La Llei Paz Andrade i l'ús del portuguès per a la traducció automàtica al gallec
| Autor | José Ramom Pichel Campos, Iria de Dios Flores, Pablo Gamallo Otero, Marco Neves |
| Cargo | Investigador pós-doutorado em tecnologias da linguagem no Centro de Investigación en Tecnoloxías Intelixentes da Universidade de Santiago de Compostela (CITIUS)/Investigadora pós-doutorado em tecnologias da linguagem no CITIUS da Universidade de Santiago de Compostela/Professor titular em tecnologias da linguagem no CITIUS da Universidade de ... |
| Páginas | 35-55 |
REVISTA DE LLENGUA I DRET #78
JOURNAL OF LANGUAGE AND LAW
A LEI PAZ-ANDRADE E O APROVEITAMENTO DO PORTUGUÊS PARA A TRADUÇÃO
AUTOMÁTICA EM GALEGO
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo, Marco Neves*
Resumo
Para a tradução automática baseada em corpus, seja estatística ou neuronal, são necessários grandes volumes de traduções
humanas entre duas línguas. Algumas línguas com poucos recursos não têm volumes sucientemente grandes, mas poderá
haver acesso a recursos de línguas ou variedades vizinhas. Contudo, se existem entre ambas relações de parentesco
controversas de uma perspetiva sociolinguística, reforçadas por quadros legais, poderão existir entraves institucionais ao
desenvolvimento de tradutores automáticos ocialmente reconhecidos pelas autoridades linguísticas da língua com menos
recursos. Neste artigo veremos como uma lei, que descongela as polémicas relações linguísticas galego-portuguesas (Lei
Paz-Andrade), facilita legalmente o desenvolvimento de tradutores automáticos neuronais (NMT) com bons resultados para
o galego, graças à utilização de corpora de português. Finalmente, propõe-se, a partir desta experiência, um método que
pode ser aplicado a outras línguas com relações de parentesco controversas para o desenvolvimento de tradutores neuronais.
Palavras chave: Lei Paz-Andrade; legislação linguística; tradução automática; política linguística; galego; português.
THE PAZ-ANDRADE LAW AND THE USE OF PORTUGUESE FOR AUTOMATED
TRANSLATION IN GALEGO
Abstract
In order to obtain high-quality corpus-based, statistical and neural machine translation, large volumes of human
translations are needed between the two languages. Some low-resource languages do not have this volume of resources,
but resources may be accessible from close-related languages or variants. Nevertheless, it is difcult to develop machine
translation systems that are ofcially recognized by the language authorities of the language with fewer resources if
there are sociolinguistic controversies with respect to their relatedness, further strengthened by legal frameworks. In
this article, we will see how a law that untangles the controversial Galician-Portuguese linguistic relations (i.e., Paz-
Andrade Law) legally facilitates the development of neural machine translation (NMT) systems with good results for
Galician, thanks to the use of Portuguese corpora. Finally, based on this experience, we propose a method to develop
neural translation systems that can be applied in the context of other low-resource languages that, despite being
controversial, have a close relation with a language with greater resources.
Keywords: Paz-Andrade Law; linguistic legislation; automatic translation; language policy; Galician; Portuguese.
* José Ramom Pichel, investigador pós-doutorado em tecnologias da linguagem no Centro de Investigación en Tecnoloxías
Intelixentes da Universidade de Santiago de Compostela (CITIUS), jramon.pichel@usc.es, 0000-0001-5172-6803
Iria de-Dios-Flores, investigadora pós-doutorado em tecnologias da linguagem no CITIUS da Universidade de Santiago de
Compostela, iria.dedios@usc.es, 0000-0002-5941-1707
Pablo Gamallo, professor titular em tecnologias da linguagem no CITIUS da Universidade de Santiago de Compostela, pablo.
gamallo@usc.gal, 0000-0002-5819-2469
Marco Neves, professor auxiliar na NOVA FCSH e investigador no CETAPS, mfneves@fcsh.unl.pt, 0000-0001-7648-9699
Artigo recebido em 10.06.2022. Avaliações às cegas: 26.08.2022 e 27.08.2022. Aceitação da versão nal: 25.10.2022.
Citação recomendada: Pichel, José Ramom, de Dios Flores, Iria, Gamallo, Pablo, e Neves, Marco. (2022). A lei Paz-Andrade e o
aproveitamento do português para a tradução automática em galego. Revista de Llengua i Dret, Journal of Language and Law, 78,
35-55. https://doi.org/10.2436/rld.i78.2022.3845
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 36
Resumo
1 Introdução
2 Trabalhos relacionados
2.1 Língua, política e sociedade
2.1.1 A identidade linguística do galego: uma questão controversa
2.1.2 Políticas linguísticas na Galiza
2.2 Observações linguísticas
2.2.1 Padrão linguístico
2.2.2 Distância linguística
2.3 Tecnologias da linguagem: a tradução automática
2.3.1 SMT e NMT
3 Metodologia
4 Resultados
4.1 Tradutor estatístico de inglês-galego com recursos do português
4.2 Tradutor neuronal de espanhol-galego e de inglês-galego com recursos do português
5 Conclusões
6 Referências
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 37
1 Introdução
A Galiza e Portugal, que partilham uma língua desde a Idade Média (Maia, 1987), estão separados politicamente
desde o século XII, embora sempre tenham mantido relações estreitas (Mattoso, 1986). Como resultado desta
separação, foram iniciados processos institucionais, económicos, culturais e linguísticos diferentes entre a
Galiza e Portugal. No que respeita aos aspetos linguísticos, tem havido desde o século XIX (Torres Feijó,
2019), e continua a haver, uma controvérsia entre os linguistas sobre se as duas variantes românicas faladas a
norte (galego) e a sul (português) da fronteira são ou não a mesma língua. Este tema tornou-se premente com
a mudança de regimes em Portugal e Espanha, em meados da década de 1970, e com as normas linguísticas
previstas na Constituição espanhola e no Estatuto de autonomia galego. Estes dois quadros legislativos, com
base na perceção social da separação linguística, ajudaram a congelar ocialmente as relações linguísticas
galego-portuguesas até muito recentemente.
Assim, a Constituição espanhola de 1978, que estabeleceu um carácter obrigatório para o conhecimento do
castelhano (Artigo 3.º), contribuiu para a substituição progressiva do galego como língua hegemónica pelo
castelhano (Herrero Valeiro, 2003a), apesar de o galego ser na altura a principal língua ambiental na Galiza
(Mira Pérez e Paredes, 2007). Já com a ocialização autonómica do galego em 1981, o galego acabou por
se tornar, institucionalmente, uma língua equidistante entre o castelhano e o português, e, portanto, sem uma
relação institucional especial com o português. Também contribuiu para este processo de distanciamento o
facto de o Estatuto de Autonomia da Galiza não referir uma única vez Portugal ou a língua portuguesa, ao
contrário do que aconteceu na Comunidade Autónoma da Extremadura e, em menor grau, na Comunidade
Autónoma de Castela e Leão. No Estatuto de autonomia extremenho, Portugal é referido quatro vezes, a
começar pelo primeiro artigo. No Estatuto de Autonomia de Castela e Leão, o artigo 66.º estabelece como
prioridade a atenção a dar à relação com Portugal.
Por outro lado, duas leis europeias ajudaram a melhorar as relações galego-portuguesas: o espaço Schengen
(Comissão Europeia, 2011) e a Carta Europeia das Línguas Regionais ou Minoritárias. No primeiro caso, a
eliminação das estruturas fronteiriças entre Estados, como Espanha e Portugal, permitiu melhorar as relações
económicas. No segundo caso, o apoio explícito da Europa à promoção das línguas regionais e minoritárias,
como o galego, contribuiu para a defesa destes idiomas. Desta forma, como diz Piller (2016, p. 35) sobre a
Carta Europeia das Línguas Regionais ou Minoritárias1: “Widely seen as one of the most progressive pieces of
linguistic justice legislation globally, the Charter was designed to protect and promote regional and minority
languages and to enable speakers to use them in private and public life”. O desenvolvimento de tecnologias
para estas línguas, entre outras questões, tornou-se uma necessidade, porque estas tornam mais fácil e mais
barata a comunicação digital, pelo que tal desenvolvimento é recomendado pelos estados europeus que
assinaram a Carta.
Após tentativas anteriores de estabelecer por lei relações privilegiadas entre a Galiza e Portugal (Pérez
González e Martínez Puñal, 1986), em 2014, o Parlamento galego aprovou por unanimidade a Lei Paz-
Andrade, que ajudou a potenciar as relações linguísticas entre galego e português, promovendo na Galiza uma
relação especial com a língua portuguesa a nível institucional, educativo e audiovisual (em conformidade com
a Diretiva 2007/65/CE). Anteriormente, em 2003, um novo padrão para o galego, mais convergente com o
português, ajudou a esta aproximação. Este novo contexto e o novo quadro legislativo permitiram iniciar um
novo processo de relações económicas, culturais e linguísticas entre a Galiza e Portugal, que também teve
reexos nas tecnologias linguísticas em geral e na tradução automática em particular.
Assim, neste artigo, veremos alguns exemplos de como a tradução automática em galego foi abordada durante
o período de congelamento galego-português e como é abordada agora, após a Lei Paz-Andrade, com algumas
experiências realizadas no âmbito do Proxecto Nós.2 Finalmente, com base na experiência galego-portuguesa,
propomos um método para projetos de desenvolvimento tecnológico, que pode ser aplicado noutros contextos
europeus, tais como o romeno-moldavo, amengo-holandês, servo-bósnio-croata, etc.
1 A Carta em versão inglesa.
2 www.nos.gal
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 38
2 Trabalhos relacionados
Nesta secção iremos rever os trabalhos e ideias particularmente relevantes para o objeto do nosso estudo.
Está dividida em três blocos principais. Em primeiro lugar, na secção 2.1, faremos uma análise da situação
do galego e da sua relação com a língua portuguesa de uma perspetiva sociolinguística, atendendo a casos de
identidade e política linguística, bem como da Lei Paz-Andrade e de como ambas afetam o desenvolvimento
de tecnologias da linguagem. Esta análise servirá para fornecer um quadro para a compreensão das reações
aos projetos referidos na secção 2.3. Em segundo lugar, na secção 2.2, adotaremos uma perspetiva linguística
para descrever as questões que ligam ou separam a língua portuguesa da língua galega, concentrando-nos, uma
vez mais, no impacto destas questões no campo do processamento da linguagem natural. Isto irá determinar a
viabilidade da utilização de recursos de uma língua para a outra. Finalmente, na secção 2.3, centrar-nos-emos
no aspeto tecnológico do nosso objeto de estudo — a tradução automática — e nas diferentes tecnologias
utilizadas na tradução automática em galego (RBMT, SMT e NMT).
