e-ISSN: 2695-8465
ISSN: 2255-3703
103
Skopos 11 (2020), 103-120
Análisis contrastivo de las coincidencias parciales en
español, francés y árabe mediante transformaciones
lingüísticas
Souhila Djabri
Universidad de Alicante
sd89@alu.ua.es
Fecha de recepción: 27.09.2020
Fecha de aceptación: 11.12.2020
Resumen: Los sistemas de traducción asistida por ordenador (TAO) han
revolucionado el mundo de la traducción almacenando automáticamente las
traducciones anteriores, por lo que ofrecen cada vez más soluciones. No obstante, la
persona que utiliza estos sistemas observa una serie de deficiencias en particular en
la recuperación de los datos por medio de las coincidencias o matching
considerando que ciertos sistemas funcionan con un algoritmo basado en la
distancia de edición o distancia de Levenshtein. El presente estudio ofrece la
posibilidad de mejorar estas coincidencias gracias a la identificación de los límites o
las dificultades sintácticas y semánticas que afronta una memoria de traducción,
aplicando diez tipos de transformación en distintas combinaciones lingüísticas:
español-francés/francés-español/árabe-español. Los resultados muestran ciertas
limitaciones tanto en las combinaciones ES-FR/FR-ES y aún más entre el AR-ES
que se pueden reducir mediante la integración de conocimientos lingüísticos de
modo que aumente el grado de las coincidencias para el mayor beneficio del
traductor.
Palabras clave: coincidencias parciales, corpus paralelo, lingüística contrastiva,
memoria de traducción, transformación.
A contrastive analysis of Fuzzy Matches in Spanish, French and
Arabic using linguistic transformation
Abstract: Computer-aided translation (CAT) tools have revolutionized the world of
translation by automatically storing previous translations and are increasingly offering
solutions. However, the person using these systems observes a number of
deficiencies particularly in the retrieval of the data matching considered that some
work with an algorithm based on the editing distance or distance of Levenshtein. This
study offers a possibility to improve the matching by the identification of the syntactic
and semantic difficulties and the limitation faced by a translation memory with ten
types of transformations in different linguistic combinations: Spanish-French/French-
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
104
Skopos 11 (2020), 103-120
Spanish/Arabic-Spanish. The results show certain limitation in both ES-FR/FR-ES
combinations and even more between AR-ES that can be reduced by integrating
linguistic knowledge and increasing the matching level for the greatest benefit of the
translator.
Key words: fuzzy matches; parallel corpora; comparative linguistics; translation
memory; transformation.
Sumario: 1. Introducción. 2. Metodología. 2.1 Definición del corpus. 2.2 Sistemas TAO
utilizados y Pipeline de trabajo. 3. Transformaciones. 3.1 Transformación de los segmentos
en idioma español. 3.2 Transformación de los segmentos en idioma francés. 3.3.
Transformación de los segmentos en idioma árabe. 4. Presentación y análisis de los
resultados. 4.1. Español-francés. 4.2. Francés-español. 4.3. Árabe-español. 5. Conclusiones
y trabajos futuros.
1. Introducción
Las memorias de traducción son el mayor componente de un sistema
de traducción asistida por ordenador (Simard 2020:79), almacenan las
traducciones anteriores de manera que, al traducir un nuevo segmento, se
puede recuperar automáticamente su equivalente en el idioma de destino a
partir de una base de datos evitando tener que traducir un segmento ya
guardado en la memoria del sistema. Previamente, el sistema fragmenta el
texto de origen en segmentos generalmente formados por frases u
oraciones (Antoni González 2016:17) y busca su traducción mediante
coincidencias de varios grados. Bowker (2002: 95-106) ofrece una
clasificación amplia de las coincidencias destacando seis tipos de
coincidencias: (i) la coincidencia exacta o perfecta, 100% idéntica al
segmento de origen; (ii) la coincidencia completa, que aparece cuando el
segmento de origen es distinto al segmento almacenado en la memoria de
traducción por unos elementos variables como los nombres de entidades;
(iii) coincidencias parciales, que recuperan segmentos de la memoria de
traducción similares pero no idénticos, suelen oscilar entre 1 y 99 %. Los
tres otros tipos son las coincidencias terminológicas, es decir, recuperan la
traducción de un término a partir de una base de datos terminológica;
coincidencia mediante subsegmentos ubicada entre una coincidencia parcial
y termológica; y, por último, las coincidencias cero, al no existir ningún
segmento o subsegmento que puede ser recuperado de la memoria de
traducción.
La presente investigación se centra en el tercer tipo de coincidencias
o las coincidencias parciales (fuzzy matches) y ofrece un estudio
cuantitativo mediante el análisis de estas mismas aplicando diez
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
105
Skopos 10 (2019), 133-159
transformaciones semántico-sintácticas en tres combinaciones lingüísticas
español-francés/francés-español/árabe-español. El trabajo tiene como
principales objetivos estudiar las posibilidades de mejorar el grado de estas
coincidencias y aumentar el rendimiento de las memorias de traducción
mediante la detección de los límites y deficiencias que impactan estas
mismas.
