La faible qualité de la traduction des langues à faibles ressources est depuis longtemps un point sensible dans le domaine de la recherche sur la traduction automatique à l’ère numérique. Actuellement, les algorithmes et modèles associés ont obtenu des résultats significatifs dans la traduction des langues à fortes ressources, dépassant même les performances humaines ; cependant, pour les langues à faibles ressources, l'incohérence des connaissances internes et externes des modèles linguistiques conduit à une faible capacité de lecture, de compréhension et de traduction par la machine. Cet article analyse les ontologies et les contenus de connaissances dans les langues à faibles ressources, et explore l’efficacité des connaissances à faibles ressources pour améliorer la qualité de la traduction automatique de ces langues. Sur cette base, cet article construit et améliore un modèle de connaissances à faibles ressources basé sur des hiérarchies, des groupes et des bases de connaissances, afin d'équilibrer les connaissances internes et externes nécessaires aux modèles de traduction automatique des langues à faibles ressources, améliorant ainsi la qualité des traductions.

qualité de la traduction automatique;langues à faibles ressources;connaissances à faibles ressources;modèle de connaissances à faibles ressources