Autómatas con pila en la traducción automática estadística

Este artículo de Computational Linguistics presenta el uso de autómatas con pila (PDA) en el marco de la traducción automática estadística y el alineamiento bajo una gramática síncrona libre de contexto. Los autores proponen representar de forma compacta, a través de PDA, el conjunto de traducciones candidatas que genera la gramática al aplicarla a una frase de entrada, y describen algoritmos genéricos sobre PDA para sustitución, composición, camino más corto y expansión. A partir de estos fundamentos, introducen HiPDT, un decodificador jerárquico basado en frases que aprovecha la representación PDA y los algoritmos descritos. El trabajo compara la complejidad de este decodificador con la de otro basado en autómatas de estados finitos, y demuestra que los PDA ofrecen un marco más adecuado para lograr decodificación exacta con gramáticas síncronas libres de contexto más grandes y modelos de lenguaje más pequeños. La evaluación se realiza experimentalmente en una tarea de alineamiento y traducción chino-inglés a gran escala. Para la traducción, los autores proponen una estrategia de decodificación en dos pasadas: una primera con un modelo de lenguaje más débil, destinada a mitigar los problemas de complejidad identificados en el análisis de los PDA, seguida de una segunda pasada con el modelo completo. El artículo estudia en profundidad las condiciones experimentales y los compromisos que permiten a HiPDT alcanzar resultados de vanguardia en SMT a gran escala, consolidando los PDA como una herramienta eficaz para la decodificación exacta en sistemas de traducción automática jerárquica.