Look-up in Google Scholar
Title: Comparación de modelos de machine learning para determinar la evaluación de traductores profesionales frente a la calidad de la traducción automática de textos
Advisor(s): Benito Pacheco, Oscar
OCDE field: https://purl.org/pe-repo/ocde/ford#1.02.01
Issue Date: 2021
Institution: Universidad Nacional Mayor de San Marcos
Abstract: En esta investigación se planteó abordar la comparación de modelos de machine learning (ML, por sus siglas en inglés) para determinar la evaluación de traductores profesionales frente a la calidad del resultado de la traducción automática (TA, por sus siglas en inglés) de textos usando el indicador Accuracy con un enfoque cuantitativo y comparativo ya que se realizará un análisis estadístico de los resultados de la encuesta en línea a traductores profesionales con preguntas de opinión personal y selección múltiple de 30 textos traducidos de (inglés - español), que consiste en asignar una evaluación de acuerdo al punto de vista del traductor y análisis del nivel de calidad de la traducción del texto con cuatro alternativas (excelente, bueno, regular y malo) para describirlas, cuantificarlas y almacenar la información en una base de datos para proceder con el estudio comparativo para lo cual se usará el algoritmo de ML K-vecinos más cercanos (KNN, por sus siglas en inglés) y árboles de clasificación y regresión (CART, por sus siglas en inglés) con la finalidad de comparar estos modelos y encontrar la mejor respuesta aproximada respondiendo a la pregunta ¿Cuál es el modelo de ML que se aproxima a las respuestas de evaluación de traductores profesionales respecto a la calidad del resultado de la TA de textos?
Discipline: Computación Científica
Grade or title grantor: Universidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Profesional de Computación Científica
Grade or title: Licenciada en Computación Científica
Juror: Zegarra Garay, María Natividad; Pérez Núñez, Jhelly Reinaluz; Benito Pacheco
Register date: 22-Feb-2022; 22-Feb-2022



This item is licensed under a Creative Commons License Creative Commons