@inproceedings{bardet-etal-2019-etude,
    title = "{\'E}tude de l`apprentissage par transfert de syst{\`e}mes de traduction automatique neuronaux (Study on transfer learning in neural machine translation )",
    author = {Bardet, Adrien  and
      Bougares, Fethi  and
      Barrault, Lo{\"i}c},
    editor = "Morin, Emmanuel  and
      Rosset, Sophie  and
      Zweigenbaum, Pierre",
    booktitle = "Actes de la Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN) PFIA 2019. Volume II : Articles courts",
    month = "7",
    year = "2019",
    address = "Toulouse, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/jlcl-multiple-ingestion/2019.jeptalnrecital-court.13/",
    pages = "275--284",
    language = "fra",
    abstract = "L`apprentissage par transfert est une solution au probl{\`e}me de l`apprentissage de syst{\`e}mes de traduction automatique neuronaux pour des paires de langues peu dot{\'e}es. Dans cet article, nous proposons une analyse de cette m{\'e}thode. Nous souhaitons {\'e}valuer l`impact de la quantit{\'e} de donn{\'e}es et celui de la proximit{\'e} des langues impliqu{\'e}es pour obtenir le meilleur transfert possible. Nous prenons en compte ces deux param{\`e}tres non seulement pour une t{\^a}che de traduction {\textquotedblleft}classique{\textquotedblright} mais {\'e}galement lorsque les corpus de donn{\'e}es font d{\'e}faut. Enfin, il s`agit de proposer une approche o{\`u} volume de donn{\'e}es et proximit{\'e} des langues sont combin{\'e}es afin de ne plus avoir {\`a} trancher entre ces deux {\'e}l{\'e}ments."
}