La traduction automatique statistique factorisée : une application à la paire de langues français - roumain

Factored phrase based statistical machine translation : a French - Romanian application

• Auteur / Autrice : Elena-Mirabela Laporte
• Direction : Thierry Grass, Amalia Todiraşcu-Courtier
• Type : Thèse de doctorat
• Discipline(s) : Sciences du langage
• Date : Soutenance le 13/06/2014
• Etablissement(s) : Strasbourg
• Ecole(s) doctorale(s) : École doctorale des Humanités (Strasbourg ; 2009-....)
• Partenaire(s) de recherche : Laboratoire : Linguistique, langues, parole (Strasbourg)
• Jury : Président / Présidente : Francis Grossmann
• Jury : Rapporteurs / Rapporteuses : Ulrich Heid, Dan Tufiş

Mots clés

Mots clés contrôlés

Corpus linguistique

Linguistique comparée

Phraséologie

Traduction en roumain

Français (langue)

Traduction en français

Roumain (langue)

Méthodes statistiques

Histoire

Traduction automatique

Mots clés libres

Traduction automatique statistique

Modèles factorisées

Modèles de traduction

Modèles de langue

Corpus parallèles alignés

Alignement lexical

Systèmes à base de séquences

Langues romanes

Statistical machine translation

Factored models

Translation models

Language models

Aligned parallel corpora

Lexical alignment

Phrase-based systems

Romance languages

Résumé

Un premier objectif de cette thèse est la constitution de ressources linguistiques pour un système de traduction automatique statistique factorisée français - roumain. Un deuxième objectif est l’étude de l’impact des informations linguistiques exploitées dans le processus d’alignement lexical et de traduction. Cette étude est motivée, d’une part, par le manque de systèmes de traduction automatique pour la paire de langues étudiées et, d’autre part, par le nombre important d’erreurs générées par les systèmes de traduction automatique actuels. Les ressources linguistiques requises par ce système sont des corpus parallèles alignés au niveau propositionnel et lexical. Ces corpus sont également segmentés lexicalement, lemmatisés et étiquetés au niveau morphosyntaxique.

Our first aim is to build linguistic resources for a French - Romanian factored phrase - based statistical machine translation system. Our second aim is to study the impact of exploited linguistic information in the lexical alignment and translation process. On the one hand, this study is motivated by the lack of such systems for the studied languages. On the other hand, it is motivated by the high number of errors provided by the current machine translation systems. The linguistic resources required by the system are tokenized, lemmatized, tagged, word, and sentence - aligned parallel corpora.