Abstract
Alors que les réseaux neuronaux occupent une place de plus en plus importante dans le traitement automatique des langues, les méthodes d’apprentissage actuelles utilisent pour la plupart des critères qui sont décorrélés de l’application. Cet article propose un nouveau cadre d’apprentissage discriminant pour l’estimation des modèles continus de traduction. Ce cadre s’appuie sur la définition d’un critère d’optimisation permettant de prendre en compte d’une part la métrique utilisée pour l’évaluation de la traduction et d’autre part l’intégration de ces modèles au sein des systèmes de traduction automatique. De plus, cette méthode d’apprentissage est comparée aux critères existants d’estimation que sont le maximum de vraisemblance et l’estimation contrastive bruitée. Les expériences menées sur la tâches de traduction des séminaires TED Talks de l’anglais vers le français montrent la pertinence d’un cadre discriminant d’apprentissage, dont les performances restent toutefois très dépendantes du choix d’une stratégie d’initialisation idoine. Nous montrons qu’avec une initialisation judicieuse des gains significatifs en termes de scores BLEU peuvent être obtenus.- Anthology ID:
- 2015.jeptalnrecital-long.23
- Volume:
- Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs
- Month:
- June
- Year:
- 2015
- Address:
- Caen, France
- Venue:
- JEP/TALN/RECITAL
- SIG:
- Publisher:
- ATALA
- Note:
- Pages:
- 267–278
- Language:
- URL:
- https://aclanthology.org/2015.jeptalnrecital-long.23
- DOI:
- Cite (ACL):
- Quoc-Khanh Do, Alexandre Allauzen, and François Yvon. 2015. Apprentissage discriminant des modèles continus de traduction. In Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs, pages 267–278, Caen, France. ATALA.
- Cite (Informal):
- Apprentissage discriminant des modèles continus de traduction (Do et al., JEP/TALN/RECITAL 2015)
- PDF:
- https://preview.aclanthology.org/ingestion-script-update/2015.jeptalnrecital-long.23.pdf