1 thèse de doctorat 28 octobre 2005 christophe chenon geta-clips-imag vers une meilleure...
TRANSCRIPT
11
Thèse de doctorat Thèse de doctorat 28 octobre 200528 octobre 2005
Christophe ChenonChristophe ChenonGETA-CLIPS-IMAG GETA-CLIPS-IMAG
Vers une meilleure Vers une meilleure utilisabilité des mémoires utilisabilité des mémoires de traduction, fondée sur de traduction, fondée sur
un alignement sous-un alignement sous-phrastiquephrastique
22
La traduction à IBMLa traduction à IBM25 centres de traduction à travers le monde25 centres de traduction à travers le monde Une trentaine de languesUne trentaine de langues En France : 20 millions de mots par anEn France : 20 millions de mots par an Logiciels et texteLogiciels et texte
THAM à mémoires de traductionTHAM à mémoires de traduction Pionniers (~1990 Translation Manager)Pionniers (~1990 Translation Manager) Consiste à réutiliser des traductions déjà faitesConsiste à réutiliser des traductions déjà faites
- Cohérence stylistique, terminologique- Cohérence stylistique, terminologique
- Productivité- Productivité
- Travail en réseau- Travail en réseau
33
FonctionnementFonctionnement
Traducteurs
Texte à
traduire
Textetraduit
N la
ngue
sTranslation Manager
Mémoires de traduction
Le système de THAM utilise des mémoires de traduction
44
55
Principe de fonctionnementPrincipe de fonctionnementOn conserve toutes les traductions…On conserve toutes les traductions…
Le traducteur travaille par « segment »Le traducteur travaille par « segment » Il traduit le segment (avec ou sans aide)Il traduit le segment (avec ou sans aide) On enregistre des « bisegments »On enregistre des « bisegments »
… … pour les réutiliserpour les réutiliser SiSi le segment est déjà traduit dans la mémoire le segment est déjà traduit dans la mémoire
Le système demande (éventuellement) une confirmation au traducteurLe système demande (éventuellement) une confirmation au traducteur SiSi segment n’est pas traduit segment n’est pas traduit
- SoitSoit le système propose des segments « proches » le système propose des segments « proches » => Le traducteur part de l’une des traductions=> Le traducteur part de l’une des traductions- SoitSoit aucun segment de la mémoire n’est proche aucun segment de la mémoire n’est proche => Il faut traduire complètement=> Il faut traduire complètement
On veut proposer mieux au traducteur
66
À traduire
This task will show you how to correct potential mistakes in your text.This task will show you how to correct potential mistakes in your text.
Un scénario « de rêve »…Un scénario « de rêve »…Dans la mémoireDans la mémoire
This tool will help you to correct potential mistakes in your text.This tool will help you to correct potential mistakes in your text.
Cet outil vous aidera à corriger d’éventuelles erreurs dans votre texteCet outil vous aidera à corriger d’éventuelles erreurs dans votre texte..
This task will show you how to change views.This task will show you how to change views.
Dans cette tâche vous apprendrez à modifier les vues.Dans cette tâche vous apprendrez à modifier les vues.
77
À traduire
This task will show you how to correct potential mistakes in your text.This task will show you how to correct potential mistakes in your text.Dans cette tâche vous apprendrez à corriger d’éventuelles erreurs dans votre texte.Dans cette tâche vous apprendrez à corriger d’éventuelles erreurs dans votre texte.
Analyse du scénarioAnalyse du scénarioDans la mémoireDans la mémoire
This tool will help you to correct potential mistakes in your text.This tool will help you to correct potential mistakes in your text.
Cet outil vous aidera à corriger d’éventuelles erreurs dans votre texteCet outil vous aidera à corriger d’éventuelles erreurs dans votre texte..
This task will show you how to change views.This task will show you how to change views.
Dans cette tâche vous apprendrez à modifier les vues.Dans cette tâche vous apprendrez à modifier les vues.
