Avaliação do uso de modelos de aprendizagem profunda na tradução automática de línguas de sinais
| Autor: | Renan Paiva Oliveira Costa, Diego Ramon Bezerra da Silva, Samuel de Moura Moreira, Daniel Faustino Lacerda de Souza, Rostand Edson Oliveira Costa, Tiago Maritan Ugulino de Araújo |
|---|---|
| Jazyk: | English<br />Portuguese |
| Rok vydání: | 2025 |
| Předmět: | |
| Zdroj: | Revista Principia, Vol 62, Iss 0 (2025) |
| Druh dokumentu: | article |
| ISSN: | 1517-0306 2447-9187 |
| DOI: | 10.18265/2447-9187a2022id8053 |
| Popis: | Os modelos recentes de Neural Machine Translation (NMT) podem ser aplicados a idiomas e domínios de poucos recursos sem limitações. Alguns trabalhos investigam se novas técnicas de NMT também podem ser generalizadas para diferentes recursos no que diz respeito à disponibilidade de dados e recursos computacionais. Nesse contexto, o objetivo geral deste estudo foi explorar métodos modernos de NMT e analisar a sua potencial aplicabilidade em contextos de poucos recursos, como é o caso das línguas de sinais. Para uma melhor avaliação, foram adaptados e utilizados alguns modelos promissores identificados no componente de tradução automática da Suíte VLibras e os resultados obtidos foram comparados com aqueles atualmente fornecidos pela atual arquitetura LightConv, sendo utilizado o mesmo corpus bilíngue Português-LIBRAS de treinamento e validação com mais de 70.000 sentenças geradas por linguístas, um dos maiores desse tipo disponíveis no mundo. Os resultados indicam que a adoção de uma das duas arquiteturas de melhor desempenho (Basic Transformer ou ByT5) ajudaria a melhorar a precisão e a qualidade da tradução da Suite VLibras, com um aumento percentual de até 12,73% considerando a métrica BLEU. |
| Databáze: | Directory of Open Access Journals |
| Externí odkaz: |
|