| L'analyse de traduction et l'automatisation de la traduction | Figure 3: A tripartite model for translation analysis
Figure 1: A translation analysis tree (TAT)
Figure 2: Sentence alignment as a simple case of TAT
Translation Analysis and Translation Automation |
|
RÉSUMÉ |
ABSTRACT |
|
Nous avançons que le concept d'analyse de traductions peut servir de point de départ à une nouvelle génération d'aides à la traduction. Nous montrons que les traductions peuvent être analysées et versées dans une mémoire traductionnelle structurée et décrivons le concordancier bilingue TransSearch que nous avons mis au point pour permettre aux traducteurs d'exploiter cette mémoire traductionnelle. Nous affirmons que les analyseurs de traductions peuvent contribuer à la détection des erreurs de traduction dans les premiers jets et nous présentons les résultats d'une expérience portant sur la détection des faux amis, réalisée dans le cadre du projet TransCheck. Nous soutenons enfin que l'analyse de traductions peut faciliter la transcription directe de traductions dictées et présentons le nouveau projet TransTalk. |
We argue that the concept of translation analysis provides a suitable foundation for a new generation of translation support tools. We show that pre-existing translations can be analyzed into a structured translation memory and describe our TransSearch bilingual concordancing system, which allows translators to harness such a memory. We claim that translation analyzers can help detect translation errors in draft translations and we present the results of an experiment on the detection of deceptive cognates conducted as part of our TransCheck project. Finally, we claim that translation analysis can facilitate the speech-to-text transcription of dictated translations and introduce our new TransTalk project. |
|
1. Introduction |
1. Introduction |
|
En 1951, Y. Bar-Hillel, qui fut le premier chercheur à se consacrer à temps plein au domaine de la traduction automatique (TA), écrivait : |
In 1951, Y. Bar-Hillel, the first full-time researcher in MT, wrote the following: |
|
«Dans le cas des domaines cibles où la précision absolue est une condition sine qua non, il faut renoncer à la TA pure en faveur de la TA mixte, c'est-à-dire un processus traductionnel faisant intervenir l'intelligence humaine. Ce qui soulève la question suivante : Quelles étapes du processus devrait-on confier à un partenaire humain? ¯(Bar-Hillel [1], p. 230) |
"For those targets in which high accuracy is a conditio sine qua non, pure MT has to be given up in favor of mixed MT, i.e., a translation process in which a human brain intervenes. There the question arises: Which parts of the process should be given to a human partner?" (Bar-Hillel [1], p. 230) |
|
Quarante-deux ans et trois «générations¯ de systèmes plus tard, la TA pure n'est pas plus généralement applicable qu'elle ne l'était à cette époque. Plus décourageant encore, la TA mixte ne l'est guère plus. Il n'existe pas de données précises aisément accessibles à ce sujet, mais on peut dire à coup sûr que la part actuelle de la TA, pure ou mixte, se situe bien en deça de 1 p. cent du marché global de la traduction. Force nous est donc d'en conclure que les chercheurs en TA n'ont pas encore réussi à proposer de réponses réalistes et pratiques à la question posée par Bar-Hillel au sujet de la division du travail entre l'homme et la machine. |
Forty-two years and three `generations' of systems later, pure MT is not more widely applicable than it was then. More discouraging still, neither is mixed MT. While precise figures are not readily available, it appears safe to assume that the current share of anything that could be called MT, pure or mixed, is well below 1% of the total translation market. One is forced to conclude that the MT community has so far failed to come up with realistic and practical answers to Bar-Hillel's question about the optimal division of labor between man and machine. |
|
Bar-Hillel lui-même proposa l'idée d'un tandem homme-machine dans lequel le partenaire humain interviendrait soit avant, soit après le processus mécanique, «mais de préférence pas quelque part au milieu¯. C'est donc dire que la machine se chargerait de l'essentiel du processus traductionnel. Depuis, la «TA assistée par l'hommme¯ est restée le paradigme prédominant dans le milieu de la TA, où l'on a continué à demander aux machines d'accomplir une tâche qu'elles n'arrivent pas àbien faire, c'est-à-dire traduire. Et où l'on a continué à demander aux traducteurs d'exécuter des tâches auxquelles ils préféreraient se soustraire, comme insérer des codes bizarres dans des textes sources, répondre à des questions inattendues sur la parenthésage des syntagmes ou réorganiser d'étranges fouillis de mots en langue cible. Résultat : le marché n'a jamais manifesté beaucoup d'enthousiasme pour ce genre de modus vivendi homme-machine. |
Bar-Hillel himself ventured to suggest a man-machine tandem in which the human partner would intervene either before or after the mechanical process, "but preferably not somewhere in the midst of it." That is, the machine would take care of the core part of the translation process. Ever since, `human-aided MT' has remained the predominant paradigm within the MT community. Machines have persistently been asked to do something they fail to do well: namely, translate. And humans have persistently been asked to do things they would rather not do, like inserting strange codes into source texts, answering odd questions about phrase bracketings or rearranging bizarre jumbles of target language words. In any case, the market response to this kind of man/machine modus vivendi has consistently been less than enthusiastic. |
|
Il est devenu évident qu'en général, les machines ne réussissent toujours pas à maîtriser la partie essentielle du processus de traduction. Déjà, en 1980, Martin Kay [18] plaidait en faveur d'un renversement des rôles qui aurait pour effet de remettre la machine à «sa place¯, c'est-à-dire celle d'assistant du traducteur humain : |
It has become obvious that, generally speaking, machines still cannot successfully assume control over the core part of the translation process. As far back as 1980, Martin Kay [18] forcefully argued for a reversal of roles in which the machine is sent back to its `proper place', that of an assistant to the human translator: |
|
«Je veux préconiser une approche au problème selon laquelle on permettrait à la machine de prendre en charge graduellement, presque imperceptiblement, certaines fonctions du processus général de traduction. La machine assumerait d'abord des tâches non essentiellement reliées à la traduction. Puis, peu à peu, elle s'attaquerait à la traduction comme telle. Tout serait une question de modestie. ¸ chaque étape, on ne confierait à la machine que ce qu'elle sait bien faire. Et ainsi, petit à petit, l'oiseau ferait son nid! ¯(p. 11) |
"I want to advocate a view of the problem in which machines are gradually, almost imperceptibly, allowed to take over certain functions in the overall translation process. First they will take over functions not essentially related to translation. Then, little by little, they will approach translation itself. The keynote will be modesty. At each stage, we will do only what we know we can do reliably. Little steps for little feet!" (p. 11) |
|
C'est précisément pour cette approche réaliste et modeste que le Centre canadien de recherche sur l'informatisation du travail (qui porte maintenant le nom de Centre d'innovation en technologies de l'information - CITI) a opté, en 1987, lorsqu'il a lancé le projet de poste de travail de traducteur (Macklovitch [17]). Dans sa plus récente incarnation, le poste de travail du CITI met à la disposition du traducteur un environnement multi-fenêtres qui lui donne simultanément accès à plusieurs outils, comme le traitement de texte en écran partagé, la vérification orthographique, la consultation terminologique et lexicographique, la comparaison de fichiers, le compte de mots, l'extraction de textes intégraux, etc. (Macklovitch [17]). Il faut reconnaître que ces fonctions ont plus à voir avec la bureautique qu'avec l'automatisation de la traduction elle-même. Mais suivant le scénario proposé par Kay, nous pouvons maintenant tirer profit de cette base informatique en l'enrichissant progressivement d'outils orientés vers la traduction. Dans cette optique, la question centrale peut être formulée comme suit : au-delà de la bureautique intégrée, mais en deça de la traduction automatique, que peut-on faire de plus pour faciliter la tâche du traducteur? |
It is precisely this kind of down-to-earth approach that the Center for Information Technology Innovation (CITI chose to pursue when it launched its translator's workstation project back in 1987. In its current incarnation, the CITI's workstation provides the translator with a windowing environment where he/she has simultaneous access to a number of tools such as split screen word processing, spelling correction, terminology and dictionary lookup, file comparison, word counting, full-text retrieval, etc. (Macklovitch [17]). Admittedly, this has more to do with office automation for translators than with translation automation per se. But following Kay's proposed scenario, we can now take advantage of this computer base and progressively enrich it with translation-oriented tools. From this perspective, the central issue can be formulated as follows: beyond office automation, but short of machine translation, what else can be done to support translators? |
|
Nous avançons, dans la suite de cet article, que le concept d'analyse de traductions peut servir de fondement à l'élaboration d'une nouvelle génération d'outils informatisés à l'intention du traducteur. La deuxième section de cet article est consacrée à une description générale de la notion d'analyse de traductions. Les sections 3, 4 et 5 décrivent les travaux réalisés au CITI sur trois applications : une mémoire traductionnelle, un vérificateur de traductions et un système de dictée pour traducteurs. |
In the remainder of this paper, we argue that the concept of translation analysis constitutes a suitable foundation for the development of a new generation of translation support tools. Section 2 is a general discussion of the notion of translation analysis. Sections 3, 4 and 5 describe our work on three applications: the translation memory, the translation checker and the translator's dictation machine. |
|
2. L'analyse de traductions |
2. Translation Analysis |
|
Dans la documentation récente (Dymetman et Macklovitch [14], par exemple), la traduction est souvent
conceptualisée comme une relation trL1L2(s, t), dont l'extension est un ensemble de paires |
In recent literature (e.g. Isabelle, Dymetman & Macklovitch [14]), translation is often
conceptualized as a relation trL1,L2(S, T) whose extension is a set of pairs |
|
Un système de TA ordinaire incorpore une spécification quelconque (éventuellement partielle) de la
relation traductionnelle trL1L2, de même qu'un procédure qui produira, pour n'importe quelle valeur de
S, une ou plusieurs valeurs T pour lesquelles |
An ordinary MT system embodies some (possibly partial) specification of a translation relation
trL1,L2, together with a procedure which, given any value of S, will return one or several values T
such that |
|
Les systèmes de TA tentent de résoudre le problème de la production de traductions, mais, comme l'a fait remarquer Debili [7], nous pouvons aussi envisager les traductions du point de vue de la reconnaissance. Nous appellerons donc accepteur de traductions toute procédure qui, à partir d'une paire particulière de textesFigure 1 : Un arbre d'analyse traductionnelle (AAT) |
While MT systems deal with the problem of producing translations, we can also, as noted by Debili [7], view translations from a recognition perspective. We will call a translation acceptor any procedure which, given some particular pair |
|
Isabelle [13] utilise le terme bi-texte pour désigner une structure qui, comme l'AAT, sert à décomposer les traductions en leurs correspondances constitutives. Les AAT sont des descripteurs structuraux des analyses de traductions au même titre que les arbres d'analyse ou de parsage sont des descripteurs structuraux des analyses grammaticales. |
Isabelle [13] uses the term bi-text to designate structures which, like TAT's, are meant to decompose translations into their constituent correspondences. TAT's are structural descriptors for translation analyses in the same way that parse trees are structural descriptors for grammatical analyses. |
|
L'analyse de traductions et la TA posent, en principe, des problèmes très semblables : le calcul est basé sur la même relation abstraite trL1L2 La différence réside uniquement dans les modes de calcul. Cela signifie-t-il que les analyseurs de traductions et les systèmes de TA sont, en pratique, assujettis exactement aux mêmes contraintes? Plus spécifiquement, cela signifie-t-il qu'il n'est possible de réaliser des analyseurs de traductions efficaces qu'à la seule condition qu'il soit également possible de réaliser des systèmes de TA efficaces? |
In principle, translation analysis and MT are very similar problems: the computation is based on the same abstract relation trL1,L2. The difference is only in the computing modes. Does this mean that in practice translation analyzers and MT systems are subject to exactly the same limitations? In particular, does this mean that useful translation analyzers are feasible if and only if useful MT systems are feasible? |
|
Il est évident que non. Dans les rares cas où la TA de haute qualité est possible, il devrait évidemment être possible de construire un analyseur de traductions pour les sorties du système de TA. Dans les cas où la TA n'est pas possible, nous soutenons, et c'est ce qui importe, qu'il est malgré tout possible d'élaborer des dispositifs capables d'analyser les traductions réalisées par des humains et que ces analyseurs auront de nombreuses utilités. Cette différence découle des exigences pratiques que des tâches différentes (la TA par opposition à l'analyse de traductions) imposent au niveau de précision de la caractérisation formelle de la relation trL1L2(S, T). |
Clearly not. Of course, in those rare cases where high-quality MT is feasible, it should be possible to build a translation analyzer for the output of the MT system. But more importantly, in cases where MT is not possible, we claim that it is still possible to develop analyzers for the translations produced by human translators, and that there will be many uses for these devices. This difference stems from the practical requirements that different tasks (MT versus translation analysis) impose on the level of precision in the formal characterization of trL1,L2(S,T). |
|
Considérons, par exemple, le modèle qui sous-tend la méthode d'alignement de phrases proposée par Brown et al. [3]. Sur le plan conceptuel, ce modèle génère des séquences de paires de textes |
Consider for example the model that underlies the sentence alignment method proposed by Brown & al. [3]. Conceptually, this model generates sequences of pairs of |
|
Ce modèle saisit bien l'un des aspects spécifiques de la relation traductionnelle établie entre deux langues, à savoir la corrélation de longueur qui existe entre les phrases qui sont des traductions réciproques. En ce sens, il constitue un modèle de traduction, aussi faible soit-il. |
This model does capture one specific aspect of the translation relation between two languages, namely length correlations between sentences that are mutual translations. In this sense it constitutes a translation model, albeit an extremely weak one. |
|
Si l'on appliquait un modèle de ce genre à la traduction anglais-français, une phrase anglaise e se traduirait plus ou moins par une séquence aléatoire de caractères f, dont la seule propriété notable serait d'avoir une longueur l(f) qui est typique de la traduction française d'un phrase anglaise de longueur l(e). Dans la pratique, un tel «système de TA¯ semblerait parfaitement inutile. |
If we were to apply a model of this kind to the task of translating English texts into French, an English sentence e would be translated more or less as random sequence of characters f, whose only notable property is to have a length l(f) that is typical for a translation of an English sentence of length l(e). Such an `MT system' would appear perfectly useless in practice. |
|
Si, d'autre part, à l'instar de Brown et al., on applique ce modèle à l'analyse de traductions, on obtient un système capable de décomposer des traductions existantes en des représentations qui rendent leur structure compositionnelle explicite jusqu'au niveau de la phrase. Le résultat sera un arbre d'analyse ayant la forme illustrée à la Figure 2, où les textes S et T sont décomposés en n paires successives de blocs de phrases si et ti.Figure 2 : L'alignement de phrases en tant qu'arbre d'analyse simple |
On the other hand, if like Brown & al. we apply their model to the task of translation analysis, we get a system capable of analyzing pre-existing translations into representations in which their compositional makeup is made explicit down to the level of sentences. The result is a TAT of the form shown in Figure 2, in which texts S and T are decomposed into n successive pairs of blocks si and ti of sentences. |
|
L'analyse est, à l'évidence, très grossière : aucune correspondance n'est établie au-delà du niveau de la phrase. Pourtant, comme nous le verrons bientôt, ces bi-textes à «faible résolution¯ peuvent servir de base à certains outils informatisés très pratiques. |
Admittedly, the analysis is very crude: no correspondences are established below the sentence level. Still, as we will see shortly, these `low-resolution' bi-texts provide an adequate basis for some very useful translation support tools. |
|
Évidemment, des analyses plus raffinées offriraient encore plus de possibilités à cet égard. En fait, il n'est pas trop difficile d'imaginer des familles de modèles de traduction un peu plus puissants qui, tout en demeurant insuffisants pour les fins de la TA, pourraient néanmoins être utilisés pour expliciter davantage de structures dans des traductions existantes (comme les correspondances entre syntagmes ou mots). |
Of course, richer analyses would open up even more possibilities in this respect. And in fact, is not too hard to imagine families of somewhat stronger translation models which, while still insufficient for successful MT, could be used to successfully uncover more structure in pre-existing translations (e.g. phrase or word correspondences). |
|
Pour ce qui est de leur architecture générale, les modèles utilisés pour l'analyse de traductions peuvent être très proches de ceux utilisés pour la TA. La possibilité la plus évidente est peut-être le modèle tripartite illustré à la Figure 3.Figure 3 : Un modèle tripartite pour l'analyse de traductions Comme le modèle de transfert bien connu de la TA, ce modèle comprend deux composantes propres à chacune des langues (les modèles de langage) et une composante «contrastive¯, propre aux paires (le modèle de correspondance). Les deux composantes unilingues fonctionnent en mode analytique et les représentations linguistiques qu'elles produisent sont traitées par le modèle de correspondance, qui les relie en une représentation bi-textuelle unique où les correspondances traductionnelles sont rendues explicites. Que ses composantes soient mises en oeuvre au moyen de techniques à base de règles ou à base de corpus, ce modèle demeure un modèle naturel. En fait, la meilleure façon de conceptualiser la méthode d'alignement simple basée sur la longueur des phrases, que nous avons déjà mentionnée, est de l'envisager comme une instance de ce modèle. |
With respect to their general architecture, models used for translation analysis can be very close to those used for MT. The most obvious possibility is perhaps the tripartite model illustrated in Figure 3. Just as in the well-known transfer model of MT, there are two language-specific components (the language models), and one pair-specific, `contrastive' component (the correspondence model). Both monolingual components operate in the analysis mode and the language-specific representations that they produce are fed into the correspondence model, which connects them into a single bi-textual representation in which translation correspondences are made explicit. This model remains a natural one regardless of whether its components are implemented by means of rule-based or corpus-based techniques. In fact, even the simple length- based alignment method mentioned above is best conceptualized as an instance of it. |
