Extraction lexicale bilingue à partir de textes médicaux comparables : application à la recherche d'information translangue - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2004

Bilingual lexicon extraction from comparable medical texts: application for cross-language information retrieval

Extraction lexicale bilingue à partir de textes médicaux comparables : application à la recherche d'information translangue

Résumé

In recent years, with a rapid expansion of online information available on medical web sites in different languages, one of the issues that have to be addressed is that of the access and the processing of this online information. It generally assumes that large, multilingual lexical resources are available for each language pair. How to update these multilingual resources becomes an important clue, especially in a rapidly evolving domain such as medicine. This thesis focuses on domain-specific bilingual lexicon extraction from online medical texts. Our goal is to develop a translation method for bilingual lexicon acquisition from comparable corpora and for query translation in cross-language information retrieval (CLIR). We present here a novel approach based on words distribution symmetry. Traditional approaches to bilingual lexicon extraction from comparable corpora are based on the assumption that words that are translations of each other will have similar distributional profiles across languages. However, they proposed one direction extraction, only from the source to the target language. The basic intuition of the symmetrical distribution is that the reciprocal distribution similarity between two words of different languages is an effective criterion for identifying the translational affinity between words. On the one hand, we evaluated our model for a French-English medical lexicon extraction. On the other hand, the extracted lexicon is used for query translation and expansion in CLIR. The results show that our approach exploring symmetrical distribution performs better than the traditional approach to bilingual lexicon extraction. For query translation and expansion tasