Revisión asistida por ordenador de traducciones - OpenTranslation

José Ignacio Perea Sardón
5.2. Evaluación
Tras optimizar PETRA REV con los resultados de analizar los archivos de la
muestra extraída del conjunto de entrenamiento, el siguiente paso es
aplicarla, fijados los parámetros en los valores óptimos, a los archivos de
la muestra extraída del conjunto de evaluación.
5.2.1. Ortografía y gramática
Para localizar los errores de ortografía presentes en el conjunto de evaluación
se utiliza el diccionario actualizado con los términos añadidos (cf. §
5.1.1). También se examinan los porcentajes de etiquetado conseguidos
antes de actualizar el diccionario, lo que permite hacerse una idea de la
mejora derivada de actualizar el diccionario con los términos desconocidos
procedentes un texto de características similares. En todos estos casos, se
aplicó el pretratamiento del texto descrito en § 5.1.1.
Proyecto
232
Con diccionario inicial Con diccionario actualizado Diferencia
Total
token
Token
etiquetados
%
Total
token
Token
etiquetados
% % 1 % 2
Mozilla 7618 7467 98,02 7618 7470 98,06 0,04 1,99
Ubuntu 97170 96509 99,32 97170 96566 99,38 0,06 8,62
Gnome 82442 81461 98,81 82442 81637 99,02 0,21 17,94
OpenOffice 67188 66858 99,51 67188 66910 99,59 0,08 15,76
KDE 68675 67765 98,67 68675 67783 98,70 0,03 1,98
Otros 86941 85574 98,43 86941 85575 98,43 0,00 0,07
Total 410034 405634 98,93 410034 405941 99,00 0,07 6,98
Tabla 56. Token etiquetados antes y después de la
actualización del diccionario
La tabla 56 indica las diferencias entre el etiquetado conseguido con el
diccionario inicial y el actualizado. Las diferencias entre los dos se indican
tanto respecto al total de token (%1) como respecto al total de token no
etiquetados (%2). Por ejemplo, en el caso de Mozilla, antes se etiquetaban
7467 de 7618 token existentes y quedaban sin etiquetar 151. Tras la actualización
del diccionario, se etiquetan 7470 de 7618 token y quedan sin
etiquetar 148. Es decir, se etiquetan 3 token (151 menos 148) que antes no
se etiquetaban. Este número es muy pequeño respecto al número total de
token, como indica el primer porcentaje %1=(3/7618)=0,04%. No obstante,