2.1 Língua, política e sociedade
2.1.1 A identidade linguística do galego: uma questão controversa
Há em todo o mundo diferentes contextos em que existem dúvidas — e por vezes grandes controvérsias
linguísticas — sobre se duas ou mais línguas são, de facto, línguas diferentes ou variantes diferentes da mesma
língua (Rodrigues Fagim, 2001). Tal aconteceu historicamente, por exemplo na Europa, em línguas como
o valenciano e o catalão (Flor, 2012), o amengo e o holandês (Geerts et al., 1978), o moldavo e o romeno
(Ciscel, 2006), as línguas escandinavas (Berg, 2016), ou, mais recentemente o servo-croata, dividido entre o
bósnio, o croata e o sérvio, após a guerra dos Balcãs (Mønnesland, 1997).
Na Península Ibérica, temos o caso controverso da relação linguística entre o galego e o português.
Assim, a consideração do galego como língua distinta do português, ou como uma das variantes da língua
internacionalmente conhecida como português, é uma questão muito discutida (Carvalho Calero, 1990;
Herrero, 2011; Ramallo e Rei-Doval, 2015). Os investigadores concordam num único ponto: na fase inicial
da língua, que corresponde ao período de esplendor medieval tanto na Galiza como no Portugal atual, a
língua era a mesma (Teyssier, 1982; Mariño Paz, 2008). Tradicionalmente, nos estudos linguísticos, nesta
etapa da história, a língua românica é nomeada como galego-português (Maia, 1987), embora alguns autores
recomendem o uso apenas do nome galego (Venâncio, 2020). A partir do século XV, alguns investigadores
consideram que o galego e o português seguiram caminhos divergentes, resultando, na atualidade, em duas
línguas próximas, mas diferentes (H. Monteagudo, 2017). Outros consideram que o galego e o português
continuam a manter uma unidade estrutural suciente para permitir que sejam considerados duas covariantes
da mesma língua, como é o caso do português europeu e do português brasileiro, ou, no caso do espanhol, o
espanhol de Espanha e o espanhol do México ou da Argentina (Henríquez Salido, 2021).
Estas duas conceções da língua na Galiza tomaram a forma de duas propostas diferentes para o padrão
galego a ser estudado nas escolas galegas, uma vez formalizado um estatuto de autonomia para a Galiza em
1981 (Duarte Collazo, 2014). A perspetiva nalmente adotada foi a de que o galego e o português são duas
línguas diferentes (Sánchez Vidal, 2005). Nesta conceção, o galego é uma terceira língua entre o português
e o castelhano. Esta ideologia pode ser chamada de autonomista (Labraña e Vázquez, 1997), uma vez que
concebe o galego como uma língua diferente da portuguesa, presente em diferentes regiões espanholas (Galiza,
Astúrias, Leão e mesmo Extremadura). A outra ideologia, conhecida como reintegracionista, concebe o galego
como uma das variantes da língua portuguesa (Pérez-Barreiro Nolla, 1990), devendo, portanto, convergir com
o resto das variantes do português (por exemplo, Portugal, Brasil, PALOP).
A visão linguística autonomista, sendo a corrente que acabou por se tornar dominante, concebeu, do início da
década de 1980 até hoje, políticas e estratégias que têm como prioridade a geração de recursos linguísticos
próprios para uma língua com um padrão próprio entre o espanhol e o português. Esta conceção repercutiu-se
no desenvolvimento de tecnologias linguísticas (Gómez Guinovart, 2006). Sendo possível a utilização livre
dos recursos linguísticos do português com vista ao seu aproveitamento no galego, estes não eram ocialmente
aceites por não terem o carimbo de autoridade dos organismos linguísticos galegos (Samartim, 2012). Tal
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 39
afetou os desenvolvimentos das tecnologias linguísticas em geral, e no presente caso, a tradução automática,
pois não eram considerados como recursos conáveis, visto não terem esse selo ocial.
2.1.2 Políticas linguísticas na Galiza
Existem diferentes leis linguísticas que se aplicam na Galiza, investigadas por diferentes autores e autoras (X.
Monteagudo, 1990; Ochoa Monzó, 2006; Nogueira López, 2020; Pacho Blanco, 2016), que criam direta ou
indiretamente um quadro de identidade cultural e linguístico não só de reconhecimento do galego, mas também
de autorreconhecimento (Busto Miramontes, 2016), produzindo quadros de relações com outras comunidades
autónomas ou com outros países (Carvalhido, 2017). Estas leis podem ser agrupadas nos seguintes períodos
em relação ao galego: período de proteção do galego e período de proteção do galego e línguas estrangeiras.
No que diz respeito à relação entre o galego e o português, como se segue: período de congelamento e período
de descongelamento galego-português. Estes períodos estão representados na Tabela 1.
Tabela 1. Períodos linguísticos na Galiza e em relação a Portugal
1978–2009 2009–2014 2015–2022
Proteção do galego
Proteção do galego e línguas estrangeiras
Congelamento galego-português
Descongelamento galego-português
No período de proteção do galego, existem diferentes leis, entre as quais destacamos, em primeiro lugar, o
Artigo 3.º da Constituição espanhola de 1978 (Española, 1978), que, tal como o Artigo 4.º da Constituição
espanhola de 1931 (Corcuera Atienza, 2000), ocializam o castelhano como a única língua do Estado,
obrigando os cidadãos galegos a conhecê-la:
Artículo 3. El castellano y las demás lenguas españolas
1. El castellano es la lengua española ocial del Estado.
2. Todos los españoles tienen el deber de conocerla y el derecho a usarla. Las demás lenguas
españolas serán también ociales en las respectivas Comunidades Autónomas de acuerdo
con sus Estatutos.
3. La riqueza de las distintas modalidades lingüísticas de España es un patrimonio cultural
que será objeto de especial respeto y protección.
Artículo 4. El castellano y las demás lenguas españolas
1. El castellano es el idioma ocial de la República. Las demás lenguas españolas serán tam-
bién ociales.
2. Todo español tiene la obligación de saberlo y derecho de usarlo, sin perjuicio de los dere-
chos que las leyes del Estado reconozcan a las lenguas de las provincias o regiones.
3. Salvo lo que disponga en leyes especiales a nadie se le podrá exigir el conocimiento ni el
uso de ninguna lengua regional.
Por outro lado, tendo em conta que a maioria da cidadania galega adulta na década de 1980 se expressava
em galego (González González, 1985), existem duas leis autonómicas que denem a política linguística da
comunidade: o Estatuto de Autonomia (1981) e a Lei de Normalização Linguística (1983). No Estatuto de
Autonomia, arma-se o direito de conhecer o galego no:
Artigo 5
1. A lingua propia de Galicia é o galego.
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 40
2. Os idiomas galego e castelán son ociais en Galicia e todos teñen o dereito de os coñecer
e de os usar.
3. Os poderes públicos de Galicia garantirán o uso normal e ocial dos dous idiomas e po-
tenciarán o emprego do galego en tódolos planos da vida pública, cultural e informativa, e
disporán os medios necesarios para facilita-lo seu coñecemento.
4. Ninguén poderá ser discriminado por causa da lingua.
Com o Artigo 4.º da Lei da Normalização Linguística (1983), a administração local na Galiza passa a ter
também, a partir dessa data, o galego como língua ocial e os topónimos recuperam as suas formas originais
galegas. As questões linguísticas relacionadas com a administração local seriam desenvolvidas posteriormente
na Lei da Administração Local de 1997 (Lei 5/1997):
Artigo 4
1. El gallego, como lengua propia de Galicia, es lengua ocial de las instituciones de la Co-
munidad Autónoma, de su Administración, de la Administración Local y de las Entidades
Públicas dependientes de la Comunidad Autónoma.
2. También lo es el castellano como lengua ocial del Estado.
Para além destas leis obrigatórias, durante o período de proteção do galego, aparece a Carta Europeia das
Línguas Regionais ou Minoritárias como convenção internacional, raticada pelo Reino de Espanha, estando,
portanto, também em vigor na Comunidade Autónoma da Galiza a partir do dia 1 de agosto de 2001. A Carta
faz várias recomendações, com um seguimento, nessa altura bianual, pelo Secretário-Geral do Conselho
da Europa, entre as quais se salienta a promoção da utilização das línguas minoritárias na vida pública,
especialmente na educação, justiça, administração pública e meios de comunicação social, entre outros
sectores3. Por m, o período de promoção do galego termina com o Decreto 124/2007, do governo bipartido
PSOE-BNG (Lastra Muruais, 2010), que abria legalmente a possibilidade de que 50% das disciplinas de
ensino obrigatório fossem lecionadas em galego. Posteriormente, no ano 2010, surgiu o Decreto 79/2010 com
o novo governo do PP, que, em nome da promoção do multilinguismo, inicia o período, ainda em vigor, da
proteção das línguas estrangeiras no ensino, nomeadamente o inglês. A principal novidade deste decreto foi
a possibilidade de consultar as famílias que têm lhos na mesma turma sobre a língua em que querem que
os seus lhos sejam educados. O inquérito às famílias tem uma série de semelhanças com o que mais tarde
cou conhecido como o pin parental (Climent Gallart, 2020, p. 4). Segundo descreve o autor no artigo, e que
traduzimos para português, o pin parental é:
Um pedido dirigido aos diretores das escolas. Este pedido pede à direção da escola que informe
previamente os pais ou tutores, através de uma autorização expressa, sobre qualquer assunto, conversa,
seminário ou atividade que afete questões morais ou sexualmente controversas socialmente, que possam
ser intrusivas para a consciência e privacidade dos seus lhos, para que, como pais, possam conhecê-los
e analisá-los previamente, reetir sobre eles e, nessa base, dar o seu consentimento — ou não — para
que os seus lhos frequentem essa formação.
