Year: 2020
Type: report
Abstract: Ce rapport étudie les méthodes visant à intégrer un contexte discursif étendu en traduction automatique, en se focalisant sur les méthodes de traduction neuronales.Les systèmes de traduction automatique traduisent en général chaque phrase indépendemment de ses voisines, ce qui entraine des erreurs systématiques qui résultent d'un contexte discursif trop étroit.Nous présentons en premier lieu les phénomènes linguistiques qui justifient la prise en compte d'un contexte élargi, en illustrant cet exposé par des exemples typiques d'erreurs de traduction et en évoquant diverses architectures de traduction statistique s'intéressant à ces phénomènes.L'avènement des méthodes neuronales a permis de revisiter ces problèmes, donnant lieu à diverses variantes des architectures neuronales que nous passons ensuite en revue.Nous discutons également des métriques utilisées pour mesurer l'effet de ces contextes élargis sur la qualité des traductions obtenues.Nous concluons en résumant les acquis des travaux actuels et les principales directions de recherche.
Source: HAL
Authors: Abdul Rauf, Sadaf, Yvon, François
Language: English
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W4287545470
