Analyse, traitement et traduction des données linguistiques arabes hétérogènes

Analysis, processing and translation of heterogeneous Arabic linguistic data

• Auteur / Autrice : Roya Almostafa
• Direction : Salam Diab-duranton
• Type : Projet de thèse
• Discipline(s) : Etudes Arabes
• Date : Inscription en doctorat le 23/11/2017
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale langues, littératures et sciences humaines
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Linguistique et Didactique des Langues Etrangères et Maternelles

Mots clés

Mots clés libres

Analyse syntaxique

Traitement automatique de la langue arabe (TALA)

Traduction

Lexicon

Automatic processing of the Arabic language (TALA)

Syntaxe

Résumé

Mon projet de thèse prolongera le travail commencé en master 2 (Traduction et Interpretation SIIMIL TRA). Il traitera des données en arabe dialectal appartenant aux parlers de Mashreq (la Syrie, le Liban, la Jordanie, la Palestine et l'Égypte), du Maghreb (la Tunisie) ainsi que les parlers saoudiens. Il se propose notamment d'étudier et de développer des modules d'analyse et de traitement de l'arabizi, très utilisé sur les réseaux sociaux et dans les communications informelles arabophones et bilingues. Mon thèse aura pour titre : L'analyse, le traitement et la traduction des données linguistiques arabes hétérogènes. Elle se présentera en trois parties. La première partie sera consacrée à l'observation et l'analyse du développement de la langue arabe ainsi que les effets historiques et socioculturels sur cette langue au Moyen-Orient et aux conditions qui ont permis l'apparition et l'évolution d'Arabizi. La deuxième partie traitera d'une manière approfondie l'ensemble des phénomènes qui peuvent apparaître dans le corpus traité et fera l'inventaire des problèmes et des difficultés qui existent dans ce genre de corpus, notamment ce qui a trait à la phonétique comme par exemple la transcription du ق que l'on rencontre transcrit soit comme Q, soit comme K ; afin de réaliser le but ultime de ce projet et de disposer des outils de transcription automatisés au maximum ce qui ne peut être simple avec tous ces problèmes de robustesse. Il y sera aussi question de l'étude de la structure lexicale des dialectes soumis à l'étude, dont l'objectif est de valoriser les ressources linguistiques issues de notre corpus. La troisième partie sera consacrée à la traduction vers le français de ce corpus conséquent, issu, comme déjà dit, d'une zone linguistique assez large.

My thesis project will be continuing the work i've already started in Master 2 (Translation and Interpretation SIIMIL TRA). It will be dealing with data in dialectal Arabic belonging to the Mashreq dialects (Syria, Lebanon, Jordan, Palestine and Egypt), the Maghreb (Tunisia) and the Saudi dialects. It proposes to study and develop Arabic analysis and processing modules, widely used on social networks and in Arabic and bilingual informal communications. My thesis will be entitled: Analysis, processing and translation of heterogeneous Arabic linguistic data. It will mainly come in three parts. The first part will be devoted to the observation and analysis of the development of the Arabic language as well as the historical and socio-cultural effects on this language in the Middle East and the conditions that allowed the emergence and evolution of Arabizi. The second part will be focusing on the manner of the phenomena that may appear in the processed corpus and will make an inventory of the problems and difficulties that exist in this type of corpus, especially in regards to phonetics, for example the transcription of the ق that we meet transcribes either as Q or as K; to achieve the ultimate goal of this project and to have automated transcription tools to the maximum which can not be simple with all these problems of robustness. It will also discuss the study of the lexical structure of dialects under study, whose objective is to promote the linguistic resources from our corpus. The third part will be devoted to the translation into French of this corpus, resulting as mentioned above, from a fairly large linguistic area.