Traducción automática de Nahuatl Español usando un modelo de PLN

Abstract

Este trabajo presenta el desarrollo de un sistema de traducción automática del idioma náhuatl español utilizando técnicas de procesamiento de lenguaje natural (PLN) basadas en modelos Transformer. El propósito es contribuir a la preservación de las lenguas indígenas mediante herramientas tecnológicas accesibles. Se inicia con una revisión del contexto sociolingüístico, destacando la amenaza de desaparición de lenguas indígenas como el náhuatl, y la necesidad de estrategias para su revitalización. Luego, se plantea la pregunta de investigación: ¿Es posible construir un modelo de traducción náhuatl-español usando técnicas de aprendizaje automático? Para responderla, se propone una metodología basada en CRISP-DM. Se utilizaron datasets como el corpus del “Don Quijote de la Mancha”, el “Spanish Billion Words Corpus ”yuncorpus especificó náhuatl-español. Se aplicaron técnicas como tokenizacion, le matización, embeddings yWord2Vec para preparar los datos y alimentar un modelo Transformer. Los experimentos demostraronqueelmodelofuncionaaceptablementeconoracionessimples, pero presenta desafíos con textos largos o complejos, especialmente en vocabulario técnico o estructuras polisintéticas propias del náhuatl. A pesar delas limitaciones por escasez de datos y diversidad dialectal, se lograron traducciones comprensibles y se evidencio el potencial de los modelos de PLN en contextos de lenguas de bajos recursos. Se concluye que es viable desarrollar modelos de traducción automática para lenguas indígenas y se proponen futuras líneas de trabajo orientadas a mejorar la calidad del modelo, ampliar el corpus y adaptar la solución a otras lenguas originarias.