Varios estudios se interesaron por las memorias de traducción como
la segmentación, la alineación de los textos o la recuperación del mayor
número posible de datos almacenados. Investigaciones recientes en el
procesamiento del lenguaje natural realizadas por Tharindu et al. (2020:175-
184) posibilitarían mejorar la recuperación de datos como son las
coincidencias parciales mediante el uso de un codificador de oraciones
universal como alternativa al algoritmo clásico de las memorias de
traducción, un planteamiento innovador de memorias de traducción
inteligentes y de nueva generación. Otras investigaciones (Silvestre
Baquero y Mitkov 2017: 44-51) demostraron mediante transformaciones
lingüísticas la necesidad de integrar tecnologías de procesamiento del
lenguaje natural al detectar que las coincidencias parciales del español
como lengua de destino presentan más dificultades léxicas y sintácticas que
el inglés. Varios trabajos realizados por los miembros del Grupo de
Investigación en Lingüística Computacional de la Universidad de
Wolverhampton (Gupta et al. 2015:35-42) experimentaron técnicas de
paráfrasis en las memorias de traducción. Los resultados, que son
prometedores, se centran en el idioma inglés y alemán. Chatzitheodorou
(2015:24-30) utiliza la herramienta de tratamiento del lenguaje NooJ para
crear paráfrasis de los términos compuestos de textos de origen para
mejorar las coincidencias. Sus primeros resultados para el inglés-italiano
muestran mejoras significativas en las coincidencias de diferentes tipos de
textos.
Nuestro planteamiento es distinto, aunque tiene como principal
objetivo mejorar el grado de las coincidencias parciales. Se emplean por
primera vez tres combinaciones lingüísticas con un análisis comparativo
entre el español, el francés y el árabe, partiendo de una hipótesis que
supone que las transformaciones aplicadas influyen en el comportamiento
de las memorias de traducción entre las combinaciones lingüísticas ES-
FR/FR-ES y lo harán significadamente entre el AR-ES dado que las
primeras combinaciones derivan del latín y comparten ciertas similitudes
lingüísticas, lo que permite obtener un grado de coincidencia con descenso
menos significativo que la combinación AR-ES, al ser el idioma árabe
lengua semítica con un sistema lingüístico lejano a los sistemas latinos
ES/FR.
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
106
Skopos 11 (2020), 103-120
El resto del artículo se presenta como sigue: el segundo apartado
describe la metodología de nuestra investigación con un primer subapartado
que define el corpus empleado y un segundo subapartado que presenta los
sistemas TAO utilizados y el pipeline de trabajo. Posteriormente, detallamos
en el apartado 3 las diez transformaciones aplicadas para cada idioma. El
apartado 4 presenta y analiza los datos empíricos de las tres combinaciones
lingüísticas y el apartado 5, las conclusiones y los trabajos futuros.
2. Metodología
En este estudio analizamos las coincidencias parciales de tres
memorias de traducción: español, francés y árabe, para lo que
seleccionamos 500 segmentos en cada idioma (250 originales con sus
respectivos 250 segmentos transformados), un total de 1500 segmentos de
los cuales 750 se transforman según se detalla en la tabla 2, 3 y 4. Las
unidades de análisis de nuestra investigación son: (i) segmentos con una
transformación para los tipos 1, 2, 3,4 y 7; (ii) segmentos con dos
transformaciones para los tipos 5, 8,9 y 10; (iii) segmentos con tres
transformaciones para el tipo 6. Por consiguiente, obtenemos 30 tablas en
hojas Excel aplicando transformaciones sintácticas y semánticas para cada
segmento y de forma manual sin el uso de ninguna herramienta lingüística.
Las memorias de traducción están generadas mediante operaciones
previas, es decir, a partir de la importación de documentos paralelos
originales y transformados o la alineación de textos de origen con su destino
(véase 2.2) aunque existen otros métodos para crear una memoria de
traducción como por ejemplo durante la tarea traductora, aplicando al
mismo tiempo las transformaciones para cada segmento.
2.1 Definición del corpus
El corpus utilizado en esta investigación es multilingüe y paralelo:
multilingüe porque se trata del reglamento de la Asamblea General de las
Naciones Unidas en su versión española (A), francesa (B) y árabe (C) y
paralelo (McEnery, 2016:3) al utilizar el mismo documento en el análisis de
las coincidencias entre los pares de idiomas (A-B) (B-A) (C-A), generando
tres memorias de traducción para cada idioma. A continuación, una tabla
resumen de unas estadísticas del corpus:
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
107
Skopos 10 (2019), 133-159
Denominación del
documento
Idioma
N. ° de palabras
Reglamento de la
Asamblea General
Español
36 642
Règlement Intérieur de
l’Assemblée Générale
Francés
34 890
Árabe
29 530
Tabla 1: Algunas estadísticas del corpus
2.2 Sistemas TAO utilizados y Pipeline de trabajo
Para calcular las coincidencias parciales de todos los segmentos
transformados, se utilizan dos sistemas TAO: SDL Trados 2019 y MemoQ V
8.7. La primera etapa del proceso de trabajo consiste en deshabilitar la
traducción automática y no asignar a las tres memorias de traducción
generadas ninguna herramienta como las bases de datos terminológicas o
los glosarios o toda herramienta que pueda interferir en el cálculo de las
coincidencias. Se describe a continuación el proceso de trabajo y el pipeline
elaborado para cada sistema TAO:
SDL Trados
• Crear una nueva memoria de traducción denominada “corpus
paralelo no transformado”;
• Seleccionar los siguientes pares de idioma de forma separada: ES-
FR/ FR-ES /AR-ES;
• Importar el corpus original sin transformaciones y generar así una
memoria de traducción para cada idioma;
• Importar de nuevo el documento con todas las transformaciones
efectuadas.
