autom\u00e1ticamente. Nuestros modelos resultantes est\u00e1n hiperespecializados con una \u2026 Continuaci\u00f3n<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-3296","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/paper\/3296","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=3296"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}