Construcción de Recursos para Traducción automática Guaraní-Español

Este repositorio contiene el trabajo desarrollado para el Proyecto de Grado Construcción de Recursos para Traducción automática Guaraní-Español. Varios de estos recursos fueron presentados en el artículo Experiments on a Guarani Corpus of News and Social Media y Can We Use Word Embeddings for Enhancing Guarani-Spanish Machine Translation?.

Contenidos:

• Dentro de Tests se encuentran tests intrínsecos para el guaraní
  • capital-common-countries_gn y family_gn son tests de analogías.
  • MC30_gn es un test de similaridad.
• Dentro de ParallelSet se encuentran dos versiones del conjunto paralelo de noticias construido durante el proyecto.
• Dentro de Tweets se encuentran tres versiones del conjunto de tweets construido durante el proyecto.
• Dentro de WordEmbeddings se encuentran algunos modelos entrenados con Word2Vec, utilizando el algoritmo c-bow.
• Dentro de MachineTranslationse encuentran dos modelos entrenados usando OpenNMT. Uno traduce desde el guaraní al español y otro en sentido opuesto.
• gn_frequent_words.csv es una lista de palabras frecuentes de guaraní curada manualmente. La revisión se hizo solamente para aquellas de frecuencia 10 o superior.

Autores:

• Nicolás Giossa
• Santiago Góngora

Tutor: Luis Chiruzzo

Citation

If you use some of these resources, please cite:

@inproceedings{gongora-etal-2021-experiments,
    title = "Experiments on a {G}uarani Corpus of News and Social Media",
    author = "G{\'o}ngora, Santiago  and
      Giossa, Nicol{\'a}s  and
      Chiruzzo, Luis",
    booktitle = "Proceedings of the First Workshop on Natural Language Processing for Indigenous Languages of the Americas",
    month = jun,
    year = "2021",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.americasnlp-1.16",
    doi = "10.18653/v1/2021.americasnlp-1.16",
    pages = "153--158",
}

or

@inproceedings{gongora-etal-2022-use,
    title = "Can We Use Word Embeddings for Enhancing {G}uarani-{S}panish Machine Translation?",
    author = "G{\'o}ngora, Santiago  and
      Giossa, Nicol{\'a}s  and
      Chiruzzo, Luis",
    booktitle = "Proceedings of the Fifth Workshop on the Use of Computational Methods in the Study of Endangered Languages",
    month = may,
    year = "2022",
    address = "Dublin, Ireland",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2022.computel-1.16",
    doi = "10.18653/v1/2022.computel-1.16",
    pages = "127--132",
}