Olhares sobre a tradução automática: uma análise sobre o desempenho dos sistemas DeepL e Google Tradutor
Palavras-chave:
Tipologia de erros de resultados de tradução automática, Tradução automática neural, Avaliação de tradução automáticaResumo
Este trabalho avalia comparativamente o desempenho de dois sistemas de tradução automática, a saber, DeepL e Google Tradutor. O estudo parte de uma breve visão geral sobre traduções automáticas com a utilização de redes neurais, seguido de uma reflexão sobre os resultados da tradução automática ao utilizar a avaliação automática e humana. Subsequentemente, aborda a diferença de desempenho entre ambos os sistemas, além de identificar possíveis problemas linguísticos advindos dos resultados da tradução automática gerada por eles. Para a realização dessa comparação, o trabalho emprega um trecho da obra de Machado de Assis, Dom Casmurro, do capítulo “Olhos de Ressaca”. O estudo utiliza as traduções geradas de forma automática para analisar criticamente qual sistema apresenta mais qualidade no resultado da tradução e examina comparativamente os erros linguísticos gerados pelos resultados do DeepL e Google Tradutor. Os critérios de avaliação incluem a precisão da tradução, a capacidade de manter o significado e a estrutura da frase original, a fluência e adequação da tradução resultante.
Downloads
Referências
ASSIS, M. de. Dom Casmurro. Rio de Janeiro: Edições Câmara, 2019.
BANITZ, B. Machine translation: a critical look at the performance of rule-based and statistical machine translation. Cadernos de Tradução, 40(1), 2020. Disponível em:
https://doi.org/10.5007/2175-7968.2020v40n1p54 . Acesso em 17 de novembro de 2023.
BROWNLEE, J. A Gentle Introduction to Calculating the BLEU Score for Text in Python. 2019. https://machinelearningmastery.com/calculate-bleu-score-for-text-python/ > Acesso em 17 de novembro de 2023.
CALLISON-BURCH, C., OSBORNE, M., & KOEHN, P. Re-evaluating the Role of BLEU in Machine Translation Research, 2006. https://aclanthology.org/E06-1032.pdf . Acesso em 17 de novembro de 2023.
DEEPL PRESS INFORMATION. (n.d.). https://www.deepl.com/en/press.html. Acesso em 17 de novembro de 2023.
DENSMER, L.. Interview with an Expert: How Do You Measure MT? RWS. 2019. https://www.rws.com/blog/interview-with-an-expert-how-do-you-measure-mt/ . Acesso em 17 de novembro de 2023
FORCADA, M. Machine translation today. In Handbook of Translation Studies (pp. 215–223). John Benjamins Publishing Company, 2010.
GOOGLE CLOUD. Como avaliar modelos. 2022. https://cloud.google.com/translate/automl/docs/evaluate?hl=pt-br. Acesso em 17 de novembro de 2023.
HUTCHINS, W. J., & SOMERS, H. L. An introduction to machine translation (pp. 215-223). Academic Press, 1992.
ISABELLE, P., CHERRY, C., & FOSTER, G. A challenge set approach to evaluating machine translation. Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing, 2486–2496, 2017. https://aclanthology.org/D17-1263.pdf . Acesso em 17 de novembro de 2023.
ISABELLE, P., & KUHN, R. A Challenge Set for French -> English Machine Translation. 2018. https://arxiv.org/pdf/1806.02725.pdf. Acesso em 17 de novembro de 2023.
MATTHES, E. Curso Intensivo de Python. Novatec Editora. 2016.
PLANETCALC. Levenshtein distance.2022. http://planetcalc.com/1721. Acesso em 17 de novembro de 2023.
SCHUSTER, M., JOHNSON, M., & THORAT, N. Zero-Shot Translation with Google’s Multilingual Neural Machine Translation System. 2016.
https://ai.googleblog.com/2016/11/zero-shot-translation-with-googles.html . Acesso em 17 de novembro de 2023.
TAN, Z., WANG, S., YANG, Z., CHEN, G., HUANG, X., SUN, M., & LIU, Y. Neural machine translation: a review of methods, resources, and tools. AI Open, 5–21, 2020.
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Babel: Revista Eletrônica de Línguas e Literaturas Estrangeiras
Este trabalho está licenciado sob uma licença Creative Commons Attribution-ShareAlike 4.0 International License.
Os autores detém os direitos autorais sem restrições, porém ao submeter os originais, concordam em transferir a este periódico os direitos da primeira publicação. Isto deve ser informado em caso de nova edição do texto. As produções que derivarem deste material, devem obrigatoriamente citar a fonte. Os textos publicados nesta revista, salvo indicações contrárias, encontram-se sob uma licença Creative Commons Atribuição 4.0 Internacional.
