Soutenance.final

377 vues

Publié le

gg

Publié dans : Industrie automobile
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
377
Sur SlideShare
0
Issues des intégrations
0
Intégrations
2
Actions
Partages
0
Téléchargements
8
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Soutenance.final

  1. 1. 1 Thèse de doctoratThèse de doctorat 28 octobre 200528 octobre 2005 Christophe ChenonChristophe Chenon GETA-CLIPS-IMAGGETA-CLIPS-IMAG Vers une meilleure utilisabilité desVers une meilleure utilisabilité des mémoires de traduction, fondée surmémoires de traduction, fondée sur un alignement sous-phrastiqueun alignement sous-phrastique
  2. 2. 2 La traduction à IBMLa traduction à IBM 25 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
  3. 3. 3 FonctionnementFonctionnement Traducteurs Texte à traduire Texte traduit Nlangues Translation Manager Mémoires de traduction Le système de THAM utilise des mémoires de traduction
  4. 4. 4
  5. 5. 5 Principe de fonctionnementPrincipe de fonctionnement On 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 mémoirele 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 traduitsegment 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 procheaucun segment de la mémoire n’est proche => Il faut traduire complètement=> Il faut traduire complètement On veut proposer mieux au traducteur
  6. 6. 6 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.
  7. 7. 7 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 scénario 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.
  8. 8. 8 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 informationFormaliser cette information  Calculer cette informationCalculer cette information  À plus long terme: généraliser cette informationÀ plus long terme: généraliser cette information
  9. 9. 9 PlanPlan IntroductionIntroduction Modèle 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’information ExpérimentationsExpérimentations Application et perspectivesApplication et perspectives
  10. 10. 10 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 symbolique fondée sur des ressources linguistiques
  11. 11. 11 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 environnementque ne connaissent pas les environnement de THAM à mémoire de traductionde THAM à mémoire de traduction  Succès de cette technologieSuccès de cette technologie On va mettre en œuvre desOn va mettre en œuvre des méthodes statistiquesméthodes statistiques
  12. 12. 12 Illustration du résultat attenduIllustration du résultat attendu
  13. 13. 13 Le modèle TransTreeLe modèle TransTree
  14. 14. 14 « « Boîte de dialogueBoîte de dialogue » » Un diagramme TransTree simple Un diagramme TransTree simple  Amphigrammes
  15. 15. 15 TransTreeTransTree PrincipesPrincipes  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 caractèresFeuilles = paire de chaînes de caractères « amphigramme atomique »« amphigramme atomique »
  16. 16. 16 Bi-arbre…Bi-arbre…
  17. 17. 17 PlanPlan IntroductionIntroduction Modèle pour l’alignementModèle pour l’alignement Acquisition de l’informationAcquisition de l’information  Ligne directriceLigne directrice  Alignements atomiquesAlignements atomiques  Structuration des segmentsStructuration des segments  Alignements sous-phrastiquesAlignements sous-phrastiques  ClassificationClassification ExpérimentationsExpérimentations Application et perspectivesApplication et perspectives
  18. 18. 18 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…
  19. 19. 19 Click OK to close the dialog box Cliquez sur OK pour fermer la boîte de dialogue Ligne directriceLigne directrice
  20. 20. 20 Bi-arbre…Bi-arbre…
  21. 21. 21 Mots typographiquesMots typographiques  GranularitéGranularité  Systèmes d’écriture à séparateursSystèmes d’écriture à séparateurs Méthode utiliséeMéthode utilisée  Meilleurs candidats réciproques parMeilleurs 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
  22. 22. 22 DigrammesDigrammes Idée 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 forte Vrai digramme = couple de motsVrai digramme = couple de mots Faux 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).
  23. 23. 23 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
  24. 24. 24 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 8 7 2 5 4 31
  25. 25. 25 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 nœudsUn amphigramme est constitué avec deux nœuds dominant le même ensemble de vrais digrammesdominant le même ensemble de vrais digrammes On prendOn 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
  26. 26. 26 Click OK to close the dialog box Cliquez sur OK pour fermer la boîte de dialogue CongruenceCongruence
  27. 27. 27 Autre exempleAutre exemple This task shows you how to change views. Dans cette tâche, vous apprendrez à modifier les vues.
  28. 28. 28 SaturationSaturation This A shows B how Dans cette A B apprendrez
  29. 29. 29 ClassificationClassification Deux objectifsDeux objectifs  FactorisationFactorisation  ExtrapolationExtrapolation Généralisation des amphigrammesGénéralisation des amphigrammes  On remplace les amphigrammes fils par desOn 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
  30. 30. 30 En résumé…En résumé… TransTree permet d’exprimer desTransTree permet d’exprimer des correspondances sous-phrastiques dans lescorrespondances sous-phrastiques dans les mémoires de traductionmémoires de traduction Le modèle est accompagné d’une méthodeLe modèle est accompagné d’une méthode générale d’acquisition de données par voiegénérale d’acquisition de données par voie statistiquestatistique
  31. 31. 31 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
  32. 32. 32 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
  33. 33. 33 VolumesVolumes 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 Segments Mots (occurrences) Mots (prototypes) Hapax SOURCE 64 658 691 532 18 727 7 376 CIBLE 64 658 758 896 20 334 7 981
  34. 34. 34 Longueur des phrasesLongueur des phrases Nombre de mots X1000phrases
  35. 35. 35 Echantillon briques traductionnellesEchantillon briques traductionnelles default 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
  36. 36. 36 PlanPlan IntroductionIntroduction Modèle pour l’alignementModèle pour l’alignement Acquisition de l’informationAcquisition de l’information ExpérimentationsExpérimentations Application et perspectivesApplication et perspectives
  37. 37. 37 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
  38. 38. 38 PerspectivesPerspectives Algorithme de production de segments cibleAlgorithme de production de segments cible  ClassificationClassification  Modèle de traductionModèle de traduction  ÉÉvaluation sur la traductionvaluation sur la traduction Systèmes d’écriture sans séparateurSystèmes d’écriture sans séparateur Ajuster les indicesAjuster les indices  Digrammes, sécabilité, classificationDigrammes, sécabilité, classification  Avec un algorithme itératifAvec un algorithme itératif Diminution du nombre de descripteursDiminution du nombre de descripteurs Densification de l’alignementDensification de l’alignement
  39. 39. 39 MerciMerci
  40. 40. 40

×