Opentrad Traducción automática en código abierto

Transcripción

1 Opentrad Traducción automática en código abierto Internacionalización. El reto de la gestión del multilingüísmo José Ramom Pichel Campos. Director del área de ingeniería lingüística de imaxin software Multilingüísmo en la UE La Unión Europea cuenta con 23 idiomas oficiales, y docenas de idiomas más, no oficiales, son hablados en sus territorios. Una de las políticas claves de la UE es la de promover el aprendizaje por todos los ciudadanos de por lo menos dos idiomas aparte su lengua materna. El objetivo es, no sólo facilitar la comunicación entre ciudadanos, sino también fomentar una mayor tolerancia hacia los demás y un respeto para la diversidad cultural y lingüística de la Unión. En el Estado español existen cuatro lenguas oficiales (gallego, castellano, catalán, euskera) que necesitan herramientas de tecnología lingüística para su interrelación y enriquecimiento.

2 imaxin software Con este fin, en el año 1997 cuatro ingenieros informáticos deciden crear una empresa de tecnología informática llamada imaxin software centrada en desarrollos con una fuerte componente innovadora, principalmente en las áreas del procesamento del lenguaje natural y de los multimedia educativos y formativos. Diez años después imaxin software es empresa Vendor de Microsoft (suministradores de tecnología lingüística y de localización certificadas para la multinacional americana) y es empresa referente en el desarrollo de productos de alta tecnología en las áreas de lenguaje natural y multimedia, participa además en diferentes consorcios Universidad-Empresa, resultado del mismo son todos los productos OPENTRAD. Además son asesores en tecnología lingüística y multimedia para grandes y medianas corporaciones. Partners y clientes Organismos públicos: ILG, Seminario de lingüística informática da Universidade de Vigo, Universidade de Santiago de Compostela, EHU-UPV IXA Taldea, CIS Ferrol, CESGA, etc. Sociedade da Información, Junta de Extremadura, Gobierno Vasco, Junta de Castilla la Mancha, Ministerio de Industria e Tecnología. Empresas:Microsoft Corporation (USA), La Voz de Galicia, BroadeBooks (España), Priberam (Portugal), Eleka(EH), Hizkia, Signum (Ecuador), Intelsis Sistemas Inteligentes S.A (GZ). Miembros de la: SEPLN (Sociedade Española para el procesamiento del lenguaje natural), Sociedade Galega de Terminoloxía, INEO, EGANET (Empresas galegas dedicadas á Internet),

3 Ingeniería lingüística Realización de solucións multilingüe de procesamento lingüístico e documental. imaxin software aplica a tecnoloxía lingüística a través de ferramentas informáticas na xestión de contidos, xestión documental e xestión do coñecemento, mellorando a produtividade e optimizando a explotación dos recursos intanxibles da empresa. Procesamento lingüístico: correctores ortográficos, correctores ortográficos en rede, dicionarios electrónicos, tradutores automáticos. Procesamento documental (área de I+D): buscadores documentais, buscadores semánticos, sumarizadores de documentos, clasificadores automáticos documentais, extractores de información. Principales productos OpenTrad para el Sistema Edición dixital Voz de Galicia y el Sistema Gestión documental de la Voz de Galicia OpenTrad para redacción El Correo Gallego Participación en el desarrollo OpenTrad (español-galego), Europentrad (inglésgalego), EixOpentrad (galego-portugués). Corrector ortográfico OpenOffice.org GalgoNET (corrector de gallego y español en red implantado en la Voz de Galicia) Dicionario de dicionarios Contemporáneo e Medieval da lingua galega Tesouro informatizado da lingua galega Corrector ortográfico para Office 2000, XP, 2003, 2007)

