Prétraitement de données et création d'un segmenteur de l'arabe pour un système de traduction probabiliste vers le français - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
Master Thesis Year : 2012

Prétraitement de données et création d'un segmenteur de l'arabe pour un système de traduction probabiliste vers le français

Abstract

In recent years, Natural Language Processing has rapidly evolved, especially in the domain of Statistical Machine Translation causing the need for reliable automatic translations to skyrocket with no sign of slowing. Due to this increased need, we have taken a special interest in this domain with the goal of creating a translation machine capable of translating Arabic into French, based on statistical models. The performance of Statistical Machine Translation relies heavily on the quality and the quantity of available training data. However, the Arabic language remains one of the languages with the fewest available resources which is why most of the available works in this language are based on open access data from international organizations, such as the U.N. In this work, we will present our approach to optimizing the performance quality of our Arabic translator. Taking into account the lack of data and available resources, we were able to find a low-cost solution to search for the best pre-processing combinations to apply to our Arabic database in order to obtain the highest quality French translation.
Le domaine du traitement automatique des langues naturelles a connu des évolutions très rapides ces dernières années, et spécialement dans la traduction automatique, c'est pourquoi les demandes en matière de traducteurs automatiques fiables augmentent sans cesse. De ce fait, nous nous sommes intéressés à ce domaine afin de concevoir un traducteur automatique de la langue arabe vers le français, basé sur un modèle probabiliste. Les performances de traduction des systèmes probabilistes dépendent considérablement de la qualité et de la quantité des données d'apprentissage disponibles. Néanmoins la langue arabe compte encore parmi les langues dites "peu dotées", c'est pourquoi la plupart des travaux sur cette langue sont basés sur les données libre d'accès qui proviennent d'organisations internationales (ONU, etc.). Nous présentons dans ce travail, une approche d'optimisation des performances d'un système de traduction de l'arabe. Compte tenu du manque de données et d'outils accessibles, nous avons cherché à moindre coût la meilleure combinaison de prétraitements à appliquer sur nos données en arabe pour améliorer la traduction vers le français.
Fichier principal
Vignette du fichier
BEN_TAAMALLAH_Sahoun_M2R_IDL.pdf (2.34 Mo) Télécharger le fichier
Loading...

Dates and versions

dumas-00757706 , version 1 (27-11-2012)

Identifiers

  • HAL Id : dumas-00757706 , version 1

Cite

Sahnoun Ben Taamallah. Prétraitement de données et création d'un segmenteur de l'arabe pour un système de traduction probabiliste vers le français. Sciences de l'Homme et Société. 2012. ⟨dumas-00757706⟩
315 View
969 Download

Share

More