MemoQ
• Agregar pares de alineación;
• Seleccionar los tres pares de idioma de forma separada;
• Agregar el documento de origen y el documento de destino;
• MemoQ realiza la importación del corpus paralelo original no
transformado para guardarlo como nueva memoria de traducción;
• Importar de nuevo el documento con los segmentos transformados y
asignar la memoria de traducción antes creada.
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
108
Skopos 11 (2020), 103-120
Al término de estas operaciones, se calcula el grado de coincidencia
de cada segmento transformado y en cada combinación lingüística según se
detalla en el apartado 4.
3. Transformaciones
Detallamos a continuación las características de las diez
transformaciones aplicadas para cada idioma: a saber, español, francés y
árabe (véase unos ejemplos en las tablas 2, 3 y 4). La primera columna
indica el número de la transformación que utilizamos más adelante para
presentar y analizar los datos empíricos, la segunda columna refleja el
número de segmentos para cada transformación (25 segmentos
transformados para cada una y en cada idioma),la tercera columna indica el
tipo o la denominación de la transformación con un ejemplo del segmento
original (SO) en la cuarta columna y su respectiva transformación en la
quinta columna (ST).
3.1 Transformación de los segmentos en idioma español
La primera transformación aplicada permite cambiar la voz activa en
pasiva donde el sujeto de la voz activa se convierte en el agente precedido
de la voz pasiva y el verbo se convierte en participio pasado precedido por
el verbo ‘ser’, entre otras transformaciones (Zulma y Dezier 2014:271). La
segunda transformación cambia las voces pasivas en activas, aunque el
español tiende a evitar la pasiva, según señala García Yebra (1990:348)
con unos usos exclusivos por razones de ritmo. Sin embargo, por
necesidades de la presente investigación, aplicamos esta transformación al
igual que en las memorias de traducción francés y árabe. La tercera
transformación cambia el orden de las palabras, enunciados, frases u
oraciones. La cuarta transformación se aplica para la sinonimia, es decir, al
sustituir una palabra por su sinónimo (se emplea el diccionario digital
proporcionado por la Editorial Santillana). Elegimos para estos casos un
sinónimo del mismo género y número para que el segmento no experimente
otras modificaciones, también prestamos mayor atención al sinónimo en su
contexto ya que nos enfrentamos a muchos casos de polisemia. Para la
quinta trasformación, sustituimos dos palabras por sus respectivos
sinónimos sin cambio de orden de las palabras mientras mantengamos la
sustitución por dos sinónimos para la sexta transformación, pero cambiando
de orden de las palabras. En la séptima transformación sustituimos una
palabra por un pronombre personal sin cambio de orden y volvemos a
sustituir una palabra por un pronombre en la octava transformación
cambiando el orden de las palabras. Las dos últimas transformaciones,
cada una con 25 segmentos, cambian las voces activas en pasivas
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
109
Skopos 10 (2019), 133-159
sustituyendo una palabra por su sinónimo y por un pronombre personal para
la décima transformación.
N.º
N. °
ST
Tipo
SO
ST
1
25
Voz
activa-
pasiva
La
As
amblea General
e
s
tablecerá el
reglamento para la
a
d
mi
n
i
s
tración
financiera de las
Naciones
Un
i
d
a
s
.
El reglamento para
la administración
financiera de las
Naciones Unidas
s
erá e
s
tablecido
por la
As
amblea
General.
2
25
Voz
p
asiva-
activa
En virtud de las cuales
los artículos 51 a 59
fueron
sus
tituidos
por los nuevos
artículos 51 a 57 y los
artículos 60 a 165
fueron renumerados en
c
ons
ecuencia.
Los nuevos
artículos 51 a 57
s
ustituyeron
los
artículos 51 a 59 y
los artículos 60 a
165 fueron
renumerados en
c
ons
ecuencia.
3
25
Cambio de
orden de las
pala
br
a
s,
e
nun
ciad
o
,
frases o/y
oraciones
La
As
amblea General,
por mayoría de los
miembros
p
re
s
entes y
vo
ta
n
te
s
, podrá
modificar o suprimir
temas de
s
u programa.
La
As
amblea
General, por
mayoría de los
miembros votantes
y
p
re
s
e
nt
e
s
, podrá
modificar o
s
uprimir
temas de
s
u
programa.
