Algoritmo estadístico para el aprendizaje en redes neuronales para la traducción hñähñu-español
DOI:
https://doi.org/10.29059/cienciauat.v20i2.2042Palabras clave:
traducción automática, lengua indígena, hñähñu, español, redes neuronalesResumen
La traducción automática de lenguas indígenas de bajo recurso enfrenta importantes desafíos derivados de la escasez de corpus digitales, la variación dialectal y la complejidad lingüística. El objetivo de este trabajo fue desarrollar y evaluar un traductor automático hñähñu–español basado en una red neuronal perceptrón multicapa entrenada mediante un algoritmo estadístico–probabilístico (EyP), fundamentado en el Teorema del Límite Central. Se generó una metodología que permitiera realizar el ajuste de pesos y sesgos a partir de probabilidades de error estimadas estadísticamente, sin emplear derivadas explícitas, diferenciándolo de los algoritmos clásicos de entrenamiento neuronal como Backpropagation y Levenberg–Marquardt. Se utilizó una estrategia de vectorización a nivel de caracter para representar palabras del hñähñu como vectores numéricos de longitud fija, lo que permitió capturar regularidades fonético–estructurales entre ambas lenguas. El desempeño del traductor se evaluó utilizando un corpus léxico de 145 palabras, métricas estadísticas objetivas a través del error cuadrático medio (ECM), validación cruzada k-fold y comparaciones directas con algoritmos de entrenamiento tradicionales. Los resultados mostraron que el algoritmo EyP alcanzó menores ECM y una convergencia más estable, especialmente en escenarios de datos limitados, aunque con un mayor número de épocas. En conjunto, los hallazgos confirman que el enfoque EyP propuesto constituye una alternativa robusta y viable para la traducción automática hñähñu–español, contribuyendo a la preservación de lenguas indígenas.
Citas
Aguilar-Santiago, C. A. y García-Zúñiga, H. A. (2023). Tecnologías del lenguaje aplicadas al procesamiento de lenguas indígenas en México: una visión general. Lingüística y Literatura, 44(84), 79-102. https://doi.org/10.17533udea.lyl.n84a04
Aharoni, R., Johnson, M., & Firat, O. (2019). Massively multilingual neural machine translation. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computatioal Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers) (pp. 3874-3884).
Allgaier, J. & Pryss, R. (2024). Cross-Validation Visualized: A Narrative Guide to Advanced Methods. Machine Learning and Knowledge Extraction, 6(2), 1378-1388. https://doi.org/10.3390/make6020065
Al-Nazi, Z., Hossain, M. R., & Al-Mamun, F. (2025). Evaluation of open and closed-source LLMs for low-resource language with zero-shot, few-shot, and chain-of-thought prompting. Natural Language Processing Journal, 10, 100124. https://doi.org/10.1016/j.nlp.2024.100124
Anderson, D. R., Sweeney, D. J., Williams, T. A., Camn, J. D., & Martin, K. (2008). Estadística para administración y economía (Tenth edition). Cengage Learning. https://books.google.com.mx/books/about/Estad%C3%ADstica_Para_Administraci%C3%B3n_Y_Econ.html?id=8SfLwAEACAAJ
Antunes, B. A. & Hill, D. R. C. (2024). Reproducibility, replicability and repeatability: A survey of reproducible research with a focus on high performance computing. Computer Science Review, 53, 100655. https://doi.org/10.1016/j.cosrev.2024.100655
Ataman, D. (2025). Machine translation in the era of large language models. Information, 16(9), 723. https://doi.org/10.3390/info16090723
Baruch, I. S., Quintana, V. A., & Reynaud, E. P. (2017). Complex-valued neural network topology and learning applied for identification and control of nonlinear systems. Neurocomputing, 233, 104-115. https://doi.org/10.1016/j.necom.2016.09.109
Bengio, Y., Ducharme, R., Vincent, P., & Jauvin, C. (2003). A neural probabilistic language model. Journal of Machine Learning Research, 3, 1137-1155.
Bird, S. (2020). Decolonising speech and language technology. In Proceedings of the 28th international conference on computational linguistics (pp. 3504-3519).
