Acceso usuarios
Carlos Manuel Hidalgo Ternero, Xiaoqing Zhou Lian 
Este estudio examina la eficacia de gApp, un innovador sistema de preprocesamiento de texto desarrollado para convertir automáticamente locuciones discontinuas hacia sus formas continuas con el fin de mejorar los actuales sistemas de traducción automática neuronal (TAN), en concreto, Google Translate y DeepL. Así, evaluamos 500 instancias (250 formas discontinuas y 250 formas continuas) de locuciones frecuentes en español con la estructura Verbo + Sintagma Preposicional (VPP, por sus siglas en inglés) como estar hasta los cojones, estar hasta los huevos, estar hasta las narices, estar hasta el gorro y estar hasta la coronilla, comparando la conversión automática de gApp con la conversión manual (el patrón oro). Hasta donde sabemos, este es el primer estudio que evalúa la eficacia de gApp en la traducción de locuciones VPP mediante TAN en las direcciones ES>EN y ES>ZH. Los prometedores resultados obtenidos ofrecen información valiosa sobre las posibles mejoras de los sistemas TAN para las locuciones
This study examines the effectiveness of gApp, an innovative text preprocessing system developed to automatically convert discontinuous idioms into their continuous forms in order to enhance current neural machine translation (NMT) systems. Through comprehensive testing with Google Translate and DeepL, we evaluated 500 instances (250 discontinuous and 250 continuous forms) of common Spanish Verb+ Prepositional Phrase (VPP) idioms like estar hasta los cojones, estar hasta los huevos, estar hasta las narices, estar hasta el gorro, and estar hasta la coronilla, comparing gApp’s automatic conversion with the manual conversion (the gold standard). To our knowledge, this is the first study evaluating gApp’s effectiveness in translating VPP idioms using NMT in the ES>EN and ES>ZH directions. In this context, the promising outcomes obtained for this idiom category offer valuable insights into potential improvements for idiom-aware NMT systems.