Tabla 2: Segmentos originales y transformados/español
3.2 Transformación de los segmentos en idioma francés
Al igual que los segmentos en español, se aplican las mismas diez
transformaciones antes mencionadas, obviamente el genio de cada idioma
impone respetar las características de cada sistema lingüístico, dado que el
francés tiene sus propias características gramaticales como por ejemplo en
el uso de la voz pasiva. El francés no parece estar sometido a ninguna
restricción y la voz pasiva es muy frecuente en francés tanto en la lengua
oral como escrita, mientras que es menos frecuente en español (Weber
2014: 370). Por lo tanto, seleccionamos varias construcciones pasivas en la
transformación de los segmentos: pasiva refleja o pasiva perifrástica. Con
relación a la sustitución por sinónimos, utilizamos el diccionario digital
francés Larousse. En cuanto a la sustitución por pronombre, optamos por el
uso de los pronombres personales de la tercera persona del singular,
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
110
Skopos 11 (2020), 103-120
masculino y femenino: il/elle (él/ella) además de la tercera persona del
plural, masculino y femenino: ils /elles (ellos/ellas).
N. °
N.º
ST
Tipo
SO
ST
4
25
Sustituir una
palabra
por su
sinónimo
sin cambiar
el orden de
las palabras.
Sur recommandation
du Bureau,
l’Assemblée générale
fixe, au début de
chaque session, une
date pour la clôture
de la session.
Sur
recommandation du
Bureau,
l’Assemblée
générale fixe, au
début de chaque
session, une date
pour la fin de la
session.
5
25
Sustituir dos
palabras
por sus
sinónimos
sin cambiar
el orden de
las palabras.
Les termes de ces
recommandations
seraient incorporés,
sous forme d’annexe,
au Règlement
intérieur ;
Les dispositions
de ces
recommandations
seraient associées,
sous forme
d’annexe, au
Règlement
intérieur ;
6
25
Sustituir dos
palabras
por sus
sinónimos
y cambiar el
orden de las
palabras.
Les chiffres indiqués
entre crochets après
le numéro des articles
relatifs aux séances
plénières renvoient
aux articles
identiques ou
correspondants
relatifs aux séances
de commissions, et
vice versa.
Les chiffres
précisés après le
numéro des articles
entre crochets
relatifs aux
sessions plénières
renvoient aux
articles identiques
ou correspondants
relatifs aux séances
de commissions, et
vice versa.
Tabla 3: Segmentos originales y transformados/francés
3.3. Transformación de los segmentos en idioma árabe
La tercera combinación lingüística permite crear una memoria de
traducción para el idioma árabe aplicando las diez trasformaciones antes
mencionadas para un total de 250 segmentos (véase algunos ejemplos en
la tabla 4). En primer lugar, se transforma la voz activa en pasiva y
viceversa. La voz activa árabe se denomina maaloum (‘conocido’) mientras
la pasiva machhul (‘desconocido’) refiriéndose al agente de la acción, el
sujeto de esta misma voz no se denomina agente sino sustituto del agente,
es decir, el que hace la acción, término equivalente al de sujeto paciente en
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
111
Skopos 10 (2019), 133-159
español. Se obtiene por cambio de la vocalización del verbo con una
damma(
) en la primera sílaba del verbo, una Kasra (
) en la penúltima
para el perfectivo y una fatha (
) en el imperfectivo (Alubudi 2008:290). En
la tercera transformación, cambiamos el orden de las palabras, enunciados,
frases u oraciones con menos restricciones y más libertad dada la
naturaleza del idioma árabe, que ofrece una morfología más rica y flexible
en cuanto al orden de las palabras, de modo que se puede cambiar el orden
según distintas estructuras: VSO, SVO y VOS (Hammo et al,
2017:612).Para la sustitución por sinónimos, se utilizan los diccionarios
digitales árabes Mu'jam al-Wasīṭ y Mu'jam al-Maany. En la séptima y la
octava transformación, sustituimos las palabras por un pronombre personal
singular o plural de género masculino o femenino, que pueden ser
separados o conjuntos, no cambiamos el orden de las palabras en la
séptima mientras que sí lo cambiamos en la octava. Por último,
transformamos la voz activa en pasiva sustituyendo en la novena una
palabra por su sinónimo y por un pronombre en la décima transformación.
N. °
N.º
ST
Tipo
SO
ST
7
25
Sustituir una
palabra por un
pronombre sin
cambiar el orden
de las palabras.
8
25
Sustituir una
palabra por un
pronombre y
cambiar el orden
de las palabras,
enunciados,
frases u
oraciones.
.
.
9
25
Transformar la
voz activa en
pasiva y sustituir
una palabra por
su sinónimo.
.
.
10
25
Transformar la
voz activa en
pasiva y sustituir
una palabra por
un pronombre.
.
.
Tabla 4: Segmentos originales y transformados/árabe
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
112
Skopos 11 (2020), 103-120
4. Presentación y análisis de los resultados
Al término de todas las operaciones de transformación, obtenemos
los resultados de las coincidencias de cada par de idiomas, analizamos los
resultados de dos formas: (i) resultados de las coincidencias según las
combinaciones lingüísticas; (ii) resultados de las coincidencias según las
combinaciones lingüísticas y por categorías de coincidencias.