Tal facilitou, de alguma forma, a equiparação no ensino obrigatório das línguas estrangeiras não nomeadas nem
na Constituição, à língua ocial do Reino de Espanha e à língua própria da Comunidade Autónoma da Galiza
(Villares Naveira, 2010). Como resultado deste período de proteção de línguas estrangeiras, de acordo com
Ramallo (2016, p. 8), o quarto relatório do Comité de seguimento da Carta Europeia das Línguas Regionais ou
Minoritárias do Conselho da Europa de 2016, em relação a este decreto, demonstra preocupação ao descrever:
Tamén hai motivos evidentes de alarma na situación das linguas ociais no sistema educativo, en
concreto o galego en Galicia e o catalán en País Valenciano e Illas Baleares. Nestes tres territorios, hai
en marcha programas trilingües no sistema educativo, o que supón unha menor presenza das linguas
minoritarias.
3 https://www.coe.int/en/web/compass/european-charter-for-regional-or-minority-languages
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 41
Além dos períodos identicados para o galego, existem dois períodos relativos às relações controversas entre o
galego e o português: aquele que podemos chamar de período de congelamento galego-português e o período
de descongelamento galego-português, que teve início com a Lei Paz-Andrade e que detalharemos em seguida.
2.1.2.1 Lei Paz-Andrade para o aproveitamento da língua portuguesa
Em 2014, foi aprovada a chamada Lei Paz-Andrade (Morell, 2019), que encetou na Galiza o reencontro com
o português, suspenso desde o início da década de 1980. Esta lei, inicialmente proposta por uma Iniciativa
Legislativa popular com mais de 17 000 assinaturas (Miranda Gonçalves, 2016), foi aprovada por unanimidade
pelos grupos políticos. A lei resultou do facto de a ideia de uma relação mais estreita com Portugal através da
língua nunca se ter desvanecido na Galiza (Fernández Souto et al. 2019; Quiroga, 2013).
Esta lei centra-se em diferentes áreas que permitem melhorar as relações culturais e económicas entre a Galiza
e Portugal, através do conhecimento do português. Tal reete-se no início dos artigos da Lei Paz-Andrade:
A lingua propia de Galicia, polo feito de ser intercomprensible co portugués, outorga unha valiosa
vantaxe competitiva á cidadanía galega en moitas vertentes, nomeadamente na cultural pero tamén
na económica. Por isto debemos dotarnos de métodos formativos e comunicativos que nos permitan
desenvolvernos con naturalidade nunha lingua que nos é moi próxima e nos concede unha grande
proxección internacional.
As principais prioridades da Lei Paz-Andrade são as seguintes:
• Promoção do ensino do português na educação obrigatória e na sociedade galega em geral, com especial
ênfase na função pública.
• Relações estratégicas entre instituições galegas e portuguesas.
• Promoção de fóruns e eventos para fomentar as relações económicas, culturais, ambientais, desportivas,
etc. entre a Galiza e Portugal.
• Fomentar o intercâmbio e colaboração em produções audiovisuais galego-portuguesas, com especial
atenção ao intercâmbio e colaboração em conformidade com a Diretiva 2007/65/CE do Parlamento
Europeu e do Conselho, relativa aos serviços de comunicação social audiovisual sem fronteiras.
Finalmente, a Lei Paz-Andrade (Lei 1/2014) signicou uma mudança não só para a Galiza, mas também para
Portugal (Rodríguez Fernández, 2018), uma vez que uma comunidade autónoma espanhola, com a categoria
de nacionalidade histórica, se mostrou interessada em dar prioridade à relação linguística, cultural e económica
com Portugal. Esta lei, para além das suas repercussões legislativas e económicas, promoveu uma melhor
relação entre o galego e o português, o que, como veremos abaixo, na área das tecnologias linguísticas,
acelerou a aquisição de recursos do português para serem reutilizados pelo galego, especialmente no campo
da tradução automática.
2.2 Observações linguísticas
Após analisarmos as questões relacionadas com a sociolinguística e as políticas linguísticas, comentaremos
a relação entre o galego e o português a partir de dois aspetos linguísticos: a evolução do padrão galego em
relação ao português e a distância entre os padrões galego e português. No primeiro caso, veremos como
as escolhas linguísticas de um padrão de galego ou outro inuenciam a aproximação ou o distanciamento
em relação ao português. No segundo caso, veremos como existem métricas para o cálculo automático da
distância, o que é importante para saber se podemos utilizar na tradução automática baseada em corpus
(estatística e neural) recursos linguísticos da língua com maiores recursos para uso com a língua com menos
recursos, como no caso do português e do galego.
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 42
2.2.1 Padrão linguístico
O padrão escrito do galego teve dois grandes períodos desde a década de 1980, quando o galego foi incorporado
no ensino obrigatório: menor convergência (1981–2003) e maior convergência (2003–presente) com o padrão
português.
Desde a entrada em vigor do Estatuto de Autonomia, o galego tem sido progressivamente incorporado na
administração galega e na educação obrigatória através das leis acima descritas. A introdução do galego
na educação tornou necessário criar um padrão, que, devido à grande proximidade linguística galego-
portuguesa, poderia convergir mais ou menos com o português (Alonso Pintos, 2005). Como comentamos,
estas possibilidades geraram diferentes controvérsias, evoluções e ruturas no padrão galego (Salgado e
Monteagudo, 1993; H. Monteagudo, 1990), que resumiremos em seguida, mas que já existiam anteriormente
(Montero Santalha, 2001).
Em 1980, uma comissão dirigida pelo Professor Ricardo Carvalho Calero propôs uma norma que mantinha
a unidade linguística galego-portuguesa, com uma ortograa próxima à castelhana para o galego, mas com
algumas características comuns ao português (por exemplo, pronomes enclíticos ligados por hífenes ao verbo)
(Mariño Paz, 2002). Esta norma não foi adotada para a educação pública porque, entre o nal de 1982 e o início
de 1983, foi acordado um novo padrão denominado Normas ortográcas e morfolóxicas do idioma galego, as
quais, como indica Regueiro Tenreiro, foram “fruto de un acuerdo del Instituto de la Lengua Gallega y de la
Real Academia Galega que por ley, Ley de Normalización Lingüística, es la depositaria de la responsabilidad
de cuanto se reere a actualización y normativa lingüística” (1994, p. 41). Por um lado, estas novas regras
deniram a identidade do galego como uma nova língua românica separada do português e do castelhano e,
por outro lado, iniciaram o caminho para a construção de uma língua galega com padrão autónomo (de forma
signicativa com a mesma graa do castelhano, exceto alguns traços como a simplicação de g, j e x num
único símbolo ortográco x, etc.) e promovendo a morfologia comum galego-portuguesa nalguns traços (por
exemplo, plurais em -ais, morfologia -aría e -abel).
A partir desse momento, houve diferentes evoluções (Muñoz Carrobles, 2008), que poderíamos sintetizar em
duas grandes visões (Conde, 2003), embora com muitas subvariantes (Álvarez Cáccamo e Herrero Valeiro
1996), que não aceitaram esta identidade linguística separada do português e esta ortograa posterior. A
primeira foi reconhecida como reintegracionista de mínimos, cujos defensores assumiram como norma um
galego com traços mais convergentes com o português, mas com ortograa na sua maioria convergente com
o castelhano. A segunda cou conhecida como reintegracionista de máximos (Duarte Collazo, 2014), e foi
liderada por Carvalho Calero numa nova associação chamada AGAL (Associaçom Galega da Língua), que
defende a identidade linguística galego-portuguesa e a utilização de uma norma muito próxima ou idêntica à
norma portuguesa europeia para o galego escrito.
Durante este período, as crianças galegas aprenderam na escola que, para além das gralhas comuns no galego
— vulgarismos, hiperessencialismos ou castelhanismos, nomenclatura que também existe nas outras línguas
minoritárias do Reino de Espanha —, havia uma nova categoria que também interferia no equilíbrio do padrão
do galego separado: os lusismos (Silva Domínguez, 2008). Um lusismo é, de acordo com a Real Academia
Galega “un vocábulo ou modo de falar propio do portugués empregado noutra lingua”4. No nosso estudo de
caso, em galego.
Este período do galego separado menos convergente com o português durou entre 1982 e 2003, quando as
posições ocial e de mínimos reintegracionistas chegaram a um acordo no qual, sem modicar a identidade
do galego como língua equidistante entre castelhano e português, foram adotadas opções mais convergentes
com o português de Portugal. A partir deste acordo, que deu lugar a uma nova norma do galego (Instituto da
Lingua Galega, 2004), o galego, mantendo a sua identidade linguística separada do português, aproximou-
se mais do seu padrão em certos aspetos lexicais e morfológicos. Assim, deu-se prioridade às formas
lexicais e morfológicas mais convergentes com as portuguesas, eliminando em alguns casos formas mais
distantes. No campo lexical, podemos destacar: rector por reitor, secta por seita ou estudiar por estudar. No
campo morfológico, os suxos -bel/aría são equiparados a -ble/ería, dando assim como válido: estable e
4 https://academia.gal/dicionario/-/termo/busca/lusismo
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 43
estábel, librería e libraría (dando prioridade a esta última) ou admirable e admirábel. Também nos grupos
consonânticos, a eliminação dos grupos -ct e -cc- após i ou u levou à substituição de producto por produto
ou construcción por construción. Finalmente, vale a pena notar que este acordo se tornou muito visível no
discurso quotidiano por causa de duas palavras de uso frequente: grazas e servizo, que substituíram gracias
e servicio. Também deve ser dada especial atenção ao topónimo da comunidade autónoma, que também está
incluído no presente acordo. Assim, a partir deste acordo, a forma Galiza, a forma mais frequente desde o
nascimento da língua na Idade Média e ainda a única utilizada em Portugal (Montero Santalha, 2008), foi
também reconhecida como uma forma válida dentro do galego. No entanto, o nome ocial permaneceria
inalterado e continuaria a ser Galicia em galego.
A partir da norma do ano 2003, apenas as organizações reintegracionistas, que veem o galego e o português
como duas variantes da mesma língua, são deixadas de fora. Contudo, parece que já não aspiram, exceto
a Associaçom de Estudos Galegos (Henríquez Salido, 2020; Basanta e Regueira, 2017), a que a variedade
galega da língua tenha uma subnorma própria no português, em coordenação com as outras subnormas,
principalmente português europeu e português do Brasil (Henríquez Salido, 2021).
