Questo mese è stata resa disponibile una nuova metodologia per migliorare la traduzione automatica tramite l'Università di Amsterdam. Il progetto DataAptor, finanziato da NWO/STW, fa progredire sempre più le macchine di traduzione selezionando i set di dati.

La metodologia è utilizzata nell'applicazione Matching Data, offerto da TAUS, un importante think tank nel campo della traduzione automatica. Questa applicazione affronta una grande sfida nell'ambito della traduzione digitale:per una buona traduzione è necessario addestrare la macchina di traduzione con fonti affidabili e set di dati che contengano il tipo di parole pertinente. Per esempio, la traduzione di un testo giuridico richiede un vocabolario completamente diverso e un tipo di traduzione diverso rispetto ad esempio, un resoconto di giornale.

Implementazione di successo

Nel 2013 il progetto DataAptor, supervisionato dal professor Khalil Sima'an dell'UvA Institute for Logic, Linguaggio e calcolo, ha ricevuto finanziamenti dalla Technology Foundation STW (ora:NWO Domain Applied and Engineering Sciences) per affrontare questo problema. I risultati della ricerca del progetto DatAptor sono stati ora implementati con successo dal think tank TAUS. Offrono la nuova tecnologia sotto il nome di Matching Data.

Sul weblog di TAUS Sima'an dice:"Il nostro sogno era quello di rendere il world wide web stesso la fonte di tutte le selezioni di dati. Ma abbiamo deciso di iniziare in modo più modesto e rendere prima il grande repository di dati TAUS il nostro campo di caccia. In DatAptor abbiamo appreso che ogni dominio è una miscela di molti sottodomini. La combinatoria dei sottodomini in un repository molto grande ospita una ricchezza di nuovi, selezioni non sfruttate. Perciò, se l'utente fornisce un corpus di query che rappresenta il proprio dominio di interesse, è probabile che il metodo Matching Data trovi una selezione adeguata nel repository."