4 Qué es Opentrad? Opentrad es un sistema de traducción automática en código abierto para todas las lenguas del estado. Es el único tradutor bidireccional para los pares galego-español y catalán-español Es el único traductor desarrollado en código libre. 100% configurable y adaptable al flujo de trabajo del cliente. Pares de idiomas galego-español español-galego catalán-españolespañol-catalán vasco-español Opentrad, o software libre permite: Ahorrar costes. El motor de traducción es gratuíto. No depender de un único proveedor. Mayor integración y configuración, gracias a ter disponible el código fuente. Mejoras constantes; la comunidadde usuarios desarrollacontinuamente nuevas funcionalidades. Quien está detrás de este proyecto? Opentrad fue fruto de un proyecto PROFIT desarrollado por un consorcio de empresas y universidades punteras en ingeniería lingüística y traducción automática. La misión de este consorcio es desarrollar proyectos de I+D+i que tengan repercusión directa en el mercado y sean de utilidad para la sociedad. Membros do consorcio Opentrad: UPC (Universitat Politécnica de Catalunya). Grupo Transducens (Traducción automática da Universitat de Alacant). Grupo IXA Taldea (Universidad del País Vasco). SLI (Seminario de Lingüística Informática da Universidade de Vigo). Fundación Elhuyar. Eleka imaxin software

5 Características de Opentrad Ventajas técnicas Bidireccionalidad de la traducción automática: español-galego e galego-español. Servidor de traducción en sistema Linux dedicado. Open Source. Todo el proyecto está desarrollado usando el paradigma de código abierto, lo que elimina la dependencia a una única empresa. Sin licencias y con un número ilimitado de ordenadores y usuarios. Estructura modular con facilidad para la integración y operatividad con otros sistemas existentes. Basado en XML y estándares abiertos. Características de Opentrad Ventajas lingüísticas Inclusión de todas las opciones de la nuevanorma ortográfica del gallego. Base de datos con más de lemas. Posibilidad de personalización de la BD y adaptación al libro de estilo. Posibilidad de la incorporación de nuevas linguas al sistema permitindo la traducción entre todas las lenguas oficiales de España bidireccionalmente (actualmente contamos co galego, catalán, valenciano, etc.) y también del portugués. imaxin software es una empresa especializada en los idiomas galego, portugués, español e inglés contando con recursos lingüísticos propios y contactos con organismos y asociaciones que trabajan en estos idiomas.

6 Sistemas de interface Traducción Web Servidor web de La Voz de Galicia Internet Página original com Páginatraducida con Opentrad Fases de la implantación de Opentrad en la Voz Instalación del motor base de OpenTrad sin personalizar. Entrega de los diccionarios que incluyen lemas. Esta es la versión definitiva de los diccionarios monolingües y bilingües del VozOpenTrad. Definición y diseño del gestor de diccionarios (XESDIC) Programación de un sistema de detección de Nombres propios. Adaptación del sistema de traducción automático personalizado a la publicación HTML de la edición digital de La Voz de Galicia (SEDVOZ). Entrega de los desarrollos beta de la aplicación de administración de los diccionarios XESDIC. Implantación final del sistema XESDIC. Formación de los lingüístas de la Voz para el mantenimiento de los diccionarios.

7 Dificultades encontradas Primera experiencia de implantación en un dominio tan variable como el periodístico. Problemas en la auditoría web: heterogeneidad de los sistemas web dentro de la VOZ. Adaptación al manual de estilo de la VOZ en las elecciones normativas. Carga de datos Dificultad en la programación del motor de traducción y del gestor de diccionarios (XESDIC). Errores lingüísticas en la versión inicial de los diccionarios Indefinición terminológica y normativa por parte del cliente (el libro de estilo estaba sin actualizar a la nueva normativa y el nuevo estaba en proceso de elaboración). Demasiada carga de trabajo en otros asuntos para los lingüistas que tardaban en responder y falta de planificación antes de iniciar el proceso de personalización. Eskerrik asko, Gracias, Moltes gràcies, Grazas Para más información sobre OpenTrad: José Ramom Pichel Campos Socio Director Director tecnoloxía linguísticae localización de software jramompichel@imaxin.com Móbil Telefono