Para concluir esta secção, é importante salientar que, no galego autonómico, pode haver formas lexicais,
morfológicas e sintáticas mais próximas do castelhano ou do português. Por exemplo, o jornal digital galego
Nós5 usa as denominações das feiras para os dias da semana, como em Portugal, enquanto o jornal digital
Praza6 usa luns, martes, mércores, etc. — sendo ambas as opções válidas. Dependendo da instituição, empresa
ou associação, algumas formas podem ser mais aceites do que outras e tal representa um desao para a
concretização, por exemplo, da tradução automática neuronal. O corpus de treino condiciona o resultado que
o tradutor automático neuronal aprende. É por esta razão que utilizar corpora de português no quadro das
polémicas relações galego-portuguesas pode criar diculdades na aceitação ocial de sistemas de tradução
automática neuronal (NMT).
2.2.2 Distância linguística
Nesta secção introduzimos o conceito de distância linguística, que será de particular relevância para a
metodologia apresentada abaixo. De acordo com Pichel Campos (2020, p. 33):
As línguas têm sofrido alterações ao longo da sua história, tanto interna como externamente, em
relação a outras línguas. A m de medir esta evolução, foram propostas abordagens diferentes a partir
de estudos logenéticos, na dialetologia ou na área da aquisição de segunda língua. No domínio do
processamento de línguas naturais, este papel tem cabido à identicação automática das línguas e à
distância entre línguas.
Podemos, portanto, dizer, de forma resumida, que existem métodos provenientes de estudos linguísticos,
como a logenética (Petroni e Serva, 2010), a dialetologia computacional (Nerbonne e Heeringa, 1997), a
aprendizagem de línguas (Chiswick e Miller, 2005), o estudo diacrónico sobre a evolução das línguas (Lai
et al., 2018) ou a dialetologia (Lui e Cook, 2013), e outros que partem da matemática como a identicação
automática de línguas e variantes (Jauhiainen et al., 2019; Zampieri et al., 2015; Molina et al., 2016), os estudos
de economia (Isphording e Otten, 2013), os estudos sobre a dinâmica da sobrevivência linguística (Mira e
Paredes, 2005) o estudo sobre a inteligibilidade mútua entre línguas (Moberg et al., 2007) ou a distância entre
línguas (Pichel Campos, 2020).
Com vista a criar um tradutor para uma língua com poucos recursos, é interessante ver a que distância está
esta língua de outra língua com mais recursos. Se a distância entre as duas for próxima ou muito próxima,
talvez seja possível utilizar os recursos da língua que tem mais recursos na que tem menos recursos. Para o
fazer, teremos de realizar diferentes transformações que dependerão de cada par de línguas. Na Secção 4 de
Resultados, explicaremos algumas transformações possíveis no caso do português e do galego, que é o tema
principal do nosso artigo.
5 https://www.nosdiario.gal/
6 https://praza.gal/
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 44
Assim, no nosso caso particular, uma vez que os sistemas de tradução automática estatística e neuronal utilizam
principalmente grandes corpora de traduções humanas, utilizaremos uma métrica de distância linguística entre
galego e português baseada na métrica da perplexity (Gamallo et al., 2017; Pichel Campos, 2020), porque
calcula especicamente a distância entre corpora de duas línguas.
Como a distância em perplexity é muito próxima entre português e galego7 (distância de 5,84 com o galego,
em comparação com 7,72 com o castelhano), os corpora do português podem ser transformados em corpora
de galego através de diferentes transformações lexicais e ortográcas, permitindo obter tradutores automáticos
para o galego, que, de outra forma, seriam muito dispendiosos em termos de tempo e orçamento.
Por exemplo, podemos transformar aspetos linguísticos e até ortográcos da língua com mais recursos
(português) para a língua com menos recursos (galego), mudando a graa portuguesa nh e lh e ñ e ll do
galego, por exemplo, de caminho para camiño e de coelho para coello, ou mudando o léxico português carro
para coche em galego.
2.3 Tecnologias da linguagem: a tradução automática
Embora existam diferentes aplicações das tecnologias linguísticas para o galego, centrar-nos-emos no caso
particular da tradução automática, uma vez que a utilização de recursos linguísticos do português para o galego
pode ser especialmente relevante. Há duas abordagens principais à tradução automática: uma baseada em
dicionários e regras gramaticais e outra baseada em traduções humanas e aprendizagem automática a partir
destes dados.
A primeira é conhecida como tradução automática baseada em regras, Rule-based Machine Translation
(RBMT) (Koehn, 2009); a segunda era inicialmente conhecida como tradução automática baseada em
estatística (SMT), utilizando agora técnicas de aprendizagem profunda, como tradução automática neuronal,
isto é, Neural Machine Translation (NMT) (Bahdanau et al. 2015). Atualmente, o estado da arte em tradução
automática é a tradução automática neuronal (NMT). No entanto, existem contextos nos quais a tradução
automática com sistemas RBMT continua a ser a que obtém os melhores resultados, como é caso da tradução
de galego, se estiver a ser realizada com variantes românicas próximas, como o português ou o castelhano
(Bayón e Sánchez-Gijón, 2019). O mesmo parece não se aplicar, de acordo com os resultados iniciais, à
tradução automática entre o galego e outras línguas mais distantes.
Em seguida, iremos rever todos estes sistemas para o galego. Para a RBMT a partir do galego ou para o
galego, foram criadas diferentes plataformas desde nais da década de 1990 (Gómez Guinovart, 1997), quer
em software proprietário quer em software livre, especialmente para línguas próximas (português e castelhano)
e para o inglês. Assim, foi desenvolvido um tradutor RBMT de alta qualidade chamado ES-GL (González
González, 2006), que não só trabalhou aspetos léxicos, sintáticos, mas também semânticos. Este sistema foi
desenvolvido em conjunto pela empresa Lucy Ibérica, uma subsidiária na Península Ibérica da Lucy Software,
e o Centro galego de Investigação em Humanidades Ramón Piñeiro. Posteriormente, o projeto Opentrad
(Alegría Loinaz et al., 2006), desenvolvido por várias universidades (Universitat d’Alacant, Universitat
Politècnica de Catalunya, Euskal Herriko Unibersitatea - Universidad del País Vasco e Universidade de
Vigo) e várias empresas (imaxin|software, Elhuyar Fundazioa e Eleka (Rodríguez González et al., 2016)),
gerou dois motores de tradução automática de código aberto chamados Apertium8 (Forcada et al., 2011),
inicialmente concebido para línguas próximas, e Matxin9, concebido para um par de línguas distantes como
o espanhol e o basco.
Posteriormente, foram desenvolvidas várias melhorias no Apertium, o que permitiu a sua evolução para uso
com línguas distantes. Também uma comunidade internacional de código aberto desenvolveu novos pares de
línguas, com mais de 30 pares de línguas estáveis de todo o mundo. Finalmente, podemos destacar, para o
galego, que o sistema de tradução da Xunta de Galicia, chamado Gaio10, e o sistema de tradução da Secretaria-
7 https://gramatica.usc.es/~gamallo/php/distance/index.php
8 https://github.com/apertium
9 http://matxin.elhuyar.eus/
10 http://tradutorgaio.xunta.gal/TradutorPublico/traducir/index
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 45
Geral da Administração Digital de Espanha (PLATA), se baseiam em personalizações e melhorias deste sistema
desenvolvido pela empresa galega imaxin|software (Pichel Campos et al., 2014).
2.3.1 SMT e NMT
Por m, falaremos sobre os sistemas de tradução SMT e NMT, que se baseiam sobretudo em corpora de
traduções humanas. Os primeiros utilizam sistemas estatísticos para gerar traduções e os segundos utilizam
sistemas de aprendizagem profunda (deep learning), tais como redes neuronais articiais (Koehn, 2020).
Entre os protótipos, podemos destacar o sistema chamado Carvalho, desenvolvido em 2008 pela
imaxin|software, que publicou os seus resultados em 2009 e 2010 (Pichel Campos et al., 2010). Para a
tradução entre inglês e galego, a empresa utilizou corpora portugueses e transformou-os em galego. Para tal,
traduziu os corpora de português para o galego utilizando uma versão especial de Apertium (do português para
o galego) desenvolvida pela imaxin|software e transliterando posteriormente as palavras desconhecidas com
um transliterador chamado por2gal11. Este script converte a ortograa do português europeu para a ortograa
atual do galego, muito próxima da castelhana.
O Google Translate incluiu, no ano 2009, o galego no seu sistema de tradução automática12. Nesta primeira
versão, embora não nas atuais, há indícios de que tenha utilizado a mesma estratégia do Carvalho (Campos,
2019), para além de corpora de castelhano e português do Brasil. No entanto, nem sempre foi utilizada a
transliteração, uma vez que manteve o uso da ortograa portuguesa, por exemplo na não eliminação do
hífen para os pronomes enclíticos. Outros sistemas também incorporaram mais tarde o galego, tais como o
da Microsoft13 e o da Yandex14. Posteriormente, foram desenvolvidos diferentes protótipos em sistemas de
aprendizagem profunda (NMT) que também utilizaram esta estratégia para o galego. Diferentes protótipos
estão a ser desenvolvidos no âmbito do Proxecto Nós15 pelo CITIUS que também utilizam, neste caso para o
par espanhol-galego, as mesmas técnicas realizadas em SMT, cujos principais resultados veremos mais tarde.
3 Metodologia
Seguidamente, propomos uma metodologia para que uma língua com poucos recursos possa obter e
transformar corpora a partir de uma língua muito próxima que disponha de recursos sucientes. É importante
notar que entre as duas existiram ou continuam a existir relações controversas de parentesco. Estes corpora
transformados serão utilizados para o treino de sistemas de tradução automática baseados em corpora (SMT
e NMT). Esta metodologia tem sido aplicada ao galego e ao português para o desenvolvimento de tradução
automática (SMT e NMT) para o galego com base em corpus a partir de recursos do português. Neste caso,
o galego tem muitos menos recursos do que o português, há uma distância linguística próxima medida em
perplexity e têm uma relação controversa de parentesco.
É de salientar que este método foi concebido especialmente para sistemas de tradução automática NMT
(embora também funcione para SMT, que já não é o estado da arte), pois estes precisam de enormes quantidades
de corpora de tradução humana entre línguas (corpora paralelos). Isto não invalida outras estratégias para a
construção destes tradutores, tais como não a utilização de corpora paralelos, mas comparáveis (Artetxe et
al., 2017), ou a utilização de corpora polissintéticos (Ortega et al., 2020).
