1.
Plateforme Web TTC: de la compilation de
corpus à l’alignement bilingue
Helena Blancafort (1)
Francis Bouvier(1), Béatrice Daille(2), Ulrich Heid(3), Anita Ramm(3),
(1) Syllabs (Paris), (2)LINA - Université de Nantes, (3) IMS - Universität
Stuttgart
TRALOGY II
18 Janvier 2013, Paris
The research leading to these results has received funding from the European Community's
Seventh Framework Programme (FP7/2007-2013) under grant agreement n° 248005.
18/01/2013 Tralogy II 1

2.
Projet TTC
Traduction, Terminologies et
Corpus Comparables
Objectifs :
1) compilation de terminologies bilingues à partir des corpus
comparables pour la traduction automatique et assistée
3) Démonstrateur de toute la chaîne en ligne  atelier
utilisateurs fin projet (Octobre 2012, Stuttgart)
• 7 langues: FR, EN, DE, ES, LV, RU, ZH
• 7 partenaires, Leader du projet : LINA - Université de
Nantes
18/01/2013 Tralogy II 2

3.
Chaîne TTC
Compilation
de Corpus
Extraction T
Monolingue E
CORPORA & R
Alignement Bilingue M
E
S
Outil de
Gestion
18/01/2013 Tralogy II Terminologique 3

4.
18/01/2013 Tralogy II 4

5.
Chaîne TTC
Module 1
Compilation de Corpus
18/01/2013 Tralogy II 5

6.
1. Compilation de Corpus
Qu’est-ce qu’un crawler ?
Outil pour récupérer de l’information du Web
Crawler thématique: un domaine précis
18/01/2013 Tralogy II 6

7.
Entrée et sortie
En entrée: 4-5 mots clés, termes du domaine recherchés
En sortie:
1) Fichiers textes, utf8, nettoyés
2) Fichiers originaux (pdf, doc, html)
3) Fichiers métadata
18/01/2013 Tralogy II 7

8.
Retour utilisateur – Crawler
Utile pour la création de
terminologies ?
Avantages
 permet de collecter un grand volume de données rapidement
 un atout lors que le traducteur n’a pas de documents, terminologies
du domaine
 outil facil à prendre en main
Options avancées : plusieurs filtres
Type de site: officiel (.gouv)
Filtres : exclure wikipedia
18/01/2013 Tralogy II 8

9.
Retour utilisateur – Crawler
Utile pour la création de
terminologies ?
Désavantages  liées au Web
• surreprésentation de données commerciales ou peu scientifiques, degré de
spécialisation faible
• Pour données spécifiques, relancer plusieurs crawls, paramètres avancées (ex:
articles scientifiques).
• Corpus final composé de données très hétérogènes, difficile à évaluer
• Fournir résumé du crawl : nb de mots, répétition des mots, liste des URL
• Dépendance des langues
• Letton : moins de données sur le web
• Russe : moins de crawl possible (blocage BING)
• Dépendance des moteurs de recherche : services payants
• Contraintes traducteurs : LIMITÉS AU CORPUS DU CLIENT
18/01/2013 Tralogy II 9

10.
Chaîne TTC
Module 2
Extraction Terminologique
Monolingue
18/01/2013 Tralogy II 10

11.
Extraction Terminologique
Monolingue
• En entrée: corpus monolingue
 output Babouk
• En sortie
 format : tabulation (TSV), format terminologique
standard (TBX), format compatible UIMA (XMI)
• Extraction de termes simples et complexes
• Innovation des outils TTC
TTC Term Suite variation terminologique, détection des
élements néoclassiques
méthodes Knowledge-rich vs. knowledge-poor
18/01/2013 Tralogy II 11

12.
Retour utilisateurs
Extraction monolingue
Points forts
• Résultats propres et de qualité, bien présentés
• Utile pour découvrir la terminologie d’un corpus ou d’un
nouveau domaine
Points discutables
• Avis partagé sur les formats: TBX vs. TSV.
• Avis partagé sur la lemmatisation vs. formes
• Avis partagés sur outil via plateforme ou installation.
• Variantes Terminologiques: moins d’intérêt qu’attendu
(plutôt pour filtrer variantes non voulues selon client)
18/01/2013 Tralogy II 12

13.
Demandes des utilisateurs
Extraction monolingue
• Focus sur les abréviations
• Fournir le terme en contexte : montrer plusieurs phrases,
autrement difficile de juger la pertinence du terme par
rapport à un domaine.
• Possibilité de fournir les patrons terminologiques
• Disponible avec Term Suite (à installer)
• Indisponible via la plateforme
18/01/2013 Tralogy II 13

14.
Chaîne TTC
Module 3
Alignement Bilingue
18/01/2013 Tralogy II 14

15.
Alignement bilingue des
terminologies
Pour un terme, plusieurs candidats
Conditions: lexique bilingue, disponible pour certaines
pairs de langues
18/01/2013 Tralogy II 15

16.
Retour Utilisateurs
Alignement Bilingue
Points forts
1) Outil très utile (pas d’autres disponibles)
Points abordés
1) Liste de candidats termes : 4-5 (pas plus!, long à vérifier)
2) Contexte: Montrer les termes en contexte, lien avec les
phrases, autrement difficile d’évaluer une traduction.
3) Fonctions avancées: fonction par défaut suffit.
18/01/2013 Tralogy II 16

17.
Chaîne TTC
Connexion avec
MyETB
(EuroTermBank)
Plateforme Terminologique
18/01/2013 Tralogy II 17

18.
Editing TTC Output with MyETB
• Envoi des résultats terminologiques à la plateforme
• Possibilité de gérer différentes collections terminologiques
• Permet l’édition et gestion des terminologies TTC
 Validation des termes et informations correspondantes
 Suppresion des termes
 Édition (ajout d’informations)
18/01/2013 Tralogy II 18

19.
Retour Utilisateurs
MyETB
Avantages
• Utile d’avoir une plateforme web collaborative pour éditer
les résultats
• Gestion de plusieurs terminologies
Améliorations proposées
• Editer les résultats monolingues TTC et renvoyer à la
plateforme pour alignement bilingue
• Export des résultats format tabulaire simple
18/01/2013 Tralogy II 19

20.
Conclusions
Retour Plateforme Web TTC
Evaluation globale très positive
Points forts
1) Illustration de toute la chaîne sous 1 seule plateforme
2) Interface agréable, prise en main facile
3) Architecture modulaire et possibilité paramétrage des
outils
 Différents profils, différents usages
Points délicats
1) Le web comme ressource pour le travail terminologique
18/01/2013 Tralogy II 20

21.
Thank you!
Merci!
¡Gracias!
Gràcies
Danke!
Paldies
谢谢
спасибо
18/01/2013 Tralogy II 21