4.1. Español-francés
El objetivo de esta investigación es ver el comportamiento de los
sistemas TAO ante las transformaciones semántico-sintácticas para cada
idioma con el fin de detectar las carencias y aportar propuestas de mejora,
sea para pares de idiomas con estructuras lingüísticas suficientemente
cercanas como es el caso del español y el francés o lejanas
(árabe/español). Los resultados de las coincidencias ES-FR de la tabla 5,
donde la primera columna indica el número de la trasformación, y la
segunda, los resultados de los segmentos transformados (ST) para SDL
según dos clases: inferior y superior a 75 % y la tercera columna indica los
resultados para MemoQ. En primer lugar, los resultados muestran que el
grado de coincidencia baja de forma significativa al utilizar MemoQ
especialmente con la trasformación 9 donde se registra un 32 % de los
segmentos por debajo de 75 % y 28 % para la sexta transformación o 24 %
para las transformaciones 1, 5, 10, indicando claramente que el sistema
afronta ciertas dificultades debido a los cambios aplicados. En suma,
cuando se trata de múltiples operaciones como por ejemplo sustituir dos
palabras por sus respectivos sinónimos y cambiar el orden de las palabras
(tres transformaciones en un segmento) o transformar las voces activas en
pasivas sustituyendo una palabra por su sinónimo (dos transformaciones en
un segmento). SDL parece soportar mejor las transformaciones en ciertos
casos, aunque también registra descensos, pero con grados de coincidencia
más elevados, incluso nos ofrece 100 % de segmentos transformados ˃
75 % para el segundo tipo de transformación (voz pasiva-activa). También
registramos grados elevados o con poco descenso para la mayoría de los
segmentos transformados mediante los tipos 1, 3, 4, 5, 9 y 10, casi todos
superiores a los resultados obtenidos con MemoQ. No obstante, el grado
más bajo es de 44 % de los segmentos transformados que se sitúan por
debajo de 75 % para la sexta transformación mediante SDL en comparación
con 28 % para MemoQ, es decir para este caso donde sustituimos dos
palabras por sus respectivos sinónimos y cambiamos de orden de las
palabras, MemoQ soporta mejor los cambios pese al número de
operaciones. De igual modo, los grados de coincidencia siguen
descendiendo para la séptima y la octava transformación con 72 % y 68 %
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
113
Skopos 10 (2019), 133-159
de los segmentos ˃ 75 % comparando con resultados no tan bajos para
MemoQ: 92 % y 88 % respectivamente, demostrando que SDL tiene
dificultades con la sustitución por pronombre sobre todo cuando se cambia
el orden de las palabras, mientras MemoQ soporta mejor y no parece
experimentar grandes problemas.
N. °
SDL
MEMOQ
ST
ST
˂75 %
˃75 %
˂75 %
˃75 %
1
12 %
88 %
24 %
76 %
2
0 %
100 %
12 %
88 %
3
8 %
92 %
16 %
84 %
4
16 %
84 %
8 %
92 %
5
8 %
92 %
24 %
76 %
6
44 %
56 %
28 %
72 %
7
28 %
72 %
8 %
92 %
8
32 %
68 %
12 %
88 %
9
20 %
80 %
32 %
68 %
10
12 %
88 %
24 %
76 %
Tabla 5: Resultados de las coincidencias ES-FR
Los primeros resultados permiten detallar más los grados de
coincidencia para cada sistema TAO. Para ello, se establecen cálculos
según distintas categorías, intentamos en la primera columna de la tabla 6
ofrecer una categorización más amplia dividiendo los grados de
coincidencia que se ubican entre 99 % y 60 %. Como se aprecia no
incluimos el grado 100 % (coincidencia total o perfecta) ya que no es posible
obtenerlo después de la transformación. La segunda columna, desde la
transformación 1 hasta la 10, indica los resultados obtenidos por número de
segmento (un total de 25 segmentos para cada transformación) mediante
SDL y la tercera columna (también de 1 a 10) indica los resultados
obtenidos mediante MemoQ. Las cifras indicadas en negrita son el número
de segmentos ubicados en cada categoría de coincidencia, el mayor
número de segmentos se ubica entre 90 %-99 % para SDL después de
aplicar las transformaciones 2, 3, 4, 5, 7, 8 y 10, lo que significa que, a
pesar de los cambios sintáctico-semánticos, SDL nos ofrece un grado de
coincidencia con un leve descenso como, por ejemplo, para la segunda
transformación, donde 20 de los 25 segmentos transformados se ubican
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
114
Skopos 11 (2020), 103-120
entre 90 %-99 %. Se confirman así los resultados de la tabla anterior y
muestran que el sistema no experimenta muchas complicaciones. Sin
embargo, no parece soportar los cambios de la transformación 6 con 12 de
25 segmentos ubicados entre 70 %-79 %, cuando sustituimos dos palabras
por sus respectivos sinónimos y cambiamos el orden de las palabras. No
obstante, MemoQ parece tener dificultades significativas al notar que la
mayoría de los segmentos transformados bajan de grado de coincidencia
situándose entre 80 %-89 % (transformación 1, 2, 3, 4, 6, 8 y 10),
registrando incluso más segmentos situados entre 60 %-69 %, al contrario
de SDL con tan sólo un segmento para las transformaciones 4, 5, 6 y 8.