A metodologia é descrita e explicada a seguir:
1. Medir distância linguística: calcular a distância linguística baseada em corpus (distância PLD
baseada em perplexity) entre a língua ou variedade com mais recursos e a língua ou variedade com
menos recursos. Se a distância for próxima ou muito próxima, a utilização de corpora da língua
11 https://github.com/gamallo/port2gal
12 https://ctnl.gal/web/notic.php?ide=301&desc=o_google_translate_incorpora_o_galego
13 https://www.bing.com/translator?from=gl&to=mg&setlang=sw
14 https://translate.yandex.com/?lang=gl-th&text=
15 https://www.lingua.gal/recursos/todos/_/promovelo/contido_607/nos-intelixencia-articial-servizo-lingua-galega
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 46
com mais recursos pode ser adequada para a língua com menos recursos. Caso contrário, vericar
se existe alguma relação de parentesco que relacione as línguas ou variedades (não é necessário ha-
ver métricas matemáticas de cálculo entre línguas, mas sim haver estudos de linguistas que atestem
a existência de um parentesco, como acontece com o bretão e o galês).
2. Vericar controvérsia entre as línguas: investigar se há controvérsia quanto à relação de paren-
tesco entre línguas. Caso haja controvérsia (por exemplo, galego/português, valenciano/catalão,
romeno/moldavo, servo-croata ou sérvio/croata/bósnio), observar o atual quadro legislativo em
relação ao congelamento ou descongelamento legislativo do parentesco entre a língua com menos
recursos e a língua com mais recursos (por exemplo, o galego e o português), pois tal indica a exis-
tência de uma abertura política que atenuaria uma possível rejeição de formas próprias da varieda-
de com mais recursos.
3. Decidir sobre o tipo de desenvolvimento do tradutor automático: após vericar a distância
linguística e o estado atual dos quadros legislativos, decidir sobre o tipo de desenvolvimento a ser
realizado em tradutores automáticos baseados em corpus:
a. Negativo: a distância linguística entre as línguas é elevada ou não há indicação de uma
relação linguística. Neste caso, nenhum desenvolvimento é desejável.
b. Protótipo: se houver distância linguística pouco elevada (perplexity) ou indícios de relação
linguística, e o quadro legislativo não for favorável, desenvolver um protótipo não ocial,
tendo em conta que é muito provável que os organismos linguísticos não permitam que o
tradutor automático tenha estatuto ocial, uma vez que se baseia numa língua relacionada
com a qual existe controvérsia. Ir para o ponto 4 da metodologia.
c. Demonstrador: se a distância linguística estiver próxima e o quadro legislativo for favorá-
vel, desenvolver um demonstrador. Deve notar-se que os resultados podem ser inicialmen-
te relevantes, daí o termo demonstrador. Ir para o ponto 4 da metodologia.
4. Começar a recolher corpora linguísticos da língua com mais recursos para serem transformados em
corpora na língua com menos recursos, a m de treinar os sistemas de tradução automática SMT/
NMT.
5. Finalizar a metodologia.
4 Resultados
A seguir explicaremos os diferentes resultados da aplicação desta metodologia no desenvolvimento de sistemas
de tradução automática estatística (SMT) e neuronal (NMT) para o galego reutilizando recursos linguísticos
do português europeu.
O primeiro resultado está relacionado com a fase de Protótipo da metodologia, uma vez que, na época a que se
reporta (2009), existia um quadro legal de congelamento de relações entre o galego e o português. Também não
existiam medições de distância linguística baseadas em corpus, embora os linguistas defendessem uma relação
especial entre as duas variantes. O dispositivo de tradução gerado foi um protótipo SMT inglês-galego, que
era o estado da arte. Em contraste, o segundo resultado, a que podemos chamar Demonstrador, parte de uma
distância linguística já calculada, que mostrava grande proximidade entre o português e o galego; a distância
foi calculada utilizando uma métrica baseada em perplexity; existia também um quadro legislativo favorável.
Em relação à distância linguística, foi realizado o cálculo da PLD, que vai de 0 a N, sendo a PLD < 8 o valor
de duas línguas/variedades próximas. Quanto maior for o valor de PLD, maior a distância entre as línguas
comparadas (Pichel Campos, 2021). A distância exata entre o galego e o português, utilizando uma ortograa
articial comum construída ad hoc, é PLD: 5,47 (Pichel Campos, 2020). Por uma questão de contraste, é
importante notar que a distância entre duas línguas próximas como o português e o espanhol é PLD: 7,49.
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 47
No que diz respeito a quadros legislativos, é importante notar que a Lei Paz-Andrade descongelou as relações
linguísticas galego-portuguesas, o que permitiu o desenvolvimento ocial de recursos para o galego através
da transformação dos recursos do português. Tal torna muito mais fácil a procura de recursos para a tradução
automática neuronal para o galego. Por m, apresentaremos os resultados de um tradutor de máquina neuronal
de espanhol-galego e inglês-galego construído a partir da transformação de corpora de espanhol-português
e inglês-português no âmbito do Proxecto Nós. Estes resultados são parte de um processo de criação de um
futuro Demonstrador.
4.1 Tradutor estatístico de inglês-galego com recursos do português
Em relação ao tradutor SMT, foi desenvolvido o Carvalho SMT (Campos, 2009; Fernández Malvar et al.,
2010), um protótipo de um tradutor estatístico de inglês-galego que utilizava Moses (Koehn et al., 2007) e o
corpus de inglês-português Europarl para o treino (Koehn, 2005).
Seguindo a metodologia, nessa altura não havia nenhuma métrica quantitativa extraída de corpora (Gamallo et
al. 2017) com base em perplexity, nem havia nenhum quadro legislativo favorável à utilização dos recursos do
português para o galego. No entanto, teorias linguísticas desenvolvidas por diferentes autores (por exemplo,
Carvalho Calero, 1985; Torres Feijó, 2000; Rodrigues Fagim, 2001; Herrero Valeiro, 2003b; Montero Santalha,
2010) levaram à conclusão de que poderia ser interessante experimentar esta abordagem inovadora no campo
das tecnologias linguísticas. Por conseguinte, a nossa metodologia aconselha a geração de um Protótipo. Para
este m, os corpora de inglês-galego utilizados para treinar o sistema de tradução estatística Moses foram
obtidos de corpora de inglês-português transformados utilizando duas técnicas: tradução do corpus paralelo
de português para galego utilizando o tradutor RBMT Apertium e um transliterador ortográco para palavras
desconhecidas. Este transliterador ad hoc converte a ortograa portuguesa para a castelhana, que é a utilizada
atualmente em galego, com exceção de alguns grafemas (por exemplo, x, que é utilizado para g, j e x).
Passemos à análise dos resultados de um ponto de vista qualitativo e quantitativo. Do primeiro ponto de vista,
vejamos como o Carvalho SMT traduz o seguinte texto da Wikipédia em inglês:
Art is the process or product of deliberately arranging elements in a way that appeals to the senses
or emotions. It encompasses a diverse range of human activities, creations, and modes of expression,
including music, literature, lm, sculpture, and paintings. The meaning of art is explored in a branch
of philosophy known as aesthetics.
O resultado foi o seguinte:
Arte é o proceso ou produto de arranxar deliberadamente elementos dunha forma que apela à sentidos
ou emocións. Engloba un diversicado abano de actividades humanas, creacións e modos de expresión,
inclusive da música, da literatura, lmes, escultura e pinturas. O signicado de arte é explotada en un
ramo da losofía conhecida como aesthetics.
Veremos a seguir a mesma tradução feita pelo Google Translate nesse mesmo ano (2 de março de 2010):
A arte é o proceso ou produto de deliberadamente organizar elementos de un modo que pide aos sentidos
ou emocións. Engloba unha variada gama de actividades humanas, creacións, e modos de expresión,
incluíndo a música, literatura, cine, escultura e pintura. O signicado da arte é explotado desde unha
rama da losofía conhecido como estética.
De um ponto de vista quantitativo, para obter a métrica de qualidade de tradução automática BLEU, foi
utilizado um pequeno corpus de referência padrão de 11 500 palavras, que foi desenvolvido na empresa
imaxin|software como resultado da tradução manual de 500 frases de inglês para galego a partir da versão
online do jornal inglês The Guardian. A Tabela 2 apresenta uma comparação entre os resultados em BLEU
do Carvalho SMT e do Google Translate (desenvolvidos quase no mesmo período).
Na altura, este resultado indicava que um tradutor estatístico treinado a partir da transformação de corpora
de português em galego era capaz de conseguir um tradutor de inglês-galego que, estando longe do Google
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 48
Translate, talvez pudesse, com a incorporação de mais corpora livres de inglês-português, conseguir melhores
resultados na tradução automática entre inglês e galego.
Tabela 2. Medidas de comparação BLEU (em 2009) entre Google Translate e Carvalho SMT
SMT inglês-galego galego-inglês
Google Translate 25,59 35,91
Carvalho SMT 15,59 18,95
4.2 Tradutor neuronal de espanhol-galego e de inglês-galego com recursos do português
O ano 2021 viu nascer um projeto na Galiza com o nome Proxecto Nós, liderado pela Xunta de Galicia, que
encomendou ao CITIUS e ao ILG o desenvolvimento de recursos, ferramentas e demonstradores inteligentes
para galego. Um dos subprojectos é o desenvolvimento de sistemas de tradução automática neuronal (NMT),
que arrancou no início de 2022.
Para seguirmos a metodologia, vericamos que há pouca distância linguística entre o português e o galego
e notamos ainda que a Lei Paz-Andrade já foi aprovada em 2014. Também se deve ter em conta que, para
o resultado de distância linguística, a ortograa desempenha um papel relevante (Pichel Campos, 2021),
o que contribui para a possibilidade de utilização de um transliterador para a transformação de um corpus
de português num corpus de galego. Uma vez que a Lei Paz-Andrade descongelou as relações linguísticas
galego-portuguesas, o aumento do número de corpora para galego através da transformação de corpora de
português tornou-se conveniente. Por todas estas razões, foi iniciado o desenvolvimento de um protótipo NMT
de espanhol-galego com vista a gerar um Demonstrador nal, sendo realizadas posteriormente diferentes
experiências com arquiteturas LSTM e Transformer entre os pares espanhol-galego e inglês-galego, a partir
da transliteração de corpora do português (Ortega et al., 2022).
Os corpora que utilizámos para a formação dos sistemas NMT de ES-GL e EN-GL foram recolhidos de
Opus16. Utilizámos o Europarl para os pares ES-PT e EN-PT, com cerca de 2 milhões de frases por língua, e
o OpenSubtitles, que contém mais de 30 milhões de frases em ES-PT e mais de 32 milhões em EN-PT. Além
disso, adicionámos diretamente um minicorpus de espanhol-galego chamado CLUVI com 144 000 frases.