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. https://doi.org/10.1117/1.2819119
Chang, Y., Wang, X., Wang, J., Wu, Y., Yang, L., Zhu, K.,Chern, K., Yi, X., Wang, C., Ye, W., Zhang, Y., Chang, Y., Yang, Q, & Xie, X. (2024). A survey on evaluation of large languagemodels: Metrics, applications, and methodologies. ACM Computing Surveys. https://doi.org/10.1145/3641289
Çelik, Ö. & Koç, B. C. (2021). TF IDF, Word2vec ve fasttext vektör model yöntemleri ile türkçe haber metinlerinin sınıflandırılması. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 23(67), 121-127. https://doi.org/10.21205/deufmd.2021236710
Choenni, R., Garrette, D., & Shutova, E. (2023). Crosslingual transfer with language-specific subnetworks for low-resource dependency parsing. Computational Linguistics, 49(3), 613-641. https://doi.org/10.1162/coli_a_00482
Chongchong-Li, Y., Liu, Y., & Ma, Z. M. (2024). Neural networks taking probability distributions as input: A framework for analyzing exchangeable networks. Neurocomputing, 584, 127572. https://doi.org/10.1016/j.neucom.2024.127572
De-la-Vega, L. M. (2017) Aprendiendo otomí (Hñähñu). Comisión Nacional para el Desarrollo de los Pueblos Indígenas. [En línea]. Disponible en: https://www.gob.mx/cms/uploads/attachment/file/302157/aprendiendo-otomi-temoaya-estado-de-mexico-web.pdf. Fecha de consulta: 15 de abril de 2025.
De-la-Torre, J. (2025). Transformadores: Fundamentos teóricos y aplicaciones. arXiv. https://arxiv.org/abs/2302.09327
Dyson, L. E., Grant, S., & Hendriks, M. (2016). Indigenous people and mobile technologies. Routledge.
Dyson, L. E., Hendriks, M., & Grant, S. (2007). Information technology and indigenous people. In L. E. Dyson, M. Hendriks, & S. Grant (Eds.), Information Technology and Indigenous People (pp. 1-12). IGI Global. https://doi.org/10.4018/978-1-59904-298-5
Escorza-Sánchez, Y. M., Martínez-Martín, G., Saldaña-Tapia, Y. y Maldonado-Catalán, O. (2018). Aplicación móvil para reforzar el aprendizaje de la lengua Hñähñu. Revista de Tecnología y Educación, 2(6), 23-31. https://www.ecorfan.org/republicofperu/research_journals/Revista_de_Tecnologia_y_Educacion/vol2num6/Revista_de_Tecnolog%C3%ADa_y_Educaci%C3%B3n_V2_N6_4.pdf
Franganillo, J. (2023). Los grandes modelos de lenguaje: una oportunidad para la profesión bibliotecaria. Anuario ThinkEPI, 17. https://doi.org/10.3145/thinkepi.2023.e17a28
Gallardo-Arias, P. (2012). Ritual, palabra y cosmos otomí: yo soy costumbre, yo soy de antigua. UNAM. [En línea]. Disponible en: https://historicas.unam.mx/publicaciones/publicadigital/libros/ritualpalabra/RPC004.pdf. Fecha de consulta: 25 de abril de 2025.
González‑Servín, C., Sidorov, G., Maldonado‑Sifuentes, C. E., & Núñez‑Prado, C. J. (2025). Transformer‑based approaches for purépecha translation: Advancing indigenous language preservation. International Journal of Combinatorial Optimization Problems and Informatics, 16(1), 64-74. https://doi.org/10.61467/2007.1558.2025.v16i1.595
HaCohen, Y., Miller, D., & Yigal, Y. (2020). The influence of preprocessing on text classification using a bag of words representation. Plos One, 15(5), e0232525. https://doi.org/10.1371/journal.pone.0232525
Hernández-Cruz, L., Victoria-Torquemda, M. y Sinclair-Crawford, D. (2010). Diccionario del Hñähñu (otomí) del Valle del Mezquital, estado de Hidalgo. Instituto Lingüístico de verano, A.C. [En línea]. Disponible en: http://docencia.uaeh.edu.mx/estudios-pertinencia/docs/hidalgo-municipios/Valle-Del-Mezquital-Diccionario-Hnahnu.pdf. Fecha de consulta: 15 de abril de 2025.
Hernández-Pérez, Y., Guzmán-Villa, M. G. y Simón-Ñonthe, E. (2020). Un libro electrónico en lengua hñähñu para promover el rescate y la ingesta de alimentos saludables. Revista Lengua y Cultura, 1(2), 77-84. https://doi.org/10.29057/lc.v1i2.5432
Herrera-Poyatos, D., Peláez-González, C., Zuheros, C., Herrera-Poyatos, A., Tejedor, V., Herrera, F., & Montes, R. (2025). An overview of model uncertainty and variability in LLM-based sentiment analysis: challenges, mitigation strategies, and the role of explainability. Frontiers in Artificial Intelligence, 8, 1609097. https://doi.org/10.3389/frai.2025.1609097
Hinton, L. & Hale, K. (2001). The Green Book of Language Revitalization in Practice. Academic Press. https://www.journals.uchicago.edu/doi/10.1086/424555
INEGI, Instituto Nacional de Estadística y Geografía (2024). Estadísticas a propósito del día Internacional de los Pueblos Indígenas. [En línea]. Disponible en: https://www.inegi.org.mx/contenidos/saladeprensa/aproposito/2024/EAP_PueblosInd24.pdf. Fecha de consulta: 15 de abril de 2025.
