Corpus paralelo

El corpus paralelo, también llamado texto paralelo; es un recurso lingüístico formado por textos originales en una lengua y las traducciones de ese mismo texto en una o varias lenguas.[1] Estos textos se alinean para que el segmento traducido se corresponda con el segmento original. La alineación suele ser a nivel oracional, pero también a nivel de párrafo o palabra. Las memorias de traducción facilitan la creación de corpus paralelos porque son almacenes compuestos de textos originales en una lengua alineados con su traducción en otras. Estos corpus no deben confundirse con los corpus comparables o comparativos, que consisten en textos originales en diferentes lenguas, pero que no están traducidos.[2]

El corpus paralelo puede ser bilingüe, formado por dos lenguas, o multilingüe, que incluye más de dos lenguas. Por ejemplo, la Universidad de Santiago de Compostela ha impulsado el proyecto PaCorES Project para preparar una colección de corpus paralelos bilingües donde el español sea la lengua principal. En total, se han compilado cuatro corpus paralelos en las siguientes combinaciones lingüísticas: alemán-español, inglés-español, francés-español y chino-español.[3] Por su parte, las instituciones internacionales han compilado diferentes corpus paralelos multilingües. La Unión Europea ha creado corpus como Europarl,[4][5] DGT-Translation Memory[6] o EurLex a partir de las actas y la documentación oficial del Parlamento Europeo. Estos corpus incluyen todas las lenguas oficiales de la UE. La Organización de las Naciones Unidas también ha compilado un corpus paralelo propio que incluye las grabaciones de las sesiones parlamentarias en seis idiomas: inglés, francés, español, ruso, chino y árabe.[7]

Se utiliza en los estudios de traducción, en especial en la traducción automática y en el desarrollo de sistemas de traducción estadística y neuronal. Además, es de utilidad en la enseñanza de una lengua o en investigaciones lingüísticas.

Véase también

Referencias

  1. ↑ Sánchez Ramos, María del Mar (5 de noviembre de 2019). «Corpus paralelos y traducción especializada: ejemplificación de diseño, compilación y alineación de un corpus paralelo bilingüe (inglés-español) para la traducción jurídica». Lebende Sprachen (en inglés) 64 (2): 269-285. ISSN 1868-0267. doi:10.1515/les-2019-0015. Consultado el 25 de marzo de 2026.
  2. ↑ Cervantes, CVC Centro Virtual. «CVC. Biblioteca fraseológica y paremiológica. «Enfoques actuales para la traducción fraseológica y paremiológica: ámbitos, recursos y modalidades». Recursos en línea sobre corpus y su utilidad para la traducción de UF. Tipos de corpus.». cvc.cervantes.es. Consultado el 25 de marzo de 2026.
  3. ↑ Doval Reixa, Irene; Sánchez Nieto, María Teresa (2026). Parallel Corpora Spanish (PaCorES): A collection of multifunctional parallel corpora. ISSN 0213-2028. doi:10.1075/resla. Consultado el 25 de marzo de 2026.
  4. ↑ Koehn, Philipp (13 de septiembre de 2005). «Europarl: A Parallel Corpus for Statistical Machine Translation». Proceedings of Machine Translation Summit X: Papers: 79-86. Consultado el 24 de marzo de 2026.
  5. ↑ «Europarl Parallel Corpus». www.statmt.org. Consultado el 24 de marzo de 2026.
  6. ↑ Steinberger, Ralf; Eisele, Andreas; Klocek, Szymon; Pilos, Spyridon; Schlüter, Patrick (21-27 Mayo 2012). «DGT-TM: A freely Available Translation Memory in 22 Languages». Proceedings of the 8th international conference on Language Resources and Evaluation (LREC'2012). Istanbul. pp. 454-459.
  7. ↑ United Nations. «Download the UN Parallel Corpus».

Bibliografía

  • Baker, Mona (1998). Routledge encyclopedia of translation studies. London & New York: Taylor & Francis Group, Routledge.
  • Baker, Mona (1993). «Corpus linguistics and translation studies — Implications and applications». En Baker, M., Gill, F. y Tognini-Bonelli, E., eds., Text and technology. (Ámsterdam: John Benjamins): 233–50.
  • Tiedemann J. (2007) ‘Building a Multilingual Parallel Subtitle Corpus’. In Dirix, P., Schuurman, I., Vandeghinste, V. & Van Eynde, F. (eds.). Proceedings of CLIN 17, pp. 147-162. Tufis D., Steinberger R., Pouliquen Bruno, Widiger A., Ignat C., Erjavec T., Varga D. (2006) ‘The JRC-Acquis: A Multilingual Aligned Parallel Corpus with 20+ Languages’. In The 5th International Conference on Language Resources and Evaluation – Proceedings, pp. 2142-2147.
  • Vigier Moreno, Franciso Javier y Sánchez Ramos, María del Mar (2017). «Using parallel corpora to study the translation of legal-system bound terms: the case of names of English and Spanish Courts». En Mitkov, R., ed., Computational and corpus-based phraseology (Berna: Springer): 260–273.
Este artículo ha sido escrito por Wikipedia. El texto está disponible bajo la licencia Creative Commons Attribution-Share Alike 4.0. Pueden aplicarse cláusulas adicionales a los archivos multimedia.