A nossa estratégia de treinar um tradutor automático neuronal de ES-GL e EN-GL baseado nos corpora de ES-
PT e EN-PT transformados em corpora de ES-GL e EN-GL consistiu em duas etapas. Na primeira, utilizámos a
transliteração para criar corpora paralelos de inglês-galego e de espanhol-galego com base na transliteração do
português para o galego dos corpora de inglês-português e de espanhol-português, fazendo uso da ferramenta
de transliteração port2gal17. Na segunda, com este corpus de galego (transliterado), treinámos duas arquiteturas
LSTM e Transformer modelo seq2seq no sistema de tradução automática neural OpenNMT.
No que respeita à LSTM, as principais características foram: duas camadas ocultas, 500 unidades LSTM
ocultas por camada, alimentação de entrada permitida, 13 epochs, batch size de 64. Alterámos também os
parâmetros predenidos do learning rate para 100 000 training steps e 10 000 validation steps. No caso do
Transformer, descrito em Garg et al. (2019), este foi congurado com parâmetros de formação predenidos: 6
camadas para codicação e descodicação e batch size de 4096 tokens. Também modicámos os parâmetros
do learning rate para os mesmos valores que a conguração LSTM. Neste caso, utilizámos a tokenização das
subpalavras, realizada com SentencePiece.
Os melhores resultados do nosso sistema para o par espanhol-galego numa arquitetura LSTM foram de
51,1 BLEU, que estão próximos do estado da arte em RBMT de espanhol-galego sem reutilização do
português, que apresentam um BLEU acima de 60 (Bayón e Sánchez Gijón, 2019). Para o par inglês-galego
os resultados do BLEU, resultantes da utilização de uma arquitetura Transformer, foram: 29,3, o que aumenta
signicativamente os resultados do Carvalho SMT, que apresenta um BLEU de 15,59. Um resumo nal destes
resultados encontra-se na Tabela 3:
16 https://opus.nlpl.eu/
17 https://gramatica.usc.es/~gamallo/port2gal.htm
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 49
Tabela 3. Medidas de comparação BLEU entre Apertium (RBMT), Carvalho (SMT) e Nós (NMT)
espanhol-galego inglês-galego
Apertium (RBMT) > 60 -
Carvalho (SMT) - 15,59
Nós (NMT) 51,1 (LSTM) 29,3 (Transformer)
Estes resultados mostram, por um lado, que a transformação de corpora de espanhol-português em espanhol-
galego através da transliteração ortográca gera resultados de tradução automática de espanhol-galego muito
próximos do estado da arte na arquitetura LSTM. Por outro lado, mostra que, para o caso da tradução automática
de inglês-galego, a mesma transformação, mas neste caso realizada no corpus de inglês-português, gera um
tradutor melhor do que um tradutor estatístico com a arquitetura Transformer. Tal pode estar relacionado com
uma melhor competência dos tradutores neuronais com arquitetura Transformer, com um corpus de inglês-
português transliterado de maior dimensão do que no projeto Carvalho, ou com ambos os fatores.
5 Conclusões
Com base na ideia da relação controversa entre galego e português, criámos um método que pode ser aplicado
a situações semelhantes (por exemplo, servo-croata, dividido em sérvio, bósnio e croata), com o objetivo de
criar sistemas de tradução automática neuronal (NMT) para línguas com poucos recursos.
Uma vez que estes sistemas NMT necessitam fundamentalmente de grandes corpora de traduções humanas
entre as línguas a traduzir (por exemplo, inglês-galego), e estes podem ser escassos para uma das línguas,
utilizamos os corpora de tradução de uma língua próxima com sucientes recursos. Além disso, a m de
descobrir qual é esta língua vizinha, escolhemos uma métrica que calcula a distância entre corpora chamada
perplexity, e observamos se existem quadros legislativos que permitam a utilização dos recursos desta língua
próxima, para que o tradutor NMT a ser construído possa ser ocializado sem qualquer controvérsia.
No caso particular do galego, perplexity indicou que o galego, língua com poucos recursos, tem uma elevada
proximidade com o português, que tem corpora de tradução sucientes em relação a outras línguas. Por
outro lado, a aprovação da Lei Paz-Andrade para o uso do português e as relações com a Lusofonia abriram
uma enorme via que permitiu o aproveitamento ocial do português para a criação de sistemas de tradução
automática (NMT) para o galego.
Nos resultados obtidos no sistema NMT desenvolvido com corpora do português, tanto no par inglês-galego
como no par espanhol-galego, observam-se resultados iniciais interessantes para o par inglês-galego, no
caso dos sistemas SMT, e resultados próximos do estado da arte (RBMT) para o par espanhol-galego. Além
disso, os sistemas de tradução neuronal inglês-galego que utilizam apenas a transliteração (Nós NMT) dos
corpora inglês-português obtêm melhores resultados do que os sistemas de tradução estatística (Carvalho
SMT) no mesmo par. Por m, consideramos que estes resultados permitem considerar como desejável iniciar
a produção de mais sistemas de tradução automática de alta qualidade (NMT) para o galego com base no
aproveitamento do português.
6 Referências
Alegría Loinaz, Iñaki, Arantzabal, Iñaki, Forcada, Mikel, Gómez Guinovart, Xavier, Padró, Lluís, Pichel
Campos, José Ramom, e Waliño, Josu. (2006). OpenTrad: Traducción automática de código abierto
para las lenguas del Estado español. Procesamiento del Lenguaje Natural, 37, 357–358.
Alonso Pintos, Serafín. (2005). Escribir e prescribir. Variación e prescrición ortográca en lingua galega
(1950–1982). Em R. Álvarez Blanco, e H. Monteagudo Romero (Eds.), Norma lingüística e variación,
unha perspectiva desde o idioma galego (pp. 189–199). Consello da Cultura Galega e Instituto da
Lingua Galega. https://doi.org/10.17075/nlv.2005.009
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 50
Álvarez Cáccamo, Celso, e Herrero Valeiro, Mário J. (1996). O “continuum” da escrita na Galiza: entre o
espanhol e o português. Agália: Publicaçom internacional da Associaçom Galega da Lingua, 46,
143–156.
Bahdanau, Dzmitry, Cho, Kyung Hyun, e Bengio, Yoshua. (2015). Neural Machine Translation by Jointly
Learning to Align and Translate. Em Yoshua Bengio, e Yann LeCun (Eds.), 3rd International Conference
on Learning Representations, ICLR 2015, San Diego, CA, USA, May 7–9, 2015, Conference Track
Proceedings (pp. 1–15). https://doi.org/10.48550/arXiv.1409.0473
Basanta, Noemi, e Regueira, Xosé Luís. (2017, 28–30 de junho). Este mapa talvez ajudava a romper
algum preconceito: O valor múltiple da autenticidade no seo do capitalismo global [Apresentação
da conferência]. III Simposi Internacional EDiSo, Desigualtats i nous discursos socials, Universitat
Pompeu Fabra, Barcelona, Spain.
Bayón, María do Campo, e Sánchez-Gijón, Pilar. (2019). Evaluating machine translation in a low-resource
language combination: Spanish–Galician. Em Mikel Forcada, Andy Way, John Tinsley, Dimitar
Shterionov, Celia Rico, e Federico Gaspari (Eds.), Proceedings of Machine Translation Summit XVII:
Translator, Project and User Tracks (pp. 30–35). European Association for Machine Translation.
Berg, Ivar. (2016). The making of the Scandinavian languages. Em Gijsberg Rutten e Kristine Horner (Eds.),
Metalinguistic perspectives on Germanic languages: European case studies from past to present
(pp. 35–55). Peter Lang.
Busto Miramontes, Beatriz. (2016). La Galicia proyectada por NO-DO. La arquitectura del estereotipo
cultural a partir del uso del folclore musical (1943–1981) [Tese de doutoramento]. Universidad
Autónoma de Madrid.
Carvalhido, Xurxo. (2017). Revisão do livro A imagem de Portugal na Galiza de Carlos Quiroga. Boletim da
Academia Galega da Lingua Portuguesa, 10, 283–288.
Carvalho Calero, Ricardo. (1985). O problema ortográco. Agália: Publicaçom internacional da Associaçom
Galega da Lingua, 2, 127–134.
Carvalho Calero, Ricardo. (1990). Do galego e da Galiza. Edicións Sotelo Blanco.
Chiswick, Barry R., e Miller, Paul W. (2005). Journal of Multilingual and Multicultural Development, 26(1),
1–11. https://doi.org/10.1080/14790710508668395
Ciscel, Mathew H. (2006). A separate Moldovan language? Nationalities Papers, 34(5), 575–597. https://doi.
org/10.1080/00905990600952988
Climent Gallart, Jorge Antonio. (2020). El PIN parental y la jurisprudencia del TEDH. Actualidad Jurídica
Iberoamericana, 13, 102–121.
Comissão Europeia. (2011). Europe without borders. The Schengen area.
Conde, Valéria Gil. (2003). História da normatização lingüística do galego: Tendências e conitos [Tese de
doutoramento]. Universidade de São Paulo.
Constitución Española. (1978). Boletín Ocial del Estado, 311 .
Corcuera Atienza, Javier. (2000). La Constitución española de 1931 en la historia constitucional comparada.
Em J. Varela Suanzes (Ed.), Fundamentos: Cuadernos monográcos de teoría del estado, derecho
público e historia constitucional, 2, 629–695.