GRADO
SDL
MEMOQ
1
2
3
4
5
6
7
8
9
1
0
1
2
3
4
5
6
7
8
9
1
0
90 %-
99 %
7
2
0
1
7
1
5
1
6
9
1
6
1
1
5
1
1
0
8
1
8
1
2
0
1
3
1
0
2
80 %-
89 %
1
0
3
5
4
4
3
2
4
9
7
1
0
1
1
1
2
1
1
5
1
5
9
2
0
1
0
1
1
70 %-
79 %
8
2
3
5
4
1
2
7
9
1
1
7
9
4
1
1
4
8
1
0
2
2
1
1
8
60 %-
69 %
0
0
0
1
1
1
0
1
0
0
6
2
1
2
0
0
1
2
4
4
Tabla 6: Resultado de las coincidencias ES-FR por segmentos
4.2. Francés-español
La segunda operación abarca la combinación lingüística FR-ES, se
presentan en la tabla 7 los resultados de las coincidencias parciales,
primero con SDL: 100 % de los segmentos transformados, o sea un total de
25 indican una coincidencia parcial superior a 75 % para las
transformaciones 4 y 7, seguidos por 96 % para las transformaciones 5 y 8,
baja el grado de coincidencia de forma significativa para el resto de las
transformaciones, especialmente en la novena y la décima con unos 28 % y
36 %, respectivamente, por debajo de 75 %, indicando que el sistema
experimenta dificultades ante los cambios aplicados. En suma, cuando se
trata de voces activas y pasivas en francés o al substituir una palabra por un
pronombre personal o un sinónimo además de cambiar el orden de las
oraciones. MemoQ, vuelve a presentar grados de coincidencias parciales
más bajos a los de SDL salvo para las transformaciones 6, 8 y 9, con
resultados similares y para la trasformación 10, donde registramos el grado
más bajo con 54 % de los segmentos transformados ˂ 75%, indicando que
MemoQ afronta más dificultades ante los cambios, peor aun cuando son
dos o tres cambios a la vez, como por ejemplo en la sustitución por dos
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
115
Skopos 10 (2019), 133-159
sinónimos, un pronombre, cambio de orden, transformación de activa a
pasiva además de una sustitución por un pronombre.
N. °
SDL
MEMOQ
ST
ST
˂75 %
˃ 75 %
˂75 %
˃75 %
1
12 %
88 %
32 %
68 %
2
12 %
88 %
36 %
64 %
3
4 %
96 %
12 %
88 %
4
0 %
100 %
4 %
96 %
5
4 %
96 %
12 %
88 %
6
24 %
76 %
24 %
76 %
7
0 %
100 %
4 %
96 %
8
4 %
96 %
4 %
96 %
9
28 %
72 %
28 %
72 %
10
36 %
64 %
54 %
46 %
Tabla 7: Resultados de las coincidencias FR-ES
SDL presenta resultados moderados para las coincidencias FR-ES,
registrando un número cambiante según cada categoría pero muy elevado
con 25 segmentos ubicados entre 90 %-99 % en la cuarta transformación(es
decir, el total de los segmentos transformados), seguidos por 18, 15 y 13
segmentos para las transformaciones 5, 7, 8 y 1, confirmando una vez más
que el sistema se comporta mejor pese a los leves descensos cuando se
trata de sustitución sin cambio de orden de las palabras, enunciados, frases
u oraciones, pero menos bien al cambiar de orden como para la tercera
transformación con 13 segmentos ubicados entre 80 %-89 % y 12
segmentos entre 70 %-79 % al tratarse de una operación de múltiples
cambios. MemoQ presenta a su vez resultados aún más dispares, donde la
mayoría de los segmentos se sitúan en la segunda y la tercera categoría
con grados de coincidencia más bajos; incluso ciertos segmentos registran
un descenso significativo en comparación con los resultados de SDL, con 6
segmentos ubicados entre 60 %-69 % para la transformación 10 y 4 para las
transformaciones 2 y 9.
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
116
Skopos 11 (2020), 103-120
GRADO
SDL
MEMOQ
1
2
3
4
5
6
7
8
9
1
0
1
2
3
4
5
6
7
8
9
1
0
90 %-
99 %
1
3
7
1
0
2
5
1
8
5
1
5
1
3
5
1
1
1
1
3
4
0
0
7
3
1
0
80 %-
89 %
7
1
0
1
3
0
4
1
1
7
4
8
5
7
1
0
1
8
1
8
2
0
9
1
3
1
8
2
4
70 %-
79 %
5
8
2
0
3
9
3
8
1
2
9
1
4
1
0
3
3
4
1
5
5
4
1
8
1
5
60 %-
69 %
0
0
0
0
0
0
0
0
0
0
3
4
1
0
1
1
0
0
4
6
Tabla 8: Resultado de las coincidencias FR-ES por segmentos
4.3. Árabe-español
Los resultados de las coincidencias como aparecen indicados en la
tabla 9 descienden para todos, pero no tanto para SDL, especialmente para
las transformaciones 4, 7 y 8, donde registramos 4 % de los segmentos
transformados por debajo de 75 %, lo que indica que el sistema se
comporta bastante bien ante la sustitución por sinónimo o por pronombre
personal sin o con cambio de orden de las palabras. De igual manera, se
registran unos grados de coincidencia más bajos como, por ejemplo, para la
tercera trasformación con 16 % del total de los segmentos trasformados por
debajo de 75 %, indicando que SDL afronta ciertas dificultades al cambiar el
orden de las palabras, frases, enunciados u oraciones. Tampoco parece
soportarla transformación de voz activa-pasiva acompañada de sustitución
por sinónimo. MemoQ presenta un descenso significativo en los grados de
coincidencias parciales con 44 % de los segmentos transformados ˂75%
para la décima transformación de contraste con 8 % para SDL,
demostrando que el sistema sufre más dificultades cuando se trata de una
operación múltiple (voz activa-pasiva y sustitución por un pronombre
personal). Asimismo, afronta dificultades ante el cambio de orden de las
palabras con 40 % de los segmentos ˂75% pese a que el idioma árabe es
flexible y permite estructurar una frase con menos restricciones mediante
estructuras VSO/SVO/VOS, para el resto de las transformaciones, siguen
descendiendo en comparación con SDL excepto para la quinta y la sexta
con resultados similares a los de SDL, concluyendo que MemoQ tiene más
dificultades ante los cambios sintáctico-semánticos.