|
Certaines indications suggèrent que les modèles probabilistes se révéleront extrêmement utiles pour l'élaboration d'analyseurs de traductions d'utilité générale. Tandis que les méthodes à base de règles conviennent bien à l'élaboration de modèles «profonds¯ dans des domaines restreints, les méthodes probabilistes semblent particulièrement bien adaptées au développement de modèles superficiels potentiellement capables de produire des analyses partielles relativement précises de traductions générales. |
In the development of general-purpose translation analyzers, there is some evidence to suggest that probabilistic models will turn out to be extremely useful. While rule-based methods work well for the development of `deep' models in narrow domains, probabilistic methods appear especially well-suited to the development of shallow models potentially capable of providing reasonably good partial analyses of non-restricted translations. |
|
Quoi qu'il en soit, l'essentiel de notre propos est que l'analyse de traductions, même basée sur des modèles de traduction faibles, constitue un point de départ approprié pour le développement d'une nouvelle génération d'aides à la traduction. Nous examinerons maintenant certains de ces outils. |
In any case, our basic claim here is only that translation analysis, even based on weak translation models, provides the right foundation for a new generation of translation support tools. We now turn to an examination of some of these tools. |
|
3. La mémoire traductionnelle |
3. Translation Memory |
|
3.1 Les traductions existantes en tant que ressource |
3.1 Existing Translations as a Resource |
|
La tendance aux approches à base de corpus en TA découle en partie de la constatation que le fonds de traductions existantes constitue une ressource d'une très grande richesse dont le potentiel n'a pas encore été pleinement exploité. En fait, il est évident que les traductions existantes renferment infiniment plus de solutions à plus de problèmes de traduction que tout autre outil de référence. |
The trend towards corpus-based approaches in MT stems in part from a realization that the existing body of translations is an immensely rich resource whose potential has so far been neglected. In fact, it is clear that existing translations contain more solutions to more translation problems than any other available resource. |
|
Mais les traducteurs ne pourront exploiter les richesses enfouies dans leurs traductions antérieures que lorsqu'ils disposeront des outils leur permettant de les gérer comme des données de traduction plutôt que comme des données de traitement de texte. Et c'est précisément à cela que sert un analyseur de traductions : transformer des données de traitement de texte en des structures bi-textuelles qui rendent explicites les correspondances traductionnelles. |
But translators will only be able to tap the riches buried in their past production once they are provided with tools capable of managing it as translation data rather than as word-processing data. This is precisely what a translation analyzer sets out to do: upgrade word-processing data into bi-textual structures that make translation correspondences explicit. |
|
Une fois les traductions existantes structurées en bi-textes, les segments correspondants en langue source et en langue cible sont systématiquement interreliés. Plus particulièrement, tout segment qui renferme une occurrence d'un problème de traduction est relié à un segment qui renferme une solution toute faite à ce problème. S'ils disposent des moyens nécessaires pour créer, stocker et interroger de telles structures bi-textuelles, les traducteurs pourront transformer leur production antérieure en une mémoire traductionnelle exploitable et extrêmement efficace. |
Once pre-existing translations are organized in that way, corresponding source and target language segment are systematically linked together. In particular, any segment containing an instance of some translation problem is linked with a segment containing a ready-made solution for that problem. If we provide translators with the means to create, store and search such bi- textual structures, their past production becomes a highly effective translation memory. |
|
3.2 TransBase |
3.2 TransBase |
|
Pour rendre accessibles les résultats des analyses traductionnelles de grandes quantités de texte, nous avons conçu un modèle simple de mémoire traductionnelle structurée, que nous avons appelé TransBase. Ce modèle possède les mêmes caractéristiques de base que les systèmes d'extraction de textes intégraux : il peut gérer des quantités arbitraires de texte, il peut être augmenté de façon incrémentielle et il assure un accès rapide au contenu textuel de la base de données. Ce qui le distingue essentiellement de ces systèmes, c'est sa capacité à stocker des représentations bi-textuelles. |
In order to render accessible the results of translation analyses of large quantities of text, we have devised a simple model for a structured translation memory, which we call TransBase. It shares the basic characteristics of full-text retrieval systems: it can manage arbitrary amounts of text, it can be enlarged incrementally and it allows rapid access to the textual contents of the database. Its essential difference with these systems is its ability to also store bi-textual representations. |
|
Une base de données TransBase se construit à l'aide d'un analyseur de traductions semblable à celui qui est illustré à la Figure 2. Chacun des textes d'une paire de traductions réciproques fait l'objet d'une analyse linguistique qui le décompose en ses éléments structuraux (paragraphes, phrases, etc.) et détermine son contenu lexical. Cette information est stockée dans deux composantes distinctes de la base de données, propres à chacune des langues en présence, et indexée de façon à permettre l'accès rapide à n'importe quelle partie du texte. Un «analyseur de correspondances¯, basé sur les techniques décrites dans Simard, Foster et Isabelle [20], utilise ensuite ces analyses linguistiques pour construire une «carte traductionnelle¯ au niveau de la phrase, qui est également stockée dans la base de données. Cette structure et le mode de construction de la base de données sont illustrés à la Figure 4. |
A TransBase database is constructed using a translation analyzer similar to the one depicted in Figure 2. Each document in a pair of mutual translations is submitted to a language-specific analysis which breaks it down into its structural elements (paragraphs, sentences, etc.) and determines its lexical content. This information is stored in two distinct language-specific components of the database, and indexed so as to allow rapid access to any part of the text. A "correspondence analyzer" based on the techniques described in Simard, Foster & Isabelle [20] then uses these language-specific analyses to construct a sentence-level "translation map", which is also stored into the database. The structure and construction scheme of the database are illustrated in Figure 4. |
|
Figure 4 : Structure générale de la base de données TransBase |
Figure 4: General organization of a TransBase database |
|
Dans la base de données, les textes source et cible sont traités de façon symétrique. Cependant, comme la directionalité de la traduction peut être importante pour l'utilisateur, TransBase peut enregistrer laquelle des deux langues est la langue source. |
The texts of the source and target languages are handled symmetrically in the database. However, since the directionality of the translation may be important to the user, TransBase can record which language is the source. |
|
3.3 TransSearch |
3.3 TransSearch |
|
Il existe de nombreuses façons d'exploiter cette mémoire traductionnelle. La première qui vient à l'esprit, et celle qui est probablement la plus universellement utile, consiste à fournir aux traducteurs des outils qui leur permettront d'interroger le contenu textuel de la base de données TransBase. Certains auteurs (voir, par exemple, Church et Gale [6]) ont déjà suggéré qu'un outil capable de produire des concordances bilingues serait utile aux lexicographes bilingues. Il est plutôt évident qu'un concordancier bilingue serait également utile aux traducteurs. Il se peut, par exemple, qu'en rencontrant, dans un texte de départ anglais, un idiotisme tel que to be out to lunch ou to add insult to injury, le traducteur ne soit pas certain de l'équivalent français approprié. Il se peut aussi qu'il ne trouve pas de réponse satisfaisante dans les dictionnaires bilingues traditionnels. S'il disposait d'un concordancier bilingue, il pourrait alors interroger une base de données bi-textuelles du genre de TransBase et en extraire des exemples de ces expressions, accompagnées de leurs traductions. Cela serait pratique non seulement pour les idiotismes, mais aussi pour la terminologie spécialisée ou pour les tournures et formules propres à certains domaines (To whom it may concern..., Attendu que...). On trouvera, dans Macklovitch [16], un exposé plus détaillé de cette question. |
There are many possible ways to exploit such a translation memory. The first one that comes to mind, and probably the most universally useful, is to provide translators with tools to search a TransBase database on the basis of its textual content. It has already been suggested that a tool capable of producing bilingual concordances would be useful to bilingual lexicographers (see for example Church & Gale [6]). It is rather obvious that bilingual concordancing would also be useful to translators. For example, upon encountering some occurrence of an expression like to be out to lunch or to add insult to injury in his English source\x11text, a translator might be hesitant as to an appropriate French equivalent. He/she might also find that conventional bilingual dictionaries do not provide satisfactory answers. Bilingual concordancing would enable him/her to retrieve examples of these expressions together with their translations in a database of the TransBase kind. This could be useful not only for idiomatic expressions, but also for specialized terminology or domain-specific formulae (To whom it may concern..., Attendu que...). See Macklovitch [16] for a more detailed discussion of this issue. |
|