Duarte Collazo, Silvia. (2014). O estándar galego: reintegracionismo vs. autonomismo. Romanica Olomucensia,
26(1), 1–13. https://doi.org/10.5507/ro.2014.001
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 51
Fernández Souto, Ana Belén, Rúas Araújo, José, e Prada Iglesias, Adriana. (2019). Más allá de la proximidad
cultural: vínculos entre el idioma gallego y el portugués en la negociación internacional. Em Silvia
Montero Küpper, Montse Vázquez Gestal, e Iván Puentes Rivera (Eds.), MonTI. Monografías de
Traducción e Interpretación, 5, 5–71. https://doi.org/10.6035/MonTI.2019.ne5.2
Flor, Vicent. (2012). « Llengua valenciana, mai catala ». Sécessionnisme linguistique et revitalisation
linguistique au Pays valencien (Espagne). Lengas. Revue de sociolinguistique, 72, 133–151.
https://doi.org/10.4000/lengas.119
Forcada, Mikel, Gisnestí-Rosell, Mireia, Nordfalk, Jacob, O’Regan, Jim, Ortiz Rojas, Sergio, Pére-Ortiz, Juan
Antonio, Sánchez Martínez, Felipe, Ramírez-Sánchez, Gema, e Tyers, Francis. (2011). Apertium: a
free/open-source platform for rule-based machine translation. Machine Translation, 25(2), 127–144.
https://doi.org/10.1007/s10590-011-9090-0
Gamallo, Pablo, Pichel Campos, José Ramom, e Alegría, Iñaki. (2017). From language identication to
language distance. Physica A: Statistical Mechanics and its Applications, 484, 152–162. https://doi.
org/10.1016/j.physa.2017.05.011
Garg, Sarthak, Peitz, Stephan, Nallasamy, Udhyakumar, e Paulik, Matthias. (2019). Jointly learning to align
and translate with transformer models. Em Kentaro Inui, Jing Jiang, Vincent Ng, e Xiaojun Wan (Eds.),
Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th
International Joint Conference on Natural Language Processing (EMNLP–IJCNLP) (pp. 4453–4462).
Association for Computational Linguistics. https://doi.org/10.18653/v1/D19-1453
Geerts, Guido, Nootens, Johan, e van den Broeck, Jef. (1978). Flemish attitudes towards dialect and standard
language: A public opinion poll. International Journal of the Sociology of Language, 15, 33–46.
https://doi.org/10.1515/ijsl.1978.15.33
Gómez Guinovart, Xavier. (1997). Traducción automática inglés-español: Estado del arte. Em Isabel
Moskowich, Emma Lezcano e Santiago González Fernández-Corugedo (Eds.), Some sundry wits
gathered together (pp. 31–40). Servizo de Publicacións da Universidade da Coruña.
Gómez Guinovart, Xavier. (2006). Tecnoloxías da lingua galega e normalización lingüística. Em Servizo de
Normalización Linguística (Ed.), Lingua e investigación. II Xornadas sobre lingua e usos (pp. 79–91).
Servizo de Publicacións da Universidade da Coruña.
González González, Manuel. (1985). La recuperación del gallego. Revista de lología románica, 3, 101–120.
González González, Manuel. (2006). A investigación ao servizo da normalización da lingua galega na
sociedade da información. Em Servizo de Normalización Linguística (Ed.), Lingua e investigación.
II Xornadas sobre lingua e usos (pp. 147–163). Servizo de Publicacións da Universidade da Coruña.
Henríquez Salido, Maria do Carmo. (2020). O professor Manuel Rodrigues Lapa e a língua da Galiza.
Conuência: Revista do Instituto de Língua Portuguesa, 58, 9–32. https://doi.org/10.18364/rc.v1i58.373
Henríquez Salido, María do Carmo. (2021). O galego-português, matriz do mundo lingüístico luso-brasileiro.
Caplletra. Revista Internacional de Filologia, 71, 57–94. https://doi.org/10.7203/caplletra.71.21032
Herrero Valeiro, Mário J. (2003a). Ilusões glotopolíticas e planicação linguística na Galiza. Em María del
Carmen Cabeza Pereiro, Anxo M. Lorenzo Suárez, e Xoán Paulo Rodríguez Yáñez (Eds.), Comunidades
e individuos bilingües. Actas do I Simposio Internacional sobre o Bilingüismo: Universidade de Vigo,
Galicia–Spain, 21–25 outubro–october 1997 (pp. 1058–1069). Universidade de Vigo, Servizo de
Publicacións.
Herrero Valeiro, Mário J. (2003b). The discourse of language in Galiza: Normalisation, diglossia, and conict.
Sociolinguistic Studies, 3–4, 289–320. https://doi.org/10.1558/sols.v4i1.289
Herrero Valeiro, Mário J. (2011). Guerra de graas e conito de elites na Galiza contemporânea. Através.
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 52
Instituto da Lingua Galega e Real Academia Galega. (2004). Normas ortográcas e morfolóxicas do idioma
galego. Galaxia.
Isphording, Ingo Eeduard, e Otten, Sebastian. (2013). The Costs of Babylon-Linguistic Distance in Applied
Economics. Review of International Economics, 21(2), 354–369. https://doi.org/10.1111/roie.12041
Jauhiainen, Tommi, Lui, Marco, Zampieri, Marcos, Baldwin, Timothy, e Lindén, Krister. (2019). Automatic
language identication in texts: A survey. Journal of Articial Intelligence Research, 65, 675–782.
https://doi.org/10.1613/jair.1.11675
Koehn, Philipp. (2005). Europarl: A parallel corpus for statistical machine translation. Proceedings of Machine
Translation Summit X: Papers (pp. 79–86).
Koehn, Philipp. (2009). Statistical machine translation. Cambridge University Press. https://doi.org/10.1017/
CBO9780511815829
Koehn, Philipp. (2020). Neural machine translation. Cambridge University Press. https://doi.
org/10.1017/9781108608480
Koehn, Philipp, Hoang, Hieu, Birch, Alexandra, Callison-Burch, Chris, Federico, Marcello, Bertoldi,
Nicola, Cowan, Brooke, Shen, Wade, Moran, Christine, Zens, Richard, Dyer, Chris, Bojar, Ondřej,
Constantin, Alexandra, e Herbst, Evan. (2007). Moses: Open-source toolkit for statistical machine
translation. Em Sophia Ananiadou (Ed.), Proceedings of the 45th Annual Meeting of the Association
for Computational Linguistics. Companion volume. Proceedings of the demo and poster sessions (pp.
177–180). Association for Computational Linguistics https://doi.org/10.3115/1557769.1557821
Labraña, Sabela, e Vázquez, Ignacio. (1997). Escribir en una lengua que escuchamos robada. Quimera. Revista
de Literatura, 158–159, 91–94.
Lai, Mirko, Patti, Viviana, Ruffo, Giancarlo, e Rosso, Paolo. (2018). Stance evolution and Twitter interactions
in an Italian political debate. Em Max Silberztein, Faten Atigui, Elena Kornyshova, Elisabeth Métais,
e Farid Meziane (Eds.), International Conference on Applications of Natural Language to Information
Systems (pp. 15–27). Springer. https://doi.org/10.1007/978-3-319-91947-8_2
Lastra Muruais, Xosé. (2010). O galego e a educación. Galegos= Gallegos, 9, 127–131.
Gobierno de España. (1981). Lei Orgánica 1/1981, do 6 de abril, do Estatuto de Autonomía para Galicia.
Boletín Ocial del Estado: martes 28 de abril de 1981, Núm. 101, 8997–9003.
Lui, Marco, e Cook, Paul. (2013). Classifying English documents by national dialect. Em Sarvnaz Karimi e
Karin Verspoor (Eds.), Proceedings of the Australasian Language Technology Association Workshop
(pp. 5–15). Australasian Language Technology Association.
Maia, Clarinda de Azevedo. (1987). História do galego-português: Estado linguístico da Galiza e do noroeste
de Portugal desde o século XIII ao século XVI: com referência á situação do galego moderno [Tese
de doutoramento]. Universidade de Coimbra.
Malvar Fernández, Paulo, Pichel Campos, José Ramom, Senra, Óscar, e García, Alberto. (2010). Vencendo a
escassez de recursos computacionais. Carvalho: Tradutor Automático Estatístico Inglês-Galego a partir
do corpus paralelo Europarl Inglês-Português. Linguamática, 2(2), 31–38.
Mariño Paz, Ramón. (2002). A obra lingüística de Carvalho Calero. Em Teresa Lopez e Francisco Salinas
(Eds.), Ricardo Carvalho Calero, Memoria do Século (pp. 67–106). Universidade da Coruña. https://
doi.org/10.17979/spudc.9788497497671.067
Mariño Paz, Ramón. (2008). Historia de la lengua gallega. Lincom Europa.
Mattoso, José. (1986). A formação da nacionalidade. Imprensa Nacional–Casa da Moeda.
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 53
Mira, Jorge, e Paredes, Ángel. (2005). Interlinguistic similarity and language death dynamics. Europhysics
Letters, 69(6), 1031–1034.
Mira Pérez, Jorge, e Paredes, Ángel. (2007). Modelado de la competición lingüística gallego-castellano:
denición y obtención de distancia interlingüística y extrapolación a futuro. Revista Real Academia
Galega de Ciencias, 26, 5–16. https://doi.org/10.1209/epl/i2004-10438-4
Miranda Gonçalves, Rubén. (2016). La iniciativa legislativa popular como mecanismo de democracia
participativa: Especial referencia a la Comunidad Autónoma de Galicia. Em Rubén Miranda Gonçalves
(Ed.), Administración pública, juventud y democracia participativa (pp. 153–164). Dirección Xeral de
Xuventude e Voluntariado.
Mobergy, Jens, Gooskens, Charlotte, Nerbonney, John, e Vaillette, Nathan. (2007). Conditional entropy
measures intelligibility among related languages. LOT Occasional Series, 7, 51–66.
Molina, Giovanni, AlGhamdi, Fahad, Ghoneim, Mahmoud, Hawwari, Abdelati, Rey-Villamizar, Nicolas, Diab,
Mona, e Solorio, Thamar. (2016). Overview for the second shared task on language identication in
code-switched data. Em Mona Diab, Pascale Fung, Mahmoud Ghoneim, Julia Hirschberg, e Thamar
Solorio (Eds.), Proceedings of the Second Workshop on Computational Approaches to Code Switching
(pp. 40–49). Association for Computational Linguistics. https://doi.org/10.18653/v1/W16-5805
Monteagudo, Henrique. (1990). Sobre a polémica da normativa do galego. Grial, 28(107), 294–316.
Monteagudo, Henrique. (2017). A lingua no tempo, os tempos da lingua. O galego, entre o portugués e o
castelán. Em Marta Negro Romero, Rosario Álvarez Blanco, e Eduardo Moscoso Mato (Eds.), Gallæcia.
Estudos de linguistica portuguesa e galega (pp. 1760). Universidade de Santiago de Compostela.
Monteagudo, Xoaquín. (1990). A ocialidade da lingua galega: O marco legal. Grial, 28(107), 387–398.
Montero Santalha, José-Martinho. (2001). Alguns testemunhos de reintegracionismo lingüístico galego-
português nos anos 60–70. Agália: Publicaçom Internacional da Associaçom Galega da Lingua, 65,
9–16.
