Peut-on vérifier automatiquement la cohérence terminologique?
Notice bibliographique
Résumé
II arrive souvent, dans les services de traduction, que l'on soit obligé de morceler les textes volumineux. Dans une telle situation, il incombe généralement au réviseur de fusionner les parties traduites par les différents traducteurs et de faire en sorte que le tout soit cohérent. Un élément important de cette tâche est d'assurer la cohérence terminologique. Intuitivement, ce que l'on veut dire par cohérence terminologique ici est assez clair : chaque unité terminologique doit être traduite de la même façon partout dans le texte. Au CITI, nous développons un outil d'aide à l'intention du réviseur (qui peut être le traducteur lui-même) dont le but est de valider certaines propriétés d'un texte traduit. Appelé TransCheck, le premier prototype de ce système est décrit en détail dans Macklovitch (1994). Dans cet article, nous décrivons les premiers essais pour incorporer la vérification de la cohérence terminologique dans le système TransCheck. L'idée de base est assez simple : le réviseur fournit un lexique au système; ensuite, TransCheck balaie deux textes alignés et signale chaque occurrence d'un terme source qui n'est pas traduit par le terme cible désigné dans le lexique. Les résultats de ces expériences nous ont montré qu'une définition naïve de la cohérence terminologique, telle que celle donnée ci-dessus, est trop rigide et simpliste; mais la ventilation du bruit généré nous indique clairement comment il faudra assouplir l'application de cette définition par le système pour que la validation automatique de la cohérence terminologique devienne praticable.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,010 | 0,021 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,008 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».