Le logiciel TransSearch est justement cet outil : il permet d'extraire de la base de données des occurrences d'«expressions¯ précises et de les afficher à l'intérieur de leur contexte bilingue. Étant destiné principalement aux traducteurs, qui sont susceptibles de l'utiliser simplement comme source de référence supplémentaire, ce logiciel est conçu pour être exploité en mode interactif et pour donner des réponses en temps réel, ce qui est assuré par l'inclusion d'index de mots dans le modèle TransBase. |
TransSearch is just such a tool: it allows one to extract occurrences of specific `expressions' from the database, and to visualize them within their bilingual context. Because the software is primarily aimed at translators, who are likely to use it as just another reference source, it is designed to be used interactively and to provide answers in real-time. This is just what the inclusion of word-form indexes within the TransBase model is meant to allow for. |
|
Comme la plupart des traducteurs ne sont pas des experts en informatique, nous avons accordé beaucoup d'attention à la convivialité de l'interface de TransSearch. En utilisant un langage d'interrogation intuitif et à orientation graphique, il est facile pour l'utilisateur d'effectuer des recherches complexes dans la base de données. Chacune de ces interrogations définit une expression logique portant sur des séquences de mots : lorsque l'interrogation est lancée, le système extrait de la composante alignement de la base de données tous les couples qui correspondent à cette expression. L'inclusion de dictionnaires et de descriptions morphologiques du français et de l'anglais permet en outre à TransSearch de repérer automatiquement les formes fléchies des éléments recherchés. |
Because most translators are not computer experts, much attention has been devoted to the user- friendliness of the TransSearch interface. Using an intuitive, graphically-oriented query language, it is easy for a user to submit complex queries to the database. Every such query defines a logical expression on sequences of word-forms: when the query is submitted, the system produces all the couples that satisfy this expression in the alignment component of the database. In addition, the inclusion of dictionaries and morphological descriptions of both French and English allows TransSearch to automatically match any inflectional variant of query items. |
|
Les résultats d'une interrogation sont normalement présentés en deux colonnes, les traductions réciproques étant affichées côte-à-côte. L'utilisateur peut alors examiner chacune des solutions proposées à l'intérieur du document dont elle a été extraite, ou rassembler toutes les solutions repérées accompagnées d'une petite portion de leur contexte immédiat, selon le mode de présentation habituel des concordances. |
The result of a query is normally presented in a two-column format, where mutual translations appear side-by-side. The user can either examine one match at a time within the document from which it was drawn, or collect all matches with a small portion of their immediate context, the way concordances are usually presented. |
|
La Figure 5 présente un exemple type des résultats obtenus avec TransSearch. Dans cet exemple, l'utilisateur a interrogé le système pour trouver des occurrences de l'expression anglaise to take X to court qui ne sont pas traduites en français par poursuivre X ou intenter un (ou des) procès à X et la base de données interrogée était constituée des traductions du Journal des débats de la Chambre des communes de 1986. Tous les traducteurs à qui nous avons montré le fonctionnement de ce système en ont conclu qu'un concordancier bilingue leur serait très utile. |
Figure 5 gives an idea of a typical session with TransSearch. In this example, the user has queried the system for occurrences of the English expression take X to court which are not translated in French as poursuivre X or intenter un (or des) procès à X, and the database searched consists of the 1986 Canadian Hansard translations. The translators to whom we have shown the system invariably concluded that bilingual concordancing would be very useful to them. |
|
Figure 5 : Exemple des résultats obtenus avec TransSearch |
Figure 5: A session with TransSearch |
|
4. La vérification de traductions |
4. Translation checking |
|
4.1 L'analyse de traductions et la détection d'erreurs |
4.1 Translation Analysis and Error Detection |
|
Depuis quelques années, on voit apparaître sur le marché du logiciel des outils critiques conçus pour aider les rédacteurs à améliorer leurs textes, grâce à la détection des problèmes potentiels d'orthographe, de grammaire et même de style. Si ces outils peuvent, en principe, aider les traducteurs à corriger les erreurs de rédaction contenues dans leurs traductions, ils ne peuvent aucunement les aider à corriger les erreurs de traduction au sens strict du terme, c'est-à-dire les correspondances erronées entre le texte source et le texte cible. Par exemple, ils ne peuvent pas les aider à repérer les contresens ou les faux sens, c'est-à-dire les cas où les deux textes sont individuellement corrects et signifiants, mais ne sont pas, en l'occurrence, des traductions réciproques. De telles erreurs ne peuvent être détectées que par un dispositif qui examine simultanément le texte source et le texte cible : en d'autres termes, un dispositif qui incorpore un analyseur de traductions. |
In recent years, we have witnessed the appearance on the market of text critiquing tools meant to help writers improve their texts by spotting potential problems in spelling, grammar and even style. While these tools can in principle help translators correct writing errors in the target language text, there is no way they can help them correct translation errors in the strict sense of the term, that is, incorrect correspondences between the source and target texts. For example, they cannot help with cases of mistranslation in which both texts are individually correct and meaningful, but do not happen to mean the same thing. Such errors can only be detected by a device that simultaneously examines the source and target texts. In other words, a device that comprises a translation analyzer. |
|
Moyennant un analyseur de traductions capable de reconstruire un sous-ensemble quelconque Cset des correspondances observables dans les résultats d'une opération de traduction, et moyennant un ensemble quelconque de contraintes C auxquelles doivent satisfaire les correspondances admissibles, un vérificateur de traductions est un dispositif qui aide le traducteur à s'assurer que le sous-ensemble Cset respecte effectivement les contraintes C. Cette capacité exige la présence d'un analyseur de traductions basé sur un modèle de traduction «robuste¯, un modèle qui est capable de détecter les correspondances réelles susceptibles de dévier de la norme définie par C. |
Given a translation analyzer capable of reconstructing some subset Cset of the correspondences that are observable in the result of some translation operation, and given some set of constraints C on admissible correspondences, a translation checker is a device that helps the translator ensure that Cset indeed satisfies C. This requires a translation analyzer based on a `robust' translation model, a model capable of observing actual correspondences that may be deviant with respect to the norm defined by C. |
|
Le problème général de la qualité des traductions est une question manifestement complexe et frustrante. Nous n'avons certainement pas l'intention de proposer une mesure ou une méthode globale pour évaluer les traductions. Notre but est plus modeste : nous désirons seulement cerner certaines caractéristiques particulièrement simples qui sont recherchées par la plupart des traducteurs et mettre au point quelques outils qui les aideront à vérifier si leurs traductions possèdent ces caractéristiques. |
The general problem of translation quality is a notoriously complex and vexing issue. It is certainly not our intention to propose any global metric or method for evaluating translations. Our aim is more modest. We only want to identify some particularly simple properties that most translators will want their translations to possess and devise some tools that will help them verify these properties. |
|
Une première caractéristique souhaitable et plutôt évidente est l'exhaustivité. En effet, toutes les parties d'un texte source devraient normalement avoir un équivalent dans le texte cible. Mais il arrive parfois aux traducteurs de faire des erreurs d'omission, en oubliant par exemple de traduire une phrase, un paragraphe, voire un page entière. Dans de tels cas, un analyseur de traductions efficace devrait être en mesure d'établir qu'un segment du texte source est mis en correspondance avec un segment vide dans le texte cible. Le dispositif de vérification pourrait alors en informer le traducteur, en lui signalant l'existence d'un problème éventuel dans son premier jet. |
One rather obvious candidate is the property of exhaustivity. Normally, all parts of the source text should have a corresponding element in the target text. But translators sometimes make omission errors, forgetting for example to translate a sentence, a paragraph, or even a complete page. In such cases an adequate translation analyzer should realize that a source language segment is being mapped onto an empty target language segment. The checking device could then warn the translator, pointing out a possible problem in his draft translation. |
|
Une deuxième caractéristique candidate est la cohérence ou l'uniformité terminologique. En traduction technique, il est de rigueur d'utiliser systématiquement le même terme pour traduire toutes les occurrences d'un terme particulier du texte source. Un processus d'analyse permettant de faire ressortir toutes les correspondances terminologiques entre une traduction et sa source devrait vraisemblablement aider les traducteurs à respecter le principe de l'uniformité terminologique. |
Another candidate property is terminological coherence. In technical translations, one and the same target language term should be used to translate all occurrences of any particular source language term. A process of translation analysis capable of bringing out term correspondences between a draft translation and its source would presumably make it possible to help translators enforce terminological coherence. |