Montero Santalha, José-Martinho. (2008). O nome da Galiza. Boletim da Academia Galega da Língua
Portuguesa, 1, 11–34.
Montero Santalha, José-Martinho. (2010). A lusofonia e a língua portuguesa da Galiza: Diculdades do
presente e tarefas para o futuro. Em Comissom Lingüística da AGAL (Ed.), Por um galego extenso e
útil: Leituras da língua de aquém e de além (pp. 35–55). Através.
Morell, Xosé Carlos. (2019). A Lei Paz Andrade: O valor da categoria internacional. Nós no mundo: A
lusofonía en Galicia, entre a Lei Paz Andrade e a EGAEX, 10, 6–7.
Mønnesland, Svein. (1997). Emerging literary standards and nationalism. The disintegration of Serbo-Croatian.
Em María del Carmen Cabeza Pereiro, Anxo M. Lorenzo Suárez, e Xoán Paulo Rodríguez Yáñez
(Eds.), Actas do I Simposio Internacional sobre o Bilingüismo (pp. 1103–1113). Universidade de Vigo,
Servizo de Publicacións
Muñoz Carrobles, Diego. (2008). Evolución e cambios na normativa ocial do galego (1982–2007). Madrygal:
Revista de Estudios Gallegos, 11, 49–56.
Nerbonne, John, e Heeringa, Wilbert (1997). Measuring dialect distance phonetically. Proceedings of the Third
Meeting of the ACL Special Interest Group in Computational Phonology (pp. 11–18).
Nogueira López, Alba. (2020). Crónica Lexislativa de Galicia 2019: Fin de lexislatura coa normalización
lingüística baixo mínimos. Revista de Llengua i Dret, 73, 216–220.
Ochoa Monzó, Josep. (2006). Antonio Xavier Ferreira Fernández; Alba Nogueira López; Anxo Tato Plaza,
Luis Villares Naviera, «Estatuto xurídico da lingua galega». Revista de Llengua i Dret, 45, 345-349.
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 54
Ortega, John E., Castro Mamani, Richard, e Cho, Kyunghyun. (2020). Neural machine translation with a
polysynthetic low resource language. Machine Translation, 34(4), 325–346. https://doi.org/10.1007/
s10590-020-09255-9
Ortega, John E., de-Dios-Flores, Iria, Gamallo, Pablo, e Pichel, José Ramom. (2022). A neural machine
translation system for Galician from transliterated Portuguese text. Em Miguel Alonso, Margarita
Alonso-Ramos, Carlos Gómez-Rodríguez, David Vilares, e Jesús Vilares (Eds.), Proceedings of the
Annual Conference of the Spanish Association for Natural Language Processing. CEUR Workshop
Proceedings vol. 3224 (pp. 92–95).
Pacho Blanco, José Manuel. (2016). Lenguas y Constitución: El artículo 3 de la Constitución española [Tese
de doutoramento]. Universidade de Vigo.
Pérez-Barreiro Nolla, Fernando. (1990). Which language for Galicia? The status of Galician as an ofcial
language and the prospects for its reintegration with Portuguese. Portuguese Studies, 6, 191–210.
Pérez González, Manuel, e Martínez Puñal, Antonio (1986). El Estatuto de Autonomía de Galicia como
elemento de institucionalización de las relaciones culturales galaico-portuguesas. Universidad del
País Vasco.
Petroni, Filippo, e Serva, Maurizio. (2010). Measures of lexical distance between languages. Physica
A: Statistical Mechanics and its Applications, 389(11), 2280–2283. https://doi.org/10.1016/j.
physa.2010.02.004
Pichel Campos, José Ramom. (2010). Google é reintegracionista. A Nossa Galáxia.
Pichel Campos, José Ramom. (2020). Medidas de distância entre línguas baseadas em corpus. Aplicação à
linguística histórica do galego, português, espanhol e inglês [Tese de doutoramento]. Euskal Herriko
Unibertsitatea/Universidad del País Vasco.
Pichel, José Ramom, Gamallo, Pablo, Alegría, Iñaki, e Neves, Marco. (2021). A methodology to measure the
diachronic language distance between three languages based on perplexity. Journal of Quantitative
Linguistics, 28(4), 306–336. https://doi.org/10.1080/09296174.2020.1732177
Pichel Campos, José Ramom, Malvar, Paulo, Senra Gómez, Oscar, Gamallo, Pablo, e García, Alberto. (2009).
Carvalho: Un sistema de traducción estadística inglés-galego construído a partir del corpus paralelo
inglés-portugués EuroParl. Procesamiento del Lenguaje Natural, 43, 379–381.
Pichel Campos, José Ramom, Vázquez, Diego, Castro, Luz, e Fernández, Antonio. (2014). imaxin|software:
PLN aplicada a la mejora de la comunicación multilingüe de empresas e instituciones. Procesamiento
del Lenguaje Natural, 53, 189–192.
Piller, Ingrid. (2016). Linguistic diversity and social justice: An introduction to applied sociolinguistics. Oxford
University Press. https://doi.org/10.1093/acprof:oso/9780199937240.001.0001
Quiroga, Carlos. (2013). Tradução e Jogo de Tronos-entre Culturas de Falares polissimétricos. Em Mosquera
Carregal e Xesús Manuel (Eds.), Lingua e tradución: IX Xornadas sobre Lingua e Usos (pp. 203–215).
Servizo de Publicacións da Universidade de Santiago de Compostela.
Ramallo, Fernando. (2016). As linguas minorizadas no Estado español (Informe presentado no 82). Congreso
do PEN Internacional.
Ramallo, Fernando, e Rei-Doval, Gabriel. (2015). The standardization of Galician. Sociolinguistica, 29(1),
61–82. https://doi.org/10.1515/soci-2015-0006
Regueiro Tenreiro, Manuel. (1994). Potenciación del uso del gallego y protección de la lengua. Euskera, 1,
39–44.
Rodrigues Fagim, Valentim. (2001). O galego (im)possível. Através.
José Ramom Pichel, Iria de-Dios-Flores, Pablo Gamallo e Marco Neves
A lei da Paz-Andrade e o aproveitamento do português para a tradução automática em galego
Revista de Llengua i Dret, Journal of Language and Law, 78, 2022 55
Rodríguez Fernández, Elías. (2018). Análise e balanço do quadro legislativo para o relacionamento
intercomunitário: O caso da Lei Paz-Andrade [Traballo n de Grao]. Universidade da Coruña.
Rodríguez González, María del Mar, Marauri Castillo, Iñigo, e Pérez Dasilva, Jesús Ángel (2016). Itzultzaile
automatikoak euskaraz, bilakaera eta prestazioak. Mediatika. Cuadernos de Medios de Comunicación,
15, 225–242.
Salgado, Benigno F., e Monteagudo, Henrique. (1993). The standardization of Galician: The state of the art.
Portuguese Studies, 9, 200–213.
Samartim, Roberto. (2012). Língua somos: A construção da ideia de língua e da identidade coletiva na Galiza
(pré-) constitucional. Em Olivia Rodríguez-González, Laura Carballo Piñeiro, e Burghard Baltrusch
(Eds.), Novas achegas ao estudo da cultura galega II: Enfoques socio-históricos e lingüístico-literarios
(pp. 27–36). Universidade da Coruña.
Sánchez Vidal, Paulo. (2005). Unha achega ó estudo do proceso de codicación ortográca e gramatical
da lingua galega (1980–2000). Em Rosario Álvarez Blanco e Henrique Monteagudo Romero (Eds.),
Norma lingüística e variación, unha perspectiva desde o idioma galego (pp. 201–221). Consello da
Cultura Galega. https://doi.org/10.17075/nlv.2005.010
Silva Domínguez, Carme. (2008). Notas sobre “anceio”, un probable lusismo no galego de preguerra. Em
Mercedes Brea López, Francisco Fernández Rei, e Xosé Luis Regueira Fernández (Eds.), Cada palabra
pesaba, cada palabra medía: Homenaxe a Antón Santamaría (pp. 181–192). Universidade de Santiago
de Compostela.
Teyssier, Paul. (1982). História da língua portuguesa. Martins Fontes.
Torres Feijó, Elías J. (2000). Norma lingüística e (inter-)sistema cultural: O caso galego. Em Juan María
Carrasco González, Maria Luísa Leal, e María Jesús Fernández García (Eds.), 1er Encuentro
Internacional de lusitanistas españoles (pp. 967–998). Universidad de Extremadura.
Torres Feijó, Elías J. (2019). Cultura portuguesa e legitimação do sistema galeguista: Historiadores e lólogos
(1880–1891). Em Roberto Samartim e Carlos Pazos Justo (Eds.), Portugal e(m) nós: Contributos para
a compreensão do relacionamento cultural galego-português (pp. 41–84). Húmus.
Venâncio, Fernando. (2020). Assim nasceu uma língua: Sobre as origens do português. Guerra e Paz Editores.
Villares Naveira, Luis. (2010). Estudo sobre a legalidade do “Decreto 79/2010 para o plurilingüismo no ensino
non universitario de Galicia”: Unha perspectiva constitucional. Em Luis Villares Naveira (Ed.), Estudos
xurídicos sobre o decreto para o plurilingüismo (pp. 9–56). Laiovento.
Xunta de Galicia. (2010). Decreto 79/2010, do 20 de maio, para o plurilingüismo no ensino non universitario
de Galicia. Diario Ocial de Galicia, 97, 9242–9247.
Xunta de Galicia. (2014). Lei 1/2014, do 24 de marzo, para o aproveitamento da lingua portuguesa e vínculos
coa lusofonía (Lei Paz-Andrade). Diario Ocial de Galicia, 68, 15608–15610.
Xunta de Galicia. (1983). Lei 3/1983, do 15 de xuño, de normalización lingüística. Diario Ocial de Galicia,
84, 1893–1899.
Zampieri, Marcos, Gebre, Binyam Gebrekidan, Costa, Hernani, e van Genabith, Josef. (2015). Comparing
approaches to the identication of similar languages. Em Preslav Nakov, Marcos Zampieri, Petya
Osenova, Liling Tan, Cristina Vertan, Nikola Ljubešić, e Jörg Tiedemann (Eds.), Proceedings of the
Joint Workshop on Language Technology for Closely Related Languages, Varieties and Dialects (pp.
66–72). Association for Computational Linguistics.