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
117
Skopos 10 (2019), 133-159
N. °
SDL
MEMOQ
ST
ST
˂75 %
˃75 %
˂75 %
˃75 %
1
12 %
88 %
20 %
80 %
2
8 %
92 %
24 %
76 %
3
16 %
84 %
40 %
60 %
4
4 %
96 %
32 %
68 %
5
16 %
84 %
4 %
96 %
6
20 %
80 %
16 %
84 %
7
4 %
96 %
24 %
76 %
8
4 %
96 %
16 %
84 %
9
16 %
84 %
28 %
72 %
10
8 %
92 %
44 %
56 %
Tabla 9: Resultados de las coincidencias AR-ES
Los resultados por categorización de las coincidencias (véase tabla
10) permiten determinar dónde se sitúan los segmentos más afectados por
las transformaciones. SDL, por tercera vez, presenta un leve descenso en
contraste con MemoQ para la cuarta transformación, donde la mayoría de
las coincidencias parciales se sitúan entre 90 %-99 % para SDL, con un
total de 18 segmentos en contraste con 15 para MemoQ. El grado de
coincidencia sigue bajando con ambos SDL y MemoQ, donde la mayoría de
los segmentos se sitúan entre 70 %-79 %, confirmando que estos sistemas
afrontan dificultades lingüísticas. Sin embargo, se observa que no hay
ningún segmento que se sitúe entre los grados 60 %-69 % para SDL con
todas las transformaciones, pero sí que hay varios segmentos en esta
misma categoría para MemoQ, especialmente para la décima
transformación con 5 segmentos o 4 para ambas (primera y tercera
transformación), indicando que el descenso se debe a las dificultades
lingüísticas de transformación activa-pasiva, sustitución por un pronombre
personal y cambio de orden de las palabras. Se observa por primera vez la
integración de una nueva categoría para el idioma árabe, esta categoría
representada por un cero significa que el sistema no ofrece ninguna
coincidencia como es el caso de las transformaciones 7, 8, 9 y 10 con uno y
dos segmentos sin ninguna coincidencia con MemoQ pero no con SDL, por
lo que el primer sistema experimenta obviamente más dificultades, con
grados aún más bajos.
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
118
Skopos 11 (2020), 103-120
GRADO
SDL
MEMOQ
1
2
3
4
5
6
7
8
9
1
0
1
2
3
4
5
6
7
8
9
10
90 %-
99 %
1
3
1
7
13
1
8
1
3
1
1
1
2
4
8
1
0
0
1
0
1
1
5
7
2
3
0
0
0
80 %-
89 %
6
5
7
4
8
3
1
0
1
7
1
1
1
2
1
0
7
1
0
4
1
5
1
1
1
5
1
4
1
1
9
70 %-
79 %
6
3
5
3
4
1
1
3
4
6
3
1
1
7
1
0
6
2
1
1
6
9
1
0
9
60 %-
69 %
0
0
0
0
0
0
0
0
0
0
4
1
4
0
1
1
0
1
2
5
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
2
2
Tabla 10: Resultado de las coincidencias AR-ES por segmentos
5. Conclusiones y trabajos futuros
Hemos presentado en esta investigación un estudio cuantitativo
comparando la traducción de tres pares de idiomas mediante el uso de dos
sistemas de TAO. La aplicación de diez tipos de transformaciones
semántico-sintácticas indica que ambos sistemas sufren dificultades y
tienen un comportamiento distinto ante los cambios pese a nuestro intento
de guardar siempre el mismo sentido. Para el español como idioma de
origen, el grado de coincidencia registra más descenso con MemoQ y baja
significativamente cuando se cambia la voz activa en pasiva y se sustituye
una palabra por su sinónimo, mientras que SDL registra su mayor descenso
con la transformación 6 al tratarse de una operación múltiple de tres
cambios. Las coincidencias parciales presentadas para las
transformaciones 4, 6, 7 y 8 registran un descenso menor con MemoQ,
indicando que estas mismas (sustitución por un sinónimo con o sin cambio
de orden de las palabras, sustitución por un pronombre con o sin cambio de
orden de las palabras) no afectan tanto al grado de las coincidencias
parciales como lo hacen con SDL.
En cuanto al idioma francés, ambos sistemas registran su grado de
coincidencia más bajo con la décima trasformación al cambiar la voz activa
en pasiva y sustituir una palabra por un pronombre personal. No obstante,
ambos sistemas marcan similitudes en los grados de las coincidencias
parciales: sustitución por sinónimo, pronombre personal, transformación
activa-pasiva. Para el resto de las transformaciones, los grados de
coincidencias parciales no bajan significativamente con SDL, mientras que
descienden mucho con MemoQ, indicando que este último afronta
dificultades importantes.
Para el árabe como idioma de origen, el mayor descenso se registra
para la sexta trasformación con SDL y la décima con MemoQ, es decir, que
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
119
Skopos 10 (2019), 133-159
el primer sistema experimenta dificultades ante la sustitución por sinónimos
y el cambio de orden de las palabras, mientras al segundo sistema le cuesta
afrontar la transformación activa-pasiva con sustitución por un pronombre
personal. De igual modo, las coincidencias parciales bajan de forma
significativa con MemoQ, que no parece soportar el cambio de orden de las
palabras en árabe, aunque el idioma semítico es flexible y permite
estructurar una frase/oración con menos restricciones que los idiomas
español y francés. En definitiva, todos los grados de coincidencia y en todas
las combinaciones lingüísticas bajan y difieren según el tipo de la
transformación y el sistema empleado en suma con MemoQ, unos
segmentos descienden más en árabe como idioma de origen, luego en
español y por último en francés, concluyendo que al ser el español y el
francés idiomas no tan lejanos como el árabe y por sus sistemas lingüísticos
más cercanos se ven menos impactados por las transformaciones
semántico-sintácticas que el árabe, aunque se confirma que las
coincidencias se ven afectadas al no prestar atención al sentido puesto que
estos sistemas funcionan con un algoritmo matemático. Por lo tanto, se
necesita integrar más conocimientos lingüísticos o procesamiento del
lenguaje natural con el último objetivo de mejorar el grado de las
coincidencias y reducir el esfuerzo o el tiempo dedicado a la post- edición.
Nuestra investigación afronta ciertas limitaciones en cuanto al corpus:
segmentación y alineación de los segmentos seleccionados, pre- y post-
edición, e imposibilidad de calcular el grado de coincidencia para los
mismos segmentos en todos los idiomas. Sin embargo, esta primera fase de
investigación nos permitió analizar datos empíricos y obtener los primeros
resultados. Las investigaciones futuras se centrarán en calificar más datos
mediante el uso de otros sistemas de TAO con una evaluación humana más
amplia, idealmente por nativos españoles, franceses y árabes para
establecer un listado de propuestas y de mejoras propio de cada idioma y
sistema de TAO.
Referencias bibliográficas
ALUBUDI, J. (2008): Árabe culto. Madrid, España: Liber Factory.
BOWKER, L. (2002): Computer-Aided Translation Technology: A Practical
Introduction. Ottawa, Canada: University of Ottawa Press.
CHATZITHEODOROU, K. (2015): “Improving translation memory fuzzy
matching paraphrasing”. Proceedings of the Workshop on Natural
Language Processing for Translation Memories, 24-30.
GARCÍA YERBA, V. (1990): “La voz pasiva francesa y su traducción al
español”. Meta 35 (3), 510-517.
Souhila Djabri
Análisis contrastivo de las coincidencias parciales…
120
Skopos 11 (2020), 103-120
GUPTA, R., CONSTANTIN, O., ZAMPIERI, M., VELA, M. y VAN
GENABITH, J. (2015): “Can Translation Memories afford not to use
paraphrasing?” Proceedings of the 18th Annual Conference of the
European Association for Machine Translation,18, 35-42.
HAMMO, B., MOUBAIDDIN, A., OBEID, N, y TUFFAHA, A. (2014): “Formal
Description of Arabic Syntactic Structure in the Framework of the
Government and Binding Theory”. Computación y Sistemas, 18 (3),
611-625.
MCENERY, T. (2016): “Corpora”. The Oxford Handbook of Computational
Linguistics. Oxford: Oxford University Press, 1-19.
OLIVER GONZÁLEZ, A. (2016): Herramientas tecnológicas para
traductores. Capítulo I. La traducción asistida por ordenador.
Barcelona, España: Editorial UOC.
SILVESTRE BAQUERO, A y MITKOV, R. (2017): “Translation Memory
Systems Have a Long Way to Go”. The Proceedings of the First
Workshop on Human-Informed Translation and Interpreting
Technology (HiT-IT), 44-51.
SIMARD, M. (2020): “Building and using parallel text for translation”. In:
Minako O'Hagan (ed). The Routledge Handbook of Translation and
Technology. London: Routledge, 78 -90.
THARINDU, R., CONSTANTIN, O., MITKOV, R. (2020): “Intelligent
Translation Memory Matching and Retrieval with Sentence Encoders”.
Proceedings of the 22nd Annual Conference of the European
Association for Machine Translation, 175-184.
WEBER, E. (2014): “La traducción de la voz pasiva francesa al español:
¿cuestión de lengua o cuestión de traducción?”. La traductología en
Brasil (2). Mutatis Mutandis. 7 (2), 368 -385.
ZULMA, I. y DOZIER, E. (2014): Manual de gramática. Boston, EE. UU.:
Heinle Cengage Learning.
