Shared memories of bilingual subsentential alignments

Mémoires partagées d'alignements sous-phrastiques bilingues

Johan Segura (1)

1 TEXTE - Exploration et exploitation de données textuelles

This research belongs to the Natural Language Processing (NLP) field and more specifically focuses on the topic of Sub-sentential Alignments which is closely related to Machine Translation. The originality of this work consists in an example-based approach bootstrapped by the participation of non-expert annotators through an appropriate interface. The quest for a greater expressivity, such as observed in manual alignments, mainly motivates the whole approach. An important effort has been made to define a formal environment for this original architecture based on aligned examples. Several memories have been created, using syntactic informations from parsers outputs with reasonnable low-tech requirements. Two new alignment methods were compared with state-of-theart measures and three transformational metrics were introduced

Cette thèse s'inscrit dans le cadre du traitement automatique du langage naturel, et traite plus précisément de l'alignement sous-phrastique bilingue classiquement lié à la traduction automatique statistique. Les travaux exposés s'en distinguent en proposant un fonctionnement évolutif à base d'exemples initialisé par des annotateurs non-experts via une interface adaptée. L'approche est principalement motivée par la recherche d'une expressivité comparable à celle observée dans les alignements manuels. Une partie importante de ce travail consiste à définir un cadre formel sous-tendant une architecture originale à base d'exemples alignés. Plusieurs mémoires d'alignements ont été constituées en tirant parti d'informations provenant d'analyseurs syntaxiques automatiques, en plaçant les prérequis technologiques à un niveau raisonnablement peu élevé. Deux nouvelles méthodes d'alignement sont comparées à des références connues via des mesures d'accord classiques, et trois distances transformationnelles sont introduites.

Mots clés: Sub-sentential Alignement; golden corpus; expressivity; human-machine interface

Mots clés: Alignement sous-phrastique; corpus de référence; divergence; expressivité; annotation; interface homme-machine

Domaines: Informatique et langage [cs.CL]

Johan Segura. Mémoires partagées d'alignements sous-phrastiques bilingues. Informatique et langage [cs.CL]. Université Montpellier II - Sciences et Techniques du Languedoc, 2012. Français. ⟨NNT : ⟩. ⟨tel-00981005⟩