|
Autre caractéristique : les traductions sont censées être exemptes d'interférences linguistiques provenant de la langue source. Dans certains cas, ces interférences mènent à des constructions boiteuses en langue cible, que l'on peut souvent détecter sans même se référer au texte source. Par exemple, si le mot anglais address est traduit en français par addresse (avec deux d), un vérificateur orthographique ordinaire devrait être mesure de détecter cette erreur. Mais il y a aussi des cas où l'interférence mène non pas à des mots mal orthographiés, mais bien à des erreurs de traduction. Les faux amis, par exemple, ont tendance à provoquer ce genre d'interférence. |
A third constraint that translations are expected to obey is the absence of source language interference. Some cases of interference result in constructs that are ill-formed with respect to the target language. Their detection is possible without any need to look at the source text. For example, if the English word address is translated as addresse (with two d's) in French, an ordinary French spell checker should be able to flag the problem. But there are also cases in which interference results not in ill-formedness but rather in mistranslation. Deceptive cognates, for example, tend to generate this kind of interference. |
|
Le mot me de la langue Le et le mot mf de la langue Lf sont des mots apparentés lorsque leur forme est semblable en raison d'une étymologie commune. C'est le cas, par exemple, du mot anglais government et du mot français gouvernement. Le plus souvent, ces mots sont non seulement des homonymes trans-linguistiques, mais aussi des synonymes. Dans certains cas, cependant, il n'y a pas de synonymie. Par exemple, les mots apparentés anglais/français suivants ont des sens complètement différents : |
Word we of language Le and word wf of language Lf are cognates when their forms are similar due to shared etymology. For example, the English word `government' and the French word `gouvernement' are cognates. Most often, these words are not only cross-linguistic homonyms but they are synonyms as well. However, in some cases the synonymy does not hold. For example, the following pairs of English/French cognates have completely disjoint meanings: |
|
Il existe probablement plusieurs autres types d'erreurs de traduction qu'un analyseur de traductions pourrait aider à déceler. La recherche dans ce domaine ne fait que commencer. Afin d'avoir un meilleur aperçu du potentiel pratique de cette approche, nous avons réalisé une expérience portant sur la détection des faux amis dans des traductions réelles. |
There are probably several other types of translation errors that translation analysis could help detect. Research in this area is just starting. In order to get a better idea of the practical potential of this approach we conducted an experiment on the detection of deceptive cognates in actual translations. |
|
4.2 Une expérience portant sur la détection des faux amis |
4.2 An Experiment on the Detection of Deceptive Cognates |
|
Les faux amis (FA) peuvent être subdivisés en faux amis absolus ou partiels. Les FA absolus, comme ceux qui sont cités dans les exemples précédents, se caractérisent par le fait que leurs significations sont complètement disjointes; ils ne peuvent donc jamais être utilisés comme des traductions réciproques. Les FA partiels, par contre, ont des sens qui se recoupent partiellement et ils peuvent être des équivalents traductionnels dans un sous-ensemble particulier de leurs emplois possibles. Par exemple, le verbe français examiner est parfois l'équivalent ( ) et parfois le non-équivalent ( ) du verbe anglais to examine : |
Deceptive cognates (DC's) can be subclassified as to whether they are complete or partial. Complete DC's, like the examples given above, have the property that their meanings are completely disjoint, and as a consequence can never be used as mutual translations. Partial DC's, on the other hand, have partially overlapping meanings, and are mutually translatable in some subset of their possible uses. For example, the French verb examiner is sometimes equivalent (`') and sometimes non-equivalent (`') to the English verb to examine: |
|
The doctor examined his patient _Le médecin examina son patient The professor examined his students Le professeur examina ses étudiants |
The doctor examined his patient Le médecin examina son patient The professor examined his students Le professeur examina ses étudiants. |
|
En nous concentrant dans un premier temps sur le problème plus facile des FA absolus, nous avons réalisé une expérience visant à évaluer 1) l'ampleur du problème dans des traductions réelles et 2) l'efficacité de certaines méthodes de détection simples. |
Concentrating for the moment on the easier problem of complete DC's, we conducted an experiment aimed at: 1) assessing the amplitude of the problem in actual translations; and 2) evaluating the effectiveness of some straightforward detection methods. |
|
Nous avons élaboré un analyseur de traductions AT1 qui instancie le modèle de la Figure 1 de la façon suivante : les modèles de langage pour le français et l'anglais sont réduits à des processus de segmentation en mots (tokenisation) et d'analyse morphologique (basés sur un dictionnaire et sur un ensemble de règles de flexion). Ces modèles de langage produisent une représentation morphologique simple du texte d'entrée : chaque unité lexicale est représentée comme l'ensemble des formes des entrées lexicales dont elle est une instance possible. Le modèle de correspondance utilisé dans AT1 est simplement le programme d'alignement de phrases mis au point par Simard, Foster et Isabelle [20]. La représentation qu'il produit est une séquence < |
We assembled a simple translation analyzer, TA1, that instantiates the model of Figure 1 as follows: language models for French and English are reduced to processes of `tokenization' and morphological analysis (based on a dictionary and a set of inflection rules). The output of these language models is a simple morphological representation of the input text: each token is represented as the set of citation forms of the lexical entries of which it is potentially an instance. The correspondence model used in TA1 is simply the sentence alignment program of Simard, Foster & Isabelle [20]. Its output representation is a sequence < |
|
Nous avons extrait de van Roey et al. [22] une liste de 145 paires de mots classifiés comme des faux
amis absolus : |
We extracted from van Roey & al. [22] a list of 145 word pairs which were classified as DC's of the
`complete' variety: |
|
Nous avons ensuite testé ce dispositif relativement simpliste sur un corpus composé des traductions du Journal des débats de la Chambre des communes couvrant une période d'un an. Après vérification manuelle des résultats, nous avons constaté qu'un grand nombre d'erreurs de traduction réelles avaient été détectées, comme dans l'exemple suivant : |
We then tested this rather simplistic device on one year of Hansard translations. Hand-checking the results, we found out that many genuine cases of translation errors were retrieved, as in the following: |
|
The peace movement in Canada is composed of physicians, members of the church, [...] -> Le mouvement canadien pour la paix compte dans ses rangs des physiciens, des ecclésiastiques, [...] (Journal des débats, 1987/09/29) |
The peace movement in Canada is composed of physicians, members of the church, [...] -> Le mouvement canadien pour la paix compte dans ses rangs des physiciens, des ecclésiatiques, [...] (Hansard, 1987/09/29) |
|
There are parts of this bill which concern librarians and the artistic community. -> Quelque part dans ce projet de loi, il est question des libraires et des artistes. (Journal des débats, 1987/11/30) |
There are parts of this bill which concern librarians and the artistic community. -> Quelque part dans ce projet de loi, il est question des libraires et des artistes. (Hansard, 1987/11/30) |
|
Mais, comme on peut le voir dans le Tableau 1, les résultats présentaient aussi un niveau de «bruit¯ très élevé. |
But as Table 1 shows, the results were also very noisy. |
|
Tableau 1 : Résultats de l'extraction de FA dans les sorties de AT1 |
Table 1: Results of DC retrieval in TA1's output |
|
Ce bruit provenait de trois sources différentes. Premièrement, il y avait des cas où la «fausseté¯ (par allusion à faux amis) de |
The noise was generated by three different sources. First, there are cases where the `deceptivity' of |
|
Tableau 2 : Catégories de bruit relevées dans les FA extraits des sorties de AT1 |
Table 2: Noise categorization for DC retrieval in TA1's output |
|
Ces résultats indiquaient clairement qu'il fallait incorporer la catégorisation grammaticale. Nous avons donc remplacé l'analyseur de traductions AT1 par un nouvel analyseur, AT2, qui se distinguait du premier en ce que ses deux modèles de langage incorporaient le programme de catégorisation grammaticale de Foster [10]. On a ensuite modifié le processus de recherche pour tenir compte de l'information grammaticale associée à nos 145 paires de FA. Cette méthode a donné de bien meilleurs résultats, comme on peut le constater dans les Tableaux 3 et 4. |
Given these figures, POS tagging was obviously called for. The translation analyzer was therefore replaced with a new one, TA2, that differed from TA1 only in that its two language models were augmented with the POS tagger of Foster [10]. The search process was modified so as to take into account POS information associated with our 145 pairs of DC's. This scheme produced much better results, as shown in Tables 3 and 4. |
|
Tableau 3 : Résultats de l'extraction de FA dans les sorties de AT2 |
Table 3: Results of DC retrieval in TA2's output |
|
Tableau 4 : Catégories de bruit relevées dans les FA extraits des sorties de AT2 |
Table 4: Noise categorization for DC retrieval in TA2's output |
|
La catégorisation grammaticale a réduit considérablement le niveau de bruit, tout en n'exerçant qu'un effet marginal sur le nombre de cas rappelés (perte d'un cas). Cette amélioration spectaculaire est en grande partie attribuable à la résolution des problèmes liés à un petit nombre de mots utilisés fréquemment (comme le cas du mot local, mentionné précédemment). Une partie du bruit restant est due à des erreurs de catégorisation grammaticale, mais la majeure partie découle maintenant de la grossièreté de notre modèle de correspondance. |
