Exploitation d’un corpus bilingue comparable pour la création d’un système de traduction probabiliste Vietnamien – Français

Cet article présente nos premiers travaux en vue de la construction d’un système de traduction probabiliste pour le couple de langue vietnamien-français. La langue vietnamienne étant considérée comme une langue peu dotée, une des difficultés réside dans la constitution des corpus parallèles, indispensable à l’apprentissage des modèles. Nous nous concentrons sur la constitution d’un grand corpus parallèle vietnamien-français. Une méthode d’identification automatique des paires de documents parallèles fondée sur la date de publication, les mots spéciaux et les scores d’alignements des phrases est appliquée. Cet article présente également la construction d’un premier système de traduction automatique probabiliste vietnamien-français et français-vietnamien à partir de ce corpus et discute l’opportunité d’utiliser des unités lexicales ou sous-lexicales pour le vietnamien (syllabes, mots, ou leurs combinaisons). Les performances du système sont encourageantes et se comparent avantageusement à celles du système de Google.

@InternationalConference{DLBBC09b,
  author       = {DO, T. and LE, V. and BIGI, B. and BESACIER, L. and CASTELLI, E.},
  title        = {Exploitation d’un corpus bilingue comparable pour la création d’un système de traduction probabiliste Vietnamien – Français},
  booktitle    = {Traitement Automatique du Langage Naturel - TALN 2009},
  month        = {June},
  year         = {2009},
  address      = {Senlis, France},
  url          = {/2009/DLBBC09b},
}