Extraction d'expressions polylexicales d'un corpus bilingue parallèle et comparable dans le domaine médical (ar-fr): Aspects linguistiques et pistes didactiques

Multiword extraction of a bilingual parallel and comparable corpus in medical field (ar-fr): linguistics aspects and educational tracks

• Auteur / Autrice : Ola Sabae
• Direction : Olivier Kraif, Salam Diab-Duranton
• Type : Projet de thèse
• Discipline(s) : Sciences du langage Spécialité Informatique et sciences du langage
• Date : Inscription en doctorat le 01/09/2020
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale langues, littératures et sciences humaines (Grenoble, Isère, France ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Linguistique et Didactique des Langues Etrangères et Maternelles

Mots clés

Mots clés libres

Expressions polylexicales

Corpus bilingue

Traitement Automatique des Langues

Traduction

Translation

Natural Language Processing

Multiword expressions

Bilingual corpus

Résumé

Les ressources lexicographiques bilingues des expressions polylexicales (EPL) sont encore rares et elles le sont davantage pour le couple de langues français / arabe qui nous intéresse. Les recherches concernant ce couple de langues existent peu. Nous nous intéressons dans notre projet de recherche à extraire, à partir de corpus parallèle et comparable fr - ar spécialisés, des expressions polylexicales notamment à base verbale. Ces constructions, de notre point de vue, constituent un aspect pertinent à étudier dans les textes spécialisés. Le corpus constitué se rattachera au domaine médical, un domaine stratégique à l'heure actuelle où le monde entier fait face à une pandémie. Nous profiterons donc de la disponibilité des articles scientifiques vulgarisés qui abondent en ce moment. Dans notre étude nous adopterons une approche contrastive qui consiste à recenser et analyser les EPL et leurs équivalences traductionnelles, et ceci dans une approche corpus based ou basé sur corpus. Notre objectif principal est d'approfondir les recherches sur ce couple de langues encore trop peu étudié dans ce domaine, et de fournir des ressources pour les traducteurs et les apprenants de la traduction spécialisée. Il s'agira in fine d'exploiter les résultats dans le domaine de l'apprentissage de la traduction spécialisé assistée par ordinateur, en s'inspirant de l'approche d'Apprentissage guidée par les données, ou Data Driven Learning. Toutes les étapes seront réalisées en exploitant les outils TAL appropriés à chaque langue et à chaque procédure.

Bilingual lexicographic resources for multiword expressions (MWE) are still rare and they are even more so for the French / Arabic language pair that interests us. There is little research on this language pair. In our research project, we are interested in extracting, from specialized parallel and comparable fr-ar corpuses, MWE, in particular the verbally based patterns. These constructions, from our point of view, constitute a relevant aspect to study in the specialized texts. The resulting corpus will relate to the medical field, a strategic field at the present time where the whole world is facing a pandemic. We will therefore take advantage of the availability of popular scientific articles which abound at this time. In our study we will adopt a contrastive approach which consists in identifying and analyzing the MWE and their translational equivalences, and this in a corpus based approach. Our main objective is to further research on this still under-studied language pair in this field, and to provide resources for translators and learners of specialized translation. Ultimately, it will be about exploiting the results in the field of specialized computer-assisted translation learning, drawing inspiration from the Data Driven Learning approach. All the steps will be carried out using the NLP tools appropriate for each language and each procedure.