POS tagging dramatically reduced the noise, with no more than a marginal effect on the recall (one case is lost). This spectacular effect is in a large measure attributable to the resolution of problems associated with a small number of frequent words (like the case of local mentioned above). Part of the remaining noise is due to tagging errors, but the largest proportion is now attributable to the coarseness of our correspondence model. |
|
Il ne fait aucun doute que de meilleurs modèles permettraient d'améliorer la détection des faux amis. Cependant, la performance de la méthode de faible coût algorithmique que nous avons testée ici pourrait fort bien s'avérer suffisante pour les applications réelles. |
Better models would no doubt improve DC detection. However, the performance level of the computationally cheap method tested here may well prove sufficient for real-life applications. |
|
5. La dictée de traductions : TransTalk |
5. Translation Dictation: TransTalk |
|
Nous sommes revenus quelques fois, dans cet article, sur le fait que des modèles de traduction faibles, s'ils sont employés de façon réaliste, peuvent offrir au traducteur des outils efficaces qui ne lui imposent pas de contraintes artificielles. Considérant que de nombreux traducteurs préfèrent dicter leurs textes plutôt que de les dactylographier eux-mêmes, un module de dictée automatique constituerait une addition fort utile au poste de travail de traducteur (Gurstein et Monette [11]). |
A recurring theme of this paper has been that weak models of translation, if used realistically, can provide useful tools for the human translator, without imposing artificial constraints on his activity. One invaluable addition to the translator's workstation would be an automatic dictation module: many professional translators prefer to dictate their translations rather than doing the typing themselves (Gurstein & Monette [11]). |
|
La technologie de la reconnaissance automatique de la parole est actuellement limitée aux vocabulaires restreints et elle est, de ce fait, inapplicable à la tâche de la plupart des traducteurs. Une possibilité intéressante, cependant, serait le couplage d'un module de reconnaissance de la parole et d'un modèle de traduction (faible). Le modèle de TA servirait alors à faire des prédictions probabilistes quant aux énonciations susceptibles d'être produites librement par le traducteur, afin de réduire dynamiquement le «vocabulaire réel probable¯ envisagé par le module de reconnaissance de la parole pour chaque unité de dictée (phrase ou paragraphe) et ce, jusqu'au point où la reconnaissance complète de ces unités pourrait être tentée. |
At the present time, speech-recognition technology is severely limited when confronted with large- vocabularies, and is therefore inapplicable to the task of most translators. An intriguing possibility, however, is that of teaming the speech-recognition module with a (weak) translation model. The MT model would then be used to make probabilistic predictions of the possible target language verbalizations freely produced by the translator, so as to dynamically reduce the "effective probable vocabulary" considered by the speech-recognition module on each dictation unit (sentence or paragraph) to such an extent that complete recognition of these units can be attempted. |
|
Il est évident, par exemple, que la composition probabiliste du vocabulaire considéré par un module de reconnaissance de la parole qui tente de décoder la phrase Ces impôts cachés doivent être acquittés par les pauvres aussi bien que par les riches sera très différente selon que sa source anglaise The poor as well as the rich have to pay these hidden taxes est ou non connue du module. Il est beaucoup plus probable, par exemple, que la traduction française de cette phrase anglaise renferme le mot impôts qu'une phrase française choisie au hasard. Il semble donc raisonnable d'espérer qu'un modèle de traduction faible puisse rendre cette composition accessible au module de reconnaissance de la parole. |
For example, it is clear that the probabilistic composition of the vocabulary considered by a speech recognizer attempting to decode the spoken French sentence: Ces impôts cachés doivent être acquittés par les pauvres aussi bien que par les riches should be markedly different depending on whether its English source The poor as well as the rich have to pay these extra hidden taxes is available or not. A French translation of this English sentence is for instance much more likely to contain the word impôts than is a French sentence taken at random. It seems reasonable to hope that a weak translation model could make this composition available to the speech recognizer. |
|
Cette idée a été avancée par Dymetman, Foster et Isabelle [9] ainsi que par Brown et al. [4]. Nous avons entrepris un projet de collaboration avec le groupe de reconnaissance de la parole du Centre de recherches informatiques de Montréal (CRIM), le projet TransTalk, qui vise à démontrer la faisabilité de cette approche, en utilisant l'anglais comme langue source et le français comme langue de dictée. Nous avons l'intention de nous limiter, au début, à la dictée de mots isolés, puis de passer progressivement à la parole continue. Les projets TransSearch et TransCheck décrits précédemment comportaient l'élaboration d'analyseurs de traductions incorporant des modèles de langage pour le français et l'anglais et un modèle de correspondance français-anglais (alignement de phrases) qui ont été entraînés sur le corpus du Journal des débats de la Chambre des communes. Ce corpus, ou domaine, est donc un choix tout naturel pour le projet TransTalk, puisque les modules existants constitueront alors des ressources fondamentales pour TransTalk. On peut en fait envisager TransTalk comme un système incorporant un analyseur de traductions fort semblable à ceux que nous avons déjà décrits, sauf qu'il a la capacité de traiter une langue cible parlée, plutôt qu'écrite. |
This idea was independently advanced by Dymetman, Foster & Isabelle [9] and by Brown & al. [4]. We have launched a joint project with the speech-recognition group at CRIM (Centre de Recherche Informatique de Montréal), the TransTalk project, aimed at proving the feasibility of the approach, using English as the source language and French as the dictation language. Initially we intend to restrict dictation to an isolated-word mode, then to progress to a connected-speech mode. The TransSearch and TransCheck projects discussed above involved the development of translation analyzers comprising French and English language models and a French-English correspondence model (sentence alignment) that were trained on the Hansard corpus. The Hansard domain is thus a natural choice for the TransTalk project, since existing modules will then provide fundamental resources for TransTalk. Actually, one can view TransTalk as incorporating a translation analyzer much like those described above, except that it has the capability of dealing with target language that is a spoken rather than written. |
|
TransTalk est basé sur un modèle probabiliste p de dictée de traduction qui met en relation une unité textuelle anglaise écrite e, sa traduction française écrite f (pour simplifier, nous supposerons que ces unités textuelles sont des phrases) et s, la réalisation acoustique de f. Les unités e et s sont toutes deux connues du système, qui a pour tâche de produire une estimation $f de l'unité f effectivement formulée par le traducteur. |
TransTalk is based on a probabilistic model p of translation dictation relating an English written textual unit e, its French written translation f (to simplify matters, we assume here that textual units are sentences), and the acoustic counterpart s of f. Both e and s are known to the system, and TransTalk's job is to provide an estimate of the actual f intended by the translator: |
|
L'on est donc amené à définir $f comme : $f = argmaxf p(f l e, s) |
One is thus led to define as: |
|
c'est-à-dire que $f est la phrase française la plus probable selon le modèle p, étant donné la phrase source anglaise et la réalisation acoustique de la phrase française. |
that is, is the most probable French sentence according to the model p, given both the source English sentence and the acoustic realisation of the French sentence. |
|
En utilisant la formule de Bayes, on peut réécrire cette équation comme suit : $f = argmaxf p(s l e, f) p(f l e) = argmaxf p(s l f) p(f l e) |
By Bayes's formula, this equation can be rewritten as: |
|
la dernière égalité étant une conséquence de l'assomption modérée suivante : une fois que f est connue, les connaissances supplémentaires sur e n'ajoutent rien à la détermination de s. |
where the last equality is a consequence of the mild assumption that once f is known, further knowledge of e cannot add anything to the determination of s. |
|
Cette équation rappelle fortement la «formule fondamentale¯ de la reconnaissance statistique de la parole (Bahl et al. [2]) : $f = argmaxf p(s l f) p(f) |
This equation is strongly reminiscent of the "fundamental formula" of statistical speech-recognition (Bahl & al [2]): |
|
où les distributions p(s l f) et p(f) sont appelées respectivement le modèle acoustique et le modèle de langage. Dans la situation envisagée ici, le modèle de langage pur p(f) a été remplacé par un «modèle de langage conditionnel¯ p(f l e), dans lequel la connaissance de e «affine¯ la structure statistique du modèle de langage, en le forçant en particulier à «concentrer¯ son attention sur un sous-ensemble lexical restreint de la langue. On peut mesurer quantitativement cet «affinement¯ au moyen de la perplexité, une quantité relative à la théorie de l'information qui mesure l'incertitude moyenne qu'un modèle de langage manifeste à l'égard du prochain mot devant apparaître dans un texte naturel, après avoir vu les mots précédents : moins un modèle est perplexe, plus il est prédictif (Jelinek [15]). Brown et al. [4] décrivent les résultats d'une expérience qu'ils ont réalisée sur le Journal des débats en utilisant un de leurs modèles de traduction les plus simples (du français àl'anglais, dans leur cas). Ces résultats révèlent que la perplexité par mot de leur modèle de langage pur (anglais) s'établit en moyenne à 63,3, tandis que la perplexité de leur modèle de langage conditionnel chute à une moyenne de 17,2. Ces résultats sont très encourageants pour la dictée, car ils signifient que le module acoustique devrait pouvoir faire un choix, étant donné un mot anglais parlé, parmi en moyenne 17,2 candidats équiprobables proposés par le modèle de langage conditionnel, par opposition à 63,3 candidats équiprobables proposés par le modèle de langage pur. |
