Speech based machine aided human translation for a document translation task
Notice bibliographique
Résumé
La traduction de documents dans plusieurs langues represente des coûts eleves pour les entreprises, les gouvernements et les rmes internationales. Au Canada par exemple, il est obligatoire que tous les documents ociels soient rediges en Anglais et en Francais. Cette politique a force l'industrie de traduction a embaucher un grand nombre de traducteurs professionnels. Il est de notoriete que les normes imposees pour la traduction de documents administratifs rendent la tâche des machines de traduction trop ardue. Un grand nombre d'outils sont commercialement disponibles pour ameliorer l'ecacite des traducteurs humains a dierents nivaux de leur travail. Les employes des bureaux de traduction peuvent saisir directement le texte traduit, dicter leur traduction an qu'elle puisse être transcrite de facon authentique, ou bien corriger les premieres versions fournies par les machines de traduction automatique. Le travail de cette these porte sur la traduction humaine assistee par ordinateur (MAHT), ou un traducteur humain dicte une premiere traduction d'un document. Des algorithmes sont implementes pour ameliorer la qualite de traduction de la version dictee en integrant simultanement des informations sur la langue source et sur la langue ciblee. Cette these contribue aux aspects suivants. Premierement, elle presente de nouveaux algorithmes qui ameliorent les traductions dictees. En integrant les informations extraites du document de la langue source avec des modeles statistiques utilises dans la reconnaissance vocale, de meilleures traductions sont obtenues. Deuxiemement, les informations cles telles que les mots identies comme etant des entites nommees, sont recueillies par le document de la langue source grâce aux informations acoustiques, linguistiques, et phonetiques. De cette facon, on s'assure que ces mêmes informations se retrouvent dans le chier traduit. Troisiemement, le systeme specique a la traduction de document est presente et il se demarque du travail fait avec MAHT et CAT, ou l'objectif est uniquement la traduction de phrases ou expressions. Finalement, nous avons cree un nouveau corpus dedie aux applications de cette these. Cet ensemble de documents a ete collecte et estampe a l'Universite McGill et a permis de mener les experiences a bien. Il met en evidence des obstacles qui n'ont pas ete encore rencontres durant les precedentes recherches dans ce domaine, comme l'utilisation de mots de remplissage, les repetitions, et autres erreurs commises par les traducteurs.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,019 |
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 ».