Télécharger pour lire hors ligne
Tralogy 2013-ttc platform
- 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 deCorpus 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 Enentrée: 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 Outputwith 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