where the distributions p(s | f) and p(f) are known as the acoustic model and language model respectively. In the situation considered here, the pure language model p(f) has been replaced by a "conditional language model" p(f | e), where knowledge of e "sharpens" the statistical structure of the language model, in particular by making it "concentrate" its attention on a limited lexical subset of the whole language. A quantitative measure of this "sharpening" can be given in terms of perplexity, an information-theoretic quantity which measures the average uncertainty a given language model entertains about the next word to appear in a natural text, having seen the preceding words: the less the perplexity, the more predictive the model (Jelinek [15]). Brown et al. [4] report the results of an experiment with the Hansards, using one of their simpler translation models (from French to English, in their case), which show the per-word perplexity of their pure (English) language model to average 63.3, while the perplexity of their conditional language model drops to an average of 17.2. These results are highly encouraging for the dictation task, for they mean that the acoustic module should be able to discriminate, given one English spoken word, in average between 17.2 equiprobable candidates proposed by the conditional language model, as opposed to 63.3 equiprobable candidates proposed by the pure language model. |
|
Plusieurs approches sont possibles pour la modélisation de p(f l e). Une première approche, proposée par l'équipe IBM, consiste à utiliser la formule de Bayes pour écrire, par analogie à la formulation standard du problème de reconnaissance de la parole :p(f l e) _p(e lf) p(f) |
Several approaches are possible to the modelling of p(f | e). A first approach, proposed by the IBM team, is to use Bayes' formula and to write, by analogy to the standard formulation of the speech- recognition problem: |
|
où (selon leur terminologie) p(e l f) correspond au «modèle de traduction¯, qui joue un rôle semblable à celui du modèle acoustique dans la reconnaissance de la parole. Cela nous amène par conséquent à une formule symétrique pour l'ensemble du modèle de dictée de traduction, dans laquelle p(f) est le modèle de langage, p(s l f) est le modèle acoustique et p(e l f) est le modèle de traduction. Cette méthode présente deux avantages : (1) elle repose sur un seul modèle de langage pour le français et (2) les travaux réalisés chez IBM sur la TA statistique semblent indiquer que des approximations même grossières de p(e l f), lorsqu'elles sont couplées à un bon modèle de langage pour le français, donnent des approximations acceptables pour le modèle de langage conditionnel p(f l e). C'est comme s'il y avait une «division du travail¯ entre p(f), qui est responsable de la structure correcte des phrases françaises, et p(e lf), qui est chargé d'apparier les phrases anglaises et françaises (d'où le terme quelque peu trompeur de «modèle de traduction¯), sans trop tenir compte de la structure interne du français ou de celle de l'anglais (voir [9] pour plus de détails). Cette méthode présente toutefois une lacune importante au niveau du traitement : elle exige la réalisation d'une recherche étendue parmi les phrases f pour maximiser p(e l f) p(f) (sans compter le facteur p(s l f), ce qui ne fait qu'aggraver les choses). On sait que cela pose de sérieuses difficultés pratiques en termes de résultats de recherche non optimaux ainsi qu'en termes de temps de traitement, ce dernier facteur étant évidemment de toute première importance pour une application de dictée. |
where (in their terminology) p(e|f) is the "translation model", which plays a role similar to the acoustic model in speech recognition. One is thus led to a symmetrical formula for the whole translation dictation model where p(f) is the language model, p(s|f) the acoustic model, and p(e|f) the translation model. This method has two advantages: (1) it relies on a unique language model for French, and (2) the work at IBM on statistical MT seems to indicate that even rough approximations to p(e|f), when teamed with a good language model for French, result in acceptable approximations to the conditional language model p(f|e). It is as if there were a "division of work" between p(f), responsible for the well-formedness of French sentences, and p(e|f), responsible for pairing between English and French sentences (hence the somewhat misleading terminology "translation model") without much regard for either the internal structure of French or the internal structure of English(see [9] for details). The method has, however, one important shortcoming in terms of processing: it requires an extensive search among the sentences f in order to maximize p(e|f) p(f) (not counting the p(s|f) factor, which only makes matters worse). This is known to present serious practical difficulties in terms of non-optimal search results as well as in terms of processing time, this last factor being obviously of central importance in a dictation application. |
|
Une deuxième approche à la modélisation de p(f l e) consiste à considérer a priori une certaine famille paramétrisée de modèles de langage p (f) pour le français, à décrire une mise en correspondance e (e), puis à définir le modèle de langage conditionnel au moyen de : p(f l e) = p (e)(f) |
A second approach to the modelling of p(f | e) is to consider a priori a certain parametrized family of language models for French, to describe a mapping , and then to define the conditional language model through: |
|
Bien qu'elle présente l'inconvénient d'utiliser plus qu'un modèle de langage de référence pour le français, cette approche peut être mise en oeuvre efficacement si la famille p (f) est bien choisie. Nous examinons actuellement la possibilité d'adapter un modèle de langage proposé dans [10]. Ce modèle est une sorte de modèle markovien caché «tri-POS¯, qui dépend de deux familles de paramètres. La première famille ai, j, k, donne la probabilité de générer un mot de catégorie grammaticale POSk, les mots de catégories grammaticales POSi et POSj ayant déjà été générés. La deuxième famille, bi, m, donne la probabilité qu'une catégorie grammaticale donnée POSj soit associée au mot m. Cela signifie, sur le plan conceptuel du moins, que le modèle génère d'abord des chaînes de catégories grammaticales, en utilisant la fenêtre du contexte des deux catégories grammaticales déjà générées, puis «décore¯ chaque catégorie grammaticale avec un mot donné, dépendant uniquement de cette catégorie grammaticale. Les paramètres ai, j, k représentent une approximation de la structure «grammaticale¯ du français, tandis que les paramètres bi, m représentent une approximation de sa structure «lexicale¯. |
Although it presents the inconvenience of dispensing with a unique reference language model for French, this approach can be efficiently implemented if the family is well-chosen. One possibility that we are currently investigating is to adapt a language model proposed in [10]. This model is a kind of "tri-POS" hidden Markov model, depending on two families of parameters. The first family gives the probability of generating a word having part-of-speech POSk, given that words with parts-of-speech POSi and POSj have been previously generated. The second family gives the probability that a given part-of-speech POSi is associated with word w. That is, conceptually at least, the model first generates part-of-speech strings, using a context window of the two previously generated parts-of-speech, then "decorates" each part-of-speech with a given word form, depending only on this part-of-speech. The parameters represent an approximation to the "grammatical" structure of French, while the parameters represent an approximation to its "lexical" structure. |
|
Nous nous proposons de faire l'essai d'un schème où ces paramètres varieront dynamiquement selon la phrase source observée e. Une possibilité intéressante serait de maintenir les «paramètres grammaticaux¯ à leurs valeurs globales fixes en langue française (sans tenir compte de l'influence de la composition grammaticale de la phrase anglaise sur sa traduction), tout en modifiant les paramètres «lexicaux¯ selon la composition lexicale de la phrase anglaise. La première famille de paramètres peut être estimée de façon fiable sur un corpus français suffisamment étendu, tandis que la deuxième famille de paramètres, qui dépend de e, peut être estimée si l'on fait certaines hypothèses simplificatrices s'apparentant au modèle de traduction 1 de Brown et al. [5]. Essentiellement, chaque bi, m f (e) est considéré être la moyenne des contributions p (mf l me , POSi) faites par chaque mot anglais me de e à la probabilité de réaliser la catégorie grammaticale POSi dans le mot français mf. Pour estimer les paramètres p (mf l me , POSi), il faut partir d'un corpus d'apprentissage pré-aligné composé de bi-textes anglais-français (voir section 3). Il est alors possible de faire des estimations initiales pour les paramètres p (mf l me , POSi), puis d'utiliser des techniques de réestimation standard (voir [5]) sur ce corpus d'apprentissage pour maximiser l'efficacité prédictive de ces paramètres, tout en maintenant les paramètres grammaticaux à des valeurs fixes. |
We propose to experiment with a scheme where these parameters vary dynamically depending on the observed source sentence e. One interesting possibility is to keep the "grammatical parameters" fixed at their global French language values (neglecting the influence of the grammatical make-up of the English sentence on its translation), while modifying the "lexical" parameters depending on the lexical make-up of the English sentence. The first family of parameters can be estimated reliably on a sufficiently large French corpus, while the second family of parameters, depending on e, can be estimated if certain simplifying assumptions akin to the Translation Model 1 of Brown & al. [5] are made. Basically, each is considered to be the average of the contributions made by each English word we in e to the probability of realising part-of-speech POSi as the French word wf. In order to estimate the parameters , it is necessary to have a pre-aligned training corpus of English- French bitexts (see section 3). It is then possible to start with initial guesses for the parameters, and use standard reestimation techniques (see [5]) on this training corpus to maximize the predictive power of these parameters, while holding grammatical parameters fixed. |
