L’objectiu d’aquesta tesi és doble: d’una banda, millorar un sistema de traducció automàtica estadística mitjançant la incorporació d’informació lingüística, i de l’altra, ampliar la descripció d’alguns trets de la llengua de signes catalana (LSC). La descripció ha anat associada al procés d’anotació del corpus, i han pres especial rellevància els adverbis bucals, dels quals no hem trobat cap classificació que s’adeqüés a les nostres dades. Els experiments portats a terme tenen en compte aquests adverbis, però també morfemes manuals i marques de tòpic en LSC. Els textos en català inclouen informació de lema i categoria gramatical. A més, considerem la puntuació ortogràfica en totes dues llengües. L’avaluació dels resultats, complementada per una anàlisi estadística, mostra que la informació de l’LSC i la puntuació milloren significativament la traducció, mentre que els factors del català no semblen rellevants. / The aim of this thesis is twofold: on the one hand, to improve a statistical machine translation system by incorporating linguistic information, and on the other hand, to extend the description of some features of Catalan Sign Language (LSC). The description has been associated with the corpus annotation process, where mouth adverbs have taken special relevance, since we did not found any classification that matches our data. The experiments carried out take into account these adverbs, but also manual morphemes and topic markers in LSC. The Catalan texts include lemma and part of speech information. Furthermore, we consider orthographic punctuation in both languages. The evaluation of results, complemented by a statistical analysis, shows that the information in LSC and punctuation significantly improve the translation, while the Catalan factors do not seem relevant.

No description available.

No description available.

Aquesta tesi descriu una gramàtica de Generació que combina regles escrites a mà i tècniques d'aprenentatge automàtic. Aquesta gramàtica pertany a un sistema de Traducció Automàtica de qualitat comercial desenvolupat a Microsoft Research. La primera part presenta la gramàtica i les principals estratègies lingüístiques que aquesta gramàtica implementa. Els requeriments de robustesa que reclama l'ús real del sistema de TA, exigeix del Generador un esforç suplementari que es resol afegint un nivell de pre-generació, capaç de garantir la integritat de l'entrada, sense incorporar elements ad-hoc en les regles de la gramàtica. A la segona part, explorem l'ús dels classificadors d'arbres de decisió (DT) per tal d'aprendre automàticament una de les operacions que tenen lloc al mòdul de pre-generació, en concret la selecció lèxica del verb copulatiu en espanyol (ser o estar). Mostrem que és possible inferir a partir d'exemples els contextos per aquest fenòmen lingüístic no trivial, amb gran precisió. / This thesis describes a Spanish Generation grammar which combines hand-written rules and Machine Learning techniques. This grammar belongs to a full-scale commercial quality Machine Translation system developed at Microsoft Research. The first part presents the grammar and the linguistic strategies it embodies. The need for robustness in real-world situations in the everyday use of the MT system requires from the Generator an extra effort which is resolved by adding a Pre-Generation layer which is able to fix the input to Generation, without contaminating the grammar rules. In the second part we explore the use of Decision Tree classifiers (DT) for automatically learning one of the operations that take place in the Pre-Generation component, namely lexical selection of the Spanish copula (i.e. ser and estar). We show that it is possible to infer from examples the contexts for this non-trivial linguistic phenomenon with high accuracy.