INEGI, Instituto Nacional de Estadística y Geografía (2015). Encuesta Intercensal 2015. Lenguas indígenas nacionales y su distribución geográfica. Instituto Nacional de Estadística y Geografía. [En línea]. Disponible en: https://www.inegi.org.mx/programas/intercensal/2015/ Fecha de consulta: 15 de abril de 2025.
INALI, Instituto Nacional de Lenguas Indígenas (2015). Estadísticas de la lengua otomí. INALI. [En línea]. Disponible en: https://site.inali.gob.mx/Micrositios/normas/estadisticas_otomi.html. Fecha de consulta: 1 de marzo de 2025
Iyer, V., Malik, B., Zhu, W., Stepachev, P., Chen, P., Haddow, B., & Birch, A. (2024). Exploring very low resource translation with LLMs, The University of Edinburgh’s submission to Americas, NLP 2024 translation task. Proceedings of the 4th Workshop on Natural Language Processing for Indigenous Languages of the Americas, 209-220. https://doi.org/10.18653/v1/2024.americasnlp-1.25
Joshi, P., Santy, S., Budhiraja, A., Bali, K., & Choudhury, M. (2020). The state and fate of linguistic diversity and inclusion in the NLP world. ACL.
Kayri, M. (2016). Predictive abilities of Bayesian regularization and Levenberg–Marquardt algorithms in artificial neural networks: A comparative empirical study on social data. Mathematics and Computational Applications, 21(2), 20. https://doi.org/10.3390/mca21020020
Khoussi, S., Heckert, A., Battou, A., & Bensalem, S. (2021). A neural networks-based methodology for fitting data to probability distributions. En 2021 IEEE/ACS 18th International Conference on Computer Systems and Applications (AICCSA) (pp. 1-7). IEEE. https://doi.org/10.1109/AICCSA53542.2021.9686821
Koehn, P. (2010). Statistical Machine Translation. Cambridge University Press.
Kurniawan, F. W. & Maharani, W. (2020). Indonesian Twitter Sentiment Analysis Using Word2Vec. 2020 International Conference on Data Science and Its Applications (ICoDSA). IEEE. https://doi.org/10.1109/ICoDSA50139.2020.9212906
Lastra, Y. (2010). Los otomíes, su lengua y su historia. Publicaciones del Instituto de Investigaciones Antropológicas, UNAM. https://editorialiia.unam.mx/omp/index.php/publicaciones/catalog/book/otomies_lengua_historia
Linka, K., Schäfer, A., Meng, X., Zou, Z., Karniadakis, G. E., & Kuhl, E. (2022). Bayesian physicsin-formed neural networks for real world nonlinear dynamical systems. Computer Methods in Applied Mechanics and Engineering, 402, 115346. https://doi.org/10.1016/j.cma.2022.115346
López, D. (2025). Dificultades asociadas en el uso de CHATGPT desde la perspectiva del estudiante. CIENCIA UNEMI, 18(47), 87-95. https://doi.org/10.29076/issn.2528-7737vol18iss47.2025pp87-95p
Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. ICLR.
Mohebali, B., Tahmassebi, A., Meyer-Baese, A., & Gandomi, A. H. (2020). Probabilistic neural networks: A brief overview of theory, implementation, and application. In P. Samui, D. T. Bui, S. Chakraborty, & R. C. Deo (Eds.), Handbook of Probabilistic Models (pp. 347-367). Butterworth-Heinemann. https://doi.org/10.1016/B978-0-12-816514-0.00014-X
Nurdin, A., Seno-aji, B., Bustamin, A., & Abidin, Z. (2020). Perbandingan kinerja word embedding Word2Vec, GloVe, dan FastText pada klasifikasi teks. Jurnal Tekno Kompak, 14, 74. https://doi.org/10.33365/jtk.v14i2.732
Oakland, J. & Oakland, R. (2024). Statistical process control and data analytics (8th ed.). Routledge. https://doi.org/10.4324/9781003439080
Ojeda, M. A., Baruch, I. S., & Soria, A. L. (2019). A real-time identification for hand-based movements using Recurrent Complex-Valued Neural Networks. 2019 IEEE 4th Colombian Conference on Automatic Control (CCAC), 1-6. https://doi.org/10.1109/CCAC.2019.8920864
Ojeda-Misses, M. A., Martines-Arano, H., López-Morales, V., Franco-Árcega, A., & Márquez-Grajales, M. (2024). Self-tuned closed-loop controller based on statistical data using a servomechanism. 2024 XXVI Robotics Mexican Congress (COMRob), 27-32. https://doi.org/10.1109/COMRob64055.2024.10777440
Ojeda-Misses, M. A., Martines-Arano, H., Sampedro-Mendoza, A., Franco-Árcega. A. y López-Morales, V. (2025). Diseño de un controlador mediante datos estadísticos en lazo cerrado para un servomecanismo mediante una técnica de autosintonización. RIIIT Revista Internacional de Investigación e Innovación Tecnológica, 12(72). https://riiit.com.mx/apps/site/files_v2450/controlador_hgo._2_riiit_ene-feb_2025.pdf
Ramos‑Aguilar, E., Olvera‑López, J. A., & Olmos‑Pineda, I. (2025). WavLM‑Based Automatic Pronunciation Assessment for Yuhmu Speech: A Low‑Resource Language. Computación y Sistemas, 29(3), 1257-1270. https://doi.org/10.13053/CyS‑29‑3‑5913
Remus, W. & O’Connor, M. (2001). Neural networks for Time-Series Forecasting. In: Armstrong, J. S. (Eds.), Principles of Forecasting. International Series in Operations Research & Management Science, 30. Springer. https://doi.org/10.1007/978-0-306-47630-3_12
Santiago‑Benito, H., Córdova‑Esparza, D. M., Castro‑Sánchez, N. A., García‑Ramirez, T., Romero‑González, J. A., & Terven, J. (2024). Automatic Translation between Mixtec to Spanish Languages Using Neural Networks. Applied Sciences, 14(7), 2958. https://doi.org/10.3390/app14072958
Semmelrock, H., Ross-Hellauer, T., Kopeinik, S., Theiler, D., Haberl, A., Thalmann, S., & Kowald, D. (2025). Reproducibility in machine-learning-based research: Overview, barriers and drivers. IEEE ACCESS 46(2), 211860-211868.https://doi.org/10.1109/ACCESS.2020.3039833
Sennrich & Zhang (2019). Revisiting low-resource neural machine translation: A case study. In Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pages 211-221, Florence, Italy. Association for Computational Linguistics. https://doi.org/10.18653/v1/P19-1021
Singh, S., Kumar, K., & Kumar, B. (2022). Sentiment Analysis of twitter data using TF-IDF and machine learning techniques. 2022 International Conference on Machine Learning, Big Data, Cloud and Parallel Computing (COM-IT-CON). 10.1109/COM-IT-CON54601.2022.9850477.
Suh, N. & Cheng, G. (2025). A survey on statistical theory of deep learning: Approximation, training dynamics, and generative models. Annual Review of Statistics and Its Application, 12, 177-207. https://doi.org/10.1146/annurev-statistics-040522-013920
Vargas-García, I. (2017). Experiencias de un proyecto de revitalización lingüística del hñähñu (otomí) del Valle del Mezquital, Hidalgo. Zeitschrift für romanische Philologie, 133(4), 1064-1090. https://doi.org/10.1515/zrp-2017-0055
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. arXiv. https://doi.org/10.48550/arXiv.1706.03762
Wang, H. & Wang, X. (2025). Enhancing translation accuracy and learning outcomes for low resource languages: AI fine tuning and learner adoption factors. System, 134, 103807. https://doi.org/10.1016/j.system.2025.103807
Yi, Q., Chen, X., Zhang, C., Zhou, Z., Zhu, L., & Kong, X. (2024). Diffusion models in text generation: a survey. PeerJ Computer Science, 10, e1905. https://doi.org/10.7717/peerj-cs.1905
Ying, H., Song, M., Tang, Y., Xiao, S., & Xiao, Z. (2024). Enhancing deep neural network training efficiency and performance through linear prediction. Scientific Reports, 14, Article 15197. https://doi.org/10.1038/s41598-024-65691-0
Publicado
Cómo citar
Licencia
Derechos de autor 2025 Universidad Autónoma de Tamaulipas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Aceptado 2026-05-21
Publicado 2026-07-06
