Traducción de colocaciones para léxicos bilingües: un enfoque estadístico

Las colocaciones son notoriamente difíciles de traducir para los hablantes no nativos, principalmente porque son opacas y no pueden ser traducidas de manera palabra por palabra. Describimos un programa llamado Champollion que, dado un par de corpora paralelos en dos idiomas diferentes y una lista de colocaciones en uno de ellos, produce automáticamente sus traducciones. Nuestro objetivo es proporcionar una herramienta para compilar información léxica bilingüe por encima del nivel de palabra en múltiples idiomas, para diferentes dominios. El algoritmo que utilizamos se basa en métodos estadísticos y produce traducciones de p palabras de colocaciones de n palabras en las que n y p no necesitan ser las mismas. Por ejemplo, Champollion traduce make...decision, employment equity y stock market en prendre...décision, équité en matière d'emploi y bourse respectivamente. Probar Champollion en tres años de corpus de Hansards dio como resultado las traducciones al francés de 300 colocaciones para cada año, evaluadas en un 73% de precisión en promedio. En este documento, describimos las medidas estadísticas utilizadas, el algoritmo y la implementación de Champollion, presentando nuestros resultados y evaluación.