88
Vers un alignement sous-phrastiqueVers un alignement sous-phrastique
ExpliciterExpliciter Correspondances au niveau des motsCorrespondances au niveau des mots Briques traductionnellesBriques traductionnelles Leur agencementLeur agencement
DifficultésDifficultés Déterminer des frontièresDéterminer des frontières Trouver les traductionsTrouver les traductions Rétablir l’ordreRétablir l’ordre
Objectif: enrichissement des mémoiresObjectif: enrichissement des mémoires Formaliser cette information Formaliser cette information Calculer cette informationCalculer cette information À plus long terme: généraliser cette informationÀ plus long terme: généraliser cette information
99
PlanPlan
IntroductionIntroductionModèle pour l’alignementModèle pour l’alignement MotivationsMotivations Illustration du résultat attenduIllustration du résultat attendu Le modèle TransTreeLe modèle TransTree
Acquisition de l’informationAcquisition de l’informationExpérimentationsExpérimentationsApplication et perspectivesApplication et perspectives
1010
Quelques travaux dans ce domaineQuelques travaux dans ce domaine
Correspondances entre analysesCorrespondances entre analyses Synchronous Structured String-Tree CorrespondencesSynchronous Structured String-Tree Correspondences (S-SSTC) (S-SSTC) Al Adhaileh, Tang (Penang)Al Adhaileh, Tang (Penang) Fine-grained Alignment of Multilingual TextsFine-grained Alignment of Multilingual Texts Cyrus, Feddes (Münster)Cyrus, Feddes (Münster)
Analyse bilingueAnalyse bilingue Stochastic Inversion Transduction GrammarsStochastic Inversion Transduction Grammars (SITG) (SITG)
Wu (Hong-Kong)Wu (Hong-Kong)
Tous utilisent une approche symboliquefondée sur des ressources linguistiques
1111
OrOr
Ces approches ont des limites…Ces approches ont des limites… Dépendance vis-à-vis de la langueDépendance vis-à-vis de la langue Coût des ressources linguistiquesCoût des ressources linguistiques
……que ne connaissent pas les environnement que ne connaissent pas les environnement de THAM à mémoire de traductionde THAM à mémoire de traduction Succès de cette technologie Succès de cette technologie
On va mettre en œuvre des On va mettre en œuvre des méthodes statistiquesméthodes statistiques
1212
Illustration du résultat attenduIllustration du résultat attendu
1313
Le modèle TransTreeLe modèle TransTree
1414
« « Boîte de dialogueBoîte de dialogue » »
Un diagramme TransTree simple Un diagramme TransTree simple
Amphigrammes
1515
TransTreeTransTreePrincipesPrincipes Bi-arbre n-aire, abstrait, non ordonnéBi-arbre n-aire, abstrait, non ordonné Correspondances chaîne-chaîne non orientéesCorrespondances chaîne-chaîne non orientées
Les nœuds sont des « amphigrammes »Les nœuds sont des « amphigrammes » Briques traductionnelles gigognesBriques traductionnelles gigognes Armature textuelle et points d’insertionArmature textuelle et points d’insertion Feuilles = paire de chaînes de caractères Feuilles = paire de chaînes de caractères
« amphigramme atomique »« amphigramme atomique »
1616
Bi-arbre…Bi-arbre…
1717
PlanPlan
IntroductionIntroductionModèle pour l’alignementModèle pour l’alignementAcquisition de l’informationAcquisition de l’information Ligne directriceLigne directrice Alignements atomiquesAlignements atomiques Structuration des segmentsStructuration des segments Alignements sous-phrastiquesAlignements sous-phrastiques ClassificationClassification
ExpérimentationsExpérimentationsApplication et perspectivesApplication et perspectives
1818
Ligne directriceLigne directrice
Démarche métalinguistiqueDémarche métalinguistique Axe interlingue => digrammes, amphigrammesAxe interlingue => digrammes, amphigrammes Axe syntagmatique => arbres binaires de sécabilitéAxe syntagmatique => arbres binaires de sécabilité Axe paradigmatique => classes, patrons de trad.Axe paradigmatique => classes, patrons de trad.
Démarche statistiqueDémarche statistique Ce qui revient souvent est utile, figéCe qui revient souvent est utile, figé Les exceptions confirment la règle…Les exceptions confirment la règle…
1919
Click OK to close the dialog box
Cliquez sur OK pour fermer la boîte de dialogue
Ligne directriceLigne directrice
2020
Bi-arbre…Bi-arbre…
2121
Mots typographiquesMots typographiques GranularitéGranularité Systèmes d’écriture à séparateursSystèmes d’écriture à séparateurs
Méthode utiliséeMéthode utilisée Meilleurs candidats réciproques par Meilleurs candidats réciproques par
l’information mutuelle (surfréquence)l’information mutuelle (surfréquence) Processus itératifProcessus itératif Placement par moindres croisementsPlacement par moindres croisements Certains mots non appariésCertains mots non appariés
Alignements atomiquesAlignements atomiques
2222
DigrammesDigrammesIdée de baseIdée de base
Couple de mots typographiques vu comme unitéCouple de mots typographiques vu comme unité(avions,had) =/= (avions,planes)(avions,had) =/= (avions,planes)
Désambiguïsation forteDésambiguïsation forteVrai digramme = couple de motsVrai digramme = couple de motsFaux digramme = un mot seulementFaux digramme = un mot seulement
Unité de granularitéUnité de granularité
Chaque segment va être considéré comme une suite de digrammes
Cliquez(Clic) sur() OK(OK) pour(to) fermer(close) la(the) boîte(box) de() dialogue(dialog).
