Identification de documents parallèles dans une grande collection de textes

Philippe Langlais (felipe <at> iro (point) umontreal (point) ca)

RALI, DIRO

Le 20 juillet 2011 à 11 h 30

Salle 3195, Pavillon André-Aisenstadt


Nous présentons PARADOCS, un système réalisé dans le but de reconnaître des paires de documents parallèles dans une (vaste) collection bilingue de documents. Ce travail s'inscrit dans la mouvance récente consistant à extraire de documents comparables des paires de phrases en relation de traduction. Nous avons appliqué ce système à la détection d'articles parallèles dans les articles Wikipedia en anglais et en français. Une évaluation manuelle nous permet de mesurer qu'environ un quart des paires d'articles liés par un lien inter-langue dans Wikipedia sont en fait en relation de traduction et que PARADOCS est capable d'identifier des paires d'articles parallèles avec une précision proche de 80%. Ce travail réalisé en collaboration avec Alexandre Patry a été présenté à BUCC'11.


Pour recevoir les annonces hebdomadaires par courriel, envoyez un message à l'adresse majordomo@iro.umontreal.ca

Liste des autres séminaires