La baja calidad de la traducción en lenguas con pocos recursos siempre ha sido un problema en el campo de la investigación en traducción automática en la era digital. Actualmente, los algoritmos y modelos relacionados han logrado resultados significativos en la traducción de lenguas con muchos recursos, incluso superando el desempeño humano; sin embargo, en las lenguas con pocos recursos, la incoherencia entre el conocimiento interno y externo de los modelos lingüísticos provoca un bajo desempeño en la capacidad de lectura, comprensión y traducción de la máquina. Este artículo analiza la ontología y el contenido del conocimiento en lenguas con pocos recursos, y explora la utilidad del conocimiento de bajos recursos para mejorar la calidad de la traducción automática en estas lenguas. Sobre esta base, el artículo construye y perfecciona un modelo de conocimiento de bajos recursos basado en linajes de conocimiento, grupos y bases de conocimiento, equilibrando el conocimiento interno y externo requerido por los modelos de traducción automática para lenguas con pocos recursos, mejorando así la calidad de las traducciones.

calidad de la traducción automática;lenguas con pocos recursos;conocimiento de bajos recursos;modelo de conocimiento de bajos recursos