2323
SécabilitéSécabilité Indice de cohésion de chaque séparateurIndice de cohésion de chaque séparateur Permet de constituer des groupes de motsPermet de constituer des groupes de mots Estimée sur une fenêtre glissanteEstimée sur une fenêtre glissante
Structuration des segmentsStructuration des segments
N(gd)N(g) ∙ N(d)
Cliquez sur OK pour fermer la boîte de dialogue
g d
2424
Cliquez sur OK pour fermer la boîte de dialogue
Arbre binaire de sécabilitéArbre binaire de sécabilité
2 6 8 5 7 4 1 3
6
87
2 54
31
2525
Alignements sous-phrastiquesAlignements sous-phrastiques
Passage du binaire au n-airePassage du binaire au n-aire Axe interlingueAxe interlingue Comparaison des arbres binaires de sécabilitéComparaison des arbres binaires de sécabilité Notion de congruenceNotion de congruence
Un amphigramme est constitué avec deux nœuds Un amphigramme est constitué avec deux nœuds dominant le même ensemble de vrais digrammesdominant le même ensemble de vrais digrammes
On prend On prend au moinsau moins deux vrais digrammes, deux vrais digrammes,
=> il peut y en avoir plus : arbre résultant n-aire=> il peut y en avoir plus : arbre résultant n-aire
2626
Click OK to close the dialog box
Cliquez sur OK pour fermer la boîte de dialogue
CongruenceCongruence
2727
Autre exempleAutre exempleThis task shows you how to change views.
Dans cette tâche, vous apprendrez à modifier les vues.
2828
SaturationSaturation
This A shows B howDans cette A B apprendrez
2929
ClassificationClassification
Deux objectifsDeux objectifs FactorisationFactorisation ExtrapolationExtrapolation
Généralisation des amphigrammesGénéralisation des amphigrammes On remplace les amphigrammes fils par des On remplace les amphigrammes fils par des
paradigmes d’amphigrammes (classes)paradigmes d’amphigrammes (classes) Amphigrammes « génériques »Amphigrammes « génériques » Obtention d’une grammaireObtention d’une grammaire
=> TransTree = arbre de dérivation=> TransTree = arbre de dérivation
3030
En résumé…En résumé…
TransTree permet d’exprimer des TransTree permet d’exprimer des correspondances sous-phrastiques dans les correspondances sous-phrastiques dans les mémoires de traductionmémoires de traduction
Le modèle est accompagné d’une méthode Le modèle est accompagné d’une méthode générale d’acquisition de données par voie générale d’acquisition de données par voie statistiquestatistique
3131
PlanPlan
IntroductionIntroduction
Modèle pour l’alignementModèle pour l’alignement
Acquisition de l’informationAcquisition de l’information
ExpérimentationsExpérimentations Données de travailDonnées de travail ÉÉchantillonschantillons
Application et perspectivesApplication et perspectives
3232
Filtrage des mémoiresFiltrage des mémoires
Tous les bisegments ne sont pas utilesTous les bisegments ne sont pas utiles Segments non textuels (balises, code, variables etc.)Segments non textuels (balises, code, variables etc.) Anglais dans le français (ou l’inverse)Anglais dans le français (ou l’inverse) Mauvais découpageMauvais découpage
3333
Volumes Volumes Avant filtrageAvant filtrage Taille des données : 565 MoTaille des données : 565 Mo Nombre de mémoires : 453Nombre de mémoires : 453 Nombre de bisegments : 1 785 684Nombre de bisegments : 1 785 684
Après filtrageAprès filtrage
SegmentsMots
(occurrences)Mots
(prototypes) Hapax
SOURCE 64 658 691 532 18 727 7 376
CIBLE 64 658 758 896 20 334 7 981
3434
Longueur des phrasesLongueur des phrases
Nombre de mots
X 1
000
phra
ses
3535
Echantillon briques traductionnellesEchantillon briques traductionnellesdefault par défaut
database base de données
Click Cliquez sur
password mot de passe
all tous les
output de sortie
viewpoint point de vue
will be sera
Cannot Impossible de
cannot ne peut pas
cannot ne pouvez pas
Buidtime Client de modélisation
as au fur et à mesure que
3636
PlanPlan
IntroductionIntroduction
Modèle pour l’alignementModèle pour l’alignement
Acquisition de l’informationAcquisition de l’information
ExpérimentationsExpérimentations
Application et perspectivesApplication et perspectives
3737
Applications immédiatesApplications immédiates
Aide aux traducteursAide aux traducteurs Améliore la perception de ce qui est utileAméliore la perception de ce qui est utile Permet une édition plus efficacePermet une édition plus efficace
EnseignementEnseignement ÉÉditions bilinguesditions bilingues Permet à l’apprenant d’identifier les correspondancesPermet à l’apprenant d’identifier les correspondances
3838
PerspectivesPerspectivesAlgorithme de production de segments cibleAlgorithme de production de segments cible ClassificationClassification Modèle de traductionModèle de traduction ÉÉvaluation sur la traductionvaluation sur la traductionSystèmes d’écriture sans séparateurSystèmes d’écriture sans séparateurAjuster les indicesAjuster les indices Digrammes, sécabilité, classificationDigrammes, sécabilité, classification Avec un algorithme itératifAvec un algorithme itératif
Diminution du nombre de descripteursDiminution du nombre de descripteursDensification de l’alignementDensification de l’alignement
3939
MerciMerci
4040