Études & Publications

Contrôle de domaine pour la traduction automatique neuronale [PDF]

Les systèmes de traduction automatique sont très sensibles aux domaines dans lesquels ils ont été formés. Plusieurs techniques d'adaptation de domaines ont été étudiées en profondeur. Nous proposons une nouvelle technique de traduction automatique neuronale (NMT) que nous appelons le contrôle de domaine qui est effectué au moment de l'exécution à l'aide d'un réseau neuronal unique couvrant plusieurs domaines. L'approche présentée montre des améliorations de la qualité... Suite

Catherine Kobus, Josep Crego, Jean Senellart

Adaptation incrémentale de modèles de traduction neuronaux

L’adaptation au domaine est un verrou scientifique en traduction automatique. Il englobe généralement l’adaptation de la terminologie et du style, en particulier pour la post-édition humaine dans le cadre d’une traduction assistée par ordinateur. Avec la traduction automatique neuronale, nous étudions une nouvelle approche d’adaptation au domaine que nous appelons « spécialisation » et qui présente des ... Suite

Christophe Servan, Josep Crego, Jean Senellart

Conception d'une solution de détection d'événements basée sur Twitter

Cet article présente un système d’alertes fondé sur la masse de données issues de Tweeter. L’objectif de l’outil est de surveiller l’actualité, autour de différents domaines incluant les événements sportifs ou les catastrophes naturelles. Cette surveillance est transmise à l’utilisateur sous forme d’une interface web contenant la liste d’événements localisés sur une carte.

Christophe Servan, Catherine Kobus, Yongchao Deng, Cyril Touffet, Jungi Kim, Inès Kapp, Djamel Mostefa, Josep Crego, Jean Senellart

Traduction automatique neuronale pure SYSTRAN [PDF]

Chacun d'entre nous a fait l'expérience ou entendu parler de l'apprentissage profond dans les applications professionnelles quotidiennes. Quels sont les fondements de cette nouvelle technologie et quelles nouvelles possibilités offre-t-elle ?

Spécialisation de domaine : une adaptation de domaine post-formation pour la traduction automatique neuronale

L'adaptation de domaine est une caractéristique clé de la traduction automatique. Il englobe généralement l'adaptation terminologique, de domaine et de style, en particulier pour les flux de travail de post-édition humaine dans la traduction assistée par ordinateur (CAT). Avec la traduction automatique neuronale (NMT), nous introduisons une nouvelle notion d'adaptation de domaine que nous appelons « spécialisation » et qui montre des résultats prometteurs à la fois dans la vitesse d'apprentissage... Suite

Christophe Servan, Josep Crego, Jean Senellart

Traduction automatique neuronale à partir de traductions simplifiées

La simplification du texte vise à réduire la complexité lexicale, grammaticale et structurelle d'un texte tout en conservant la même signification. Dans le contexte de la traduction automatique, nous introduisons l'idée de traductions simplifiées afin de stimuler la capacité d'apprentissage des modèles de traduction neuronale profonde. Nous menons des expériences préliminaires qui montrent que la complexité de la traduction est en fait réduite... Suite

Josep Crego, Jean Senellart

Systèmes de traduction automatique neuronale pure de SYSTRAN

Depuis la première démonstration en ligne de la traduction automatique neuronale (NMT) par LISA, le développement de NMT est récemment passé des systèmes de laboratoire aux systèmes de production, comme l'ont démontré plusieurs entités annonçant le déploiement de moteurs NMT pour remplacer leurs technologies existantes. Les systèmes NMT ont un grand nombre de configurations de formation et le processus de formation de ces systèmes est généralement ... Suite

Josep Crego, Jungi Kim, Guillaume Klein, Anabel Rebollo, Kathy Yang, Jean Senellart, Egor Akhanov, Patrice Brunelle, Aurelien Coquard, Yongchao Deng, Satoshi Enoue, Chiyo Geiss, Joshua Johanson, Ardas Khalsa, Raoum Khiari, Byeongil Ko, Catherine Kobus, Jean Lorieux, Leidiana Martins, Dang-Chuan Nguyen, Alexandra Priori, Thomas Riccardi, Natalia Segal, Christophe Servan, Cyril Quest, Bo Wang, Jin Yang, Dakun Zhang, Jing Zhou, Peter Zoldan

Combinaison de systèmes RWTH Aachen - SYSTRAN pour l'évaluation NTCIR-10 PatentMT 2013 [PDF]

Cet article décrit la soumission conjointe de l'Université RWTH d'Aix-la-Chapelle et de SYSTRAN dans le cadre de la tâche de traduction automatique des brevets chinois-anglais lors du 10ème atelier du NTCIR. Nous spécifions les systèmes statistiques développés par l'Université RWTH d'Aix-la-Chapelle et les systèmes hybrides de traduction automatique développés par SYSTRAN. Nous appliquons les techniques de combinaison de RWTH Aachen pour créer des hypothèses de consensus à partir de... Suite

Minwei Feng, Markus Freitag, Hermann Ney, Bianka Buschbeck, Jean Senellart, Jin Yang

Systèmes de traduction automatique hybride chinois-anglais et anglais-chinois SYSTRAN pour CWMT 2011 [PDF]

Ce rapport décrit les systèmes de traduction automatique chinois-anglais et anglais-chinois de SYSTRAN qui ont participé aux tâches d'évaluation de la traduction automatique du CWMT 2011. Les systèmes de base sont des systèmes de traduction automatique SYSTRAN basés sur des règles, auxquels s'ajoutent diverses techniques statistiques. Sur la base des traductions des systèmes basés sur des règles, nous avons effectué une post-édition statistique avec les corpus de formation bilingue et monolingue fournis. En ... Suite

Jin Yang, Satoshi Enoue, Jean Senellart

Convergence de la mémoire de traduction et de la traduction automatique statistique [PDF]

Nous présentons deux méthodes qui fusionnent les idées de la traduction automatique statistique (SMT) et des mémoires de traduction (TM). Nous utilisons une TM pour récupérer les correspondances pour les segments sources, et remplaçons les pièces non appariées par des instructions à un système SMT pour combler l'écart. Nous montrons que pour les matchs flous de plus de 70%, une méthode surpasse les deux... Suite

Philipp Koehn, Jean Senellart