Recherche

  • Présentation sélective et personnalisée de l'information environnementale

    Afin de mieux appréhender le type d'information disponible chez EC, nous avons développé des prototypes web pour afficher l'information météorologique de manière graphique en utilisant du Scalar Vector Graphics (SVG) et un autre utilisant des informations alphanumériques mais placées géographiquement en utilisant Google Maps. Ceci nous a permis d'expérimenter différentes manières de combiner l'information publiée quotidiennement par Environnement Canada avec d'autres approches basées sur le web. Même si ces prototypes ne sont pas mis en production, ils nous ont permis de montrer le potentiel de l'intégration de l'information environnementale avec des applications web de telle sorte qu'elle devienne plus accessible et utile.

  • Analyse de données des patrons d'information

    Nous avons travaillé sur l'ingrédient fondamental et préalable à tout algorithme de data-mining: la collecte des données. Nous avons d'abord acquis une connaissance détaillée de l'information présente dans les fichiers de données XML Météocode. Ils contiennent des prévisions à court et moyen terme sur plusieurs variables environnementales (température, précipitation, pression atmosphérique, vitesse et direction des vents, etc.) sur une grille de points géographiques à travers le Canada; ils sont mis à jour toutes les 6 ou 12 heures. Nous avons mis en place une base de données relationnelle et développé du logiciel qui récupère régulièrement les fichiers Meteocode, les analyse et remplit une base de données avec l'information extraite. Ce système accumule ainsi des données historiques de prévision nécessaires pour l'apprentissage de modèles statistiques.

    Pour permettre l'exploration de cette masse de données, nous avons mis en place un site web interne expérimental qui peut afficher l'évolution des variables environnementales prédites à travers le temps au point géographique de notre choix et ce soit sous forme de tableau ou de graphique. Ceci est un bon point de départ pour l'exploration future de méthodes pour présenter l'information météorologique pertinente à des auditoires spécialisés, avec un niveau de détails qui n'est pas actuellement disponible sur le site d'Environnement Canada pour le grand public. Plus important, avec cette infrastructure en place, il sera plus directement possible de tirer des ensembles d'apprentissage appropriés pour rechercher et entraîner de nouveaux algorithmes d'apprentissage.

  • Traduction automatique statistique des bulletins d'avertissements météorologiques

    Il y a deux grands volets relatifs à la traduction automatique: la traduction d'alertes météo et la présentation des prévisions météorologiques en Inuktitut.

    Afin de traduire des bulletins météo et des avertissements d'anglais vers le français et vice-versa, nous utilisons une approche basée sur les segments qui constitue actuellement l'état de l'art dans le domaine. Cette approche est basée sur le traitement d'exemples de traduction afin d'entraîner des modèles de langage et de traduction statistique. Nous avons donc concentré nos efforts sur la création d'un corpus d'apprentissage à partir de différentes sources de bulletins météo et d'avertissements bilingues traduits à la main. Nous avons développé un système qui reçoit les bulletins d'EC , qui en extrait les phrases pertinentes et qui aligne les phrases de ces textes qui sont des traductions l'une de l'autre. Ce processus complexe a exigé une étude en profondeur du format des bulletins et alertes utilisés pas EC. Jusqu'ici cette méthode nous a permis d'accumuler entre 3000 et 13000 paires de phrases par mois et nous a permis d'identifier des endroits où le système d'information météorologique pouvait être amélioré (consistance de la traduction, orthographe, etc.) Nous avons aussi pu extraire plus de 100K paires de phrases de phrases que nous avions déjà recueillies chez EC.

    Ces phrases seront ajoutées au corpus que nous avions construit pour des expériences antérieures dans le même domaine et devrait donner lieu a un système de traduction complet pour améliorer le prototype qui est déjà en ligne. Des résultats préliminaires nous ont montré que nous pourrons intégrer au système de traduction un module de restauration de la casse et des accents à base de modèles de Markov qui améliore celui qui est présentement utilisé par EC.

    Le deuxième volet est un défi beaucoup plus grand, car nous ne disposons pas d'un corpus bilingue anglais-inuktitut. De plus l'inuktitut est un langage agglutinatif ce qui signifie que la notion de mot telle qu'elle est utilisée normalement par les moteurs de traduction statistiques est plus délicate à utiliser. Cette année, nous avons traité le problème de l'apprentissage automatique non supervisé de la structure morphologique d'un langage.

    La découverte de la structure morphologique d'un langage est justement le but du Morpho Challenge workshop qui fait partie du EU Network of Excellence PASCAL Challenge Program. Nous avons participé à cette compétition pour la première fois. Jean-François Lavallée, dans le cadre de sa maîtrise, a mis un point un système basé sur l'apprentissage analogique. Sa performance pour le finnois, l'anglais, l'allemand et le turc était parmi les meilleurs systèmes qui avaient soumis à la tâche commune. Le système qu'il a développé s'est classé premier parmi ceux qui y participaient pour la première fois et très près du meilleur système qui est une combinaison des meilleurs systèmes existants.