Abstract
La traduction neuronale à partir d’exemples s’appuie sur l’exploitation d’une mémoire de traduction contenant des exemples similaires aux phrases à traduire. Ces exemples sont utilisés pour conditionner les prédictions d’un décodeur neuronal. Nous nous intéressons à l’amélioration du système qui effectue l’étape de recherche des phrases similaires, l’architecture du décodeur neuronal étant fixée et reposant ici sur un modèle explicite d’édition, le Transformeur multi-Levenshtein. Le problème considéré consiste à trouver un ensemble optimal d’exemples similaires, c’est-à-dire qui couvre maximalement la phrase source. En nous appuyant sur la théorie des fonctions sous-modulaires, nous explorons de nouveaux algorithmes pour optimiser cette couverture et évaluons les améliorations de performances auxquels ils mènent pour la tâche de traduction automatique.- Anthology ID:
- 2024.jeptalnrecital-taln.39
- Volume:
- Actes de la 31ème Conférence sur le Traitement Automatique des Langues Naturelles, volume 1 : articles longs et prises de position
- Month:
- 7
- Year:
- 2024
- Address:
- Toulouse, France
- Editors:
- Mathieu Balaguer, Nihed Bendahman, Lydia-Mai Ho-dac, Julie Mauclair, Jose G Moreno, Julien Pinquier
- Venue:
- JEP/TALN/RECITAL
- SIG:
- Publisher:
- ATALA and AFPC
- Note:
- Pages:
- 582–604
- Language:
- French
- URL:
- https://aclanthology.org/2024.jeptalnrecital-taln.39
- DOI:
- Cite (ACL):
- Maxime Bouthors, Josep Crego, and François Yvon. 2024. Optimiser le choix des exemples pour la traduction automatique augmentée par des mémoires de traduction. In Actes de la 31ème Conférence sur le Traitement Automatique des Langues Naturelles, volume 1 : articles longs et prises de position, pages 582–604, Toulouse, France. ATALA and AFPC.
- Cite (Informal):
- Optimiser le choix des exemples pour la traduction automatique augmentée par des mémoires de traduction (Bouthors et al., JEP/TALN/RECITAL 2024)
- PDF:
- https://preview.aclanthology.org/add_acl24_videos/2024.jeptalnrecital-taln.39.pdf