A baixa qualidade da tradução em línguas com poucos recursos tem sido uma dificuldade constante na área de pesquisa de tradução automática na era digital. Atualmente, algoritmos e modelos relacionados alcançaram resultados significativos na tradução de línguas com muitos recursos, até superando o desempenho humano; contudo, a inconsistência do conhecimento interno e externo dos modelos linguísticos em línguas com poucos recursos resulta em baixo desempenho nas capacidades de leitura, compreensão e tradução das máquinas. Este artigo analisa a ontologia e o conteúdo do conhecimento em línguas com poucos recursos, e investiga a eficácia do conhecimento de baixos recursos para melhorar a qualidade da tradução automática dessas línguas. Com base nisso, este artigo constrói e aperfeiçoa um modelo de conhecimento de baixos recursos baseado em linhagens de conhecimento, grupos de conhecimento e bases de conhecimento, equilibrando o conhecimento interno e externo necessário para os modelos de tradução automática dessas línguas e, assim, aprimorando a qualidade das traduções.

qualidade da tradução automática;línguas com poucos recursos;conhecimento de baixos recursos;modelo de conhecimento de baixos recursos