|
Le principal avantage de cette approche est que, pour chaque phrase source e, le modèle de langage conditionnel se réduit, en fait, à un simple modèle markovien caché p (e)(f); le problème de la dictée de traduction adopte alors une forme familière en reconnaissance de la parole, soit : $f = argmaxf p (e)(f) p (s lf) |
The main advantage of this approach is that, for each source sentence e, the conditional language model in effect reduces to a simple Hidden Markov Model , and the translation dictation problem then takes the form familiar in speech-recognition: |
|
pour laquelle il existe de puissantes techniques de recherche (Bahl et al. [2]). |
for which powerful search techniques are available (Bahl & al [2]). |
|
6. Conclusions |
6. Conclusions |
|
Une nouvelle génération d'aides à la traduction se profile déjà à l'horizon. Grâce au développement des techniques d'analyse de traductions, les postes de travail de traducteurs pourront bientôt mettre à la disposition de leurs utilisateurs des outils qui dépasseront les simples fonctions de bureautique. Les traducteurs seront bientôt en mesure de tirer profit du vaste potentiel inexploité que recèle leur production antérieure. Ils disposeront bientôt d'outils de vérification qui les aideront à détecter les erreurs de traduction présentes dans leurs premiers jets. Et il y a de bonnes chances que la transcription automatique de la parole se concrétise en traduction bien avant qu'elle ne devienne une réalité pour les applications unilingues. |
A new generation of translation support tools is just around the corner. Thanks to the development of translation analysis techniques, translator's workstations will soon be able to offer much more to their users than mere office automation functions. Translators will soon be in a position to tap the vast potential lying dormant in their past production. They will soon be able to receive assistance in checking their translations for errors. And speech input stands a good chance of becoming a reality for them long before it does for monolinguals. |
|
Nous ne serions pas surpris de voir cette liste d'applications basées sur le concept de l'analyse de traductions s'allonger rapidement. Nous ne souhaitons que du bien à la TA classique, mais nous croyons que c'est dans le domaine des aides à la traduction que se produiront les véritables progrès, et ce, pendant de nombreuses années encore! |
We would not be surprised to see the list of applications based on the concept of translation analysis expand rapidly. We wish classical MT well, but the real action is likely to be with translator's aids for quite a few years to come! |
|
Références bibliographiques |
REFERENCES |
|
[1] Bar-Hillel, Y. : «The State of Machine Translation in 1951¯, in American Documentation, vol. 2, 1951, p. 229-237. |
[1] Bar-Hillel Y., The State of Machine Translation in 1951, in American Documentation, vol. 2, 1951, pp. 229-237. |
|
[2] Bahl, L., Jelinek, F. et R. Mercer : «A maximum likelihood approach to continuous speech recognition¯, IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-5(2), p. 179-191, mars 1983. |
[2] Bahl L., Jelinek F., Mercer R. A maximum likelihood approach to continuous speech recognition, IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI- 5(2):179--191, March 1983. |
|
[3] Brown, P., Lai, J. et R. Mercer : «Aligning sentences in parallel corpora¯, Proceedings of the 29th Annual Meeting of the Association for Computational Linguistics, Berkeley (Californie), juin 1991. |
[3] Brown P., Lai J., Mercer R., Aligning Sentences in Parallel Corpora, Proceedings of the 29th Meeting of the ACL, 1991. |
|
[4] Brown, P., Chen, S., Della Pietra, S., Della Pietra, V., Kehler, S. et R. Mercer : «Automatic speech recognition in machine aided translation¯, 1992 (à paraître). |
[4] Brown P., Chen S., Della Pietra S., Della Pietra V., Kehler S., Mercer R. Automatic speech recognition in machine aided translation, 1992. (to appear). |
|
[5] Brown, P., Della Pietra, S., Della Pietra, V., et R. Mercer : «The Mathematics of Machine Translation: Parameter Estimation¯, (à paraître). |
[5] Brown P., Della Pietra S, Della Pietra V, Mercer R. The Mathematics of Machine Translation: Parameter Estimation, (to appear). |
|
[6] Church, K. et W. Gale : «Concordances for Parallel Texts¯, in Proceedings of the 7th Annual Conference of the UW Centre for NOED and Text Research, Oxford, 1991. |
[6] Church K., Gale W., Concordances for Parallel Texts, in Proceedings of the 7th Annual Conference the UW Centre for the NOED and Text Research, Oxford, 1991. |
|
[7] Debili, F. et E. Sammouda : «Appariement des phrases de textes bilingues français-anglais et français-arabes, in Proceedings of COLING-92, Nantes, 1992. |
[7] Debili F., Sammouda E., Appariement des phrases de textes bilingues Français-Anglais et Français-Arabes, Proceedings of COLING-92, Nantes, 1992. |
|
[8] Dymetman, M. : Transformations de grammaires logiques et réversibilité en traduction automatique, thèse d'État, Université de Grenoble 1, France, 1992. |
[8] Dymetman M., Transformations de grammaires logiques et réversibilité en traduction automatique, thèse d'État, Université de Grenoble 1, France, 1992. |
|
[9] Dymetman, M., Foster, G. et P. Isabelle : Towards an Automatic Dictation System for Translators (TransTalk), rapport technique, CITI (CITI), Laval (Québec), Canada, 1992. |
[9] Dymetman M., Foster G., Isabelle P., Towards an Automatic Dictation System for Translators (Transtalk), Tech. report, CITI, Laval, Quebec, Canada, 1992. |
|
[10] Foster, G. : Statistical Lexical Disambiguation, mémoire de maîtrise, McGill University, School of Computer Science, 1991. |
[10] Foster G., Statistical Lexical Disambiguation. Master's thesis, McGill University, School of Computer Science, 1991. |
|
[11] Gurstein, M. et M. Monette : Functional Specifications for a Translator's Workstation, rapport technique 12SD.36902-5-0003, Socioscope Inc., Ottawa, Canada, octobre 1988. Rapport présenté au Centre canadien de recherche sur l'informatisation du travail (Centre d'innovation en technologies de l'information). |
[11] Gurstein M. and Monette M. Functional Specifications for a Translator's Workstation. Technical Report 12SD.36902-5-0003, Socioscope Inc, Ottawa, Canada, October 1988. Report submitted to the Canadian Workplace Automation Research Center. |
|
[12] Isabelle, P. : «Machine Translation at the TAUM Group¯, in Margaret King (éd.), Machine Translation Today: The State of the Art, Edinburgh University Press, 1987. |
[12] Isabelle P., Machine Translation at the TAUM Group, in Margaret King (ed.), Machine Translation Today: The State of the Art, Edinburgh University Press, 1987. |
|
[13] Isabelle, P. : «Bi-Textual Aids for Translators¯, in Proceedings of the Eighth Annual Conference of the UW Centre for the New OED and Text Research, University of Waterloo, Waterloo, Canada, 1992. |
[13] Isabelle P., Bi-Textual Aids for Translators, Proceedings of the Eight Annual Conference of the UW Centre for the New OED and Text Research, University of Waterloo, Waterloo, Canada, 1992. |
|
[14] Isabelle, P., Dymetman, M. et E. Macklovitch : «CRITTER: a Translation System for Agricultural Market Reports¯, in Proceedings of COLING-88, Budapest, 1988. |
[14] Isabelle P., Dymetman M., Macklovitch E., CRITTER: a Translation System for Agricultural Market Reports, Proceedings of COLING-88, Budapest, 1988. |
|
[15] Jelinek, F. : «Self-Organized Modeling for Speech Recognition¯, in Alex Waibel et Kai-Fu Lee, éditeurs, Readings in Speech Recognition, p. 450-506, Morgan Kaufman, San Mateo, Californie, 1990. |
[15] Jelinek F. Self-Organized Modeling for Speech Recognition, in Alex Waibel and Kai-Fu Lee, editors, Readings in Speech Recognition, pages 450--506. Morgan Kaufmann, San Mateo, CA, 1990. |
|
[16] Macklovitch, E. : «Corpus-Based Tools for Translators¯, in Proceedings of the 33rd Annual Conference of the American Translators Association, San Diego, 1992. |
[16] Macklovitch E., Corpus-Based Tools for Translators, Proceedings of the 33rd Annual Conference of the American Translators Association, San Diego, 1992. |
|
[17] Macklovitch, E. : A Third Version of the CWARC's Workstation for Translators, rapport technique, CWARC (CITI), Laval (Québec), Canada, 1993. |
[17] Macklovitch E., A Third Version of the CWARC's Workstation for Translators, Tech. report, CITI, Laval, Quebec, Canada, 1993. |
|
[18] Kay, M. : The Proper Place of Men and Machines in Translation, CSL-80-11, Xerox PARC, 1980. |
[18] Kay M., The Proper Place of Men and Machines in Translation, CSL-80-11, Xerox PARC, 1980. |
|
[19] Sato, S. et M. Nagao : «Toward Memory-Based Translation¯, in Proceedings of COLING-90, p. 247-252, 1990. |
[19] Sato S., Nagao M., Toward Memory-Based Translation, Proceedings of COLING-90, 247- 252, 1990. |
|
[20] Simard, M., Foster, G. et P. Isabelle : «Using Cognates to Align Sentences in Parallel Corpora¯, in Proceedings of the 4th International Conference on Theoretical and Methodological Issues in Machine Translation, Montréal, 1992. |
[20] Simard M., Foster G., Isabelle P. Using Cognates to Align Sentences in Parallel Corpora, Proceedings of the 4th International Conference on Theoretical and Methodological Issues in Machine Translation, Montreal, 1992. |
|
[21] Van Noord, G. : Reversibility in Natural Language Processing, CIP-Gegevens Konincklijke Bibliotheek, La Haye, 1993. |
[21] Van Noord G., Reversibility in Natural Language Processing, CIP-Gegevens Konincklijke Bibliotheek, The Hague, 1993. |
| [22] Van Roey, J., Granger, S. et H. Swallow : Dictionnaire des faux-amis français-anglais, Paris, Duculot, 1988. | [22] Van Roey J., Granger S., Swallow H., Dictionnaire des faux-amis français-anglais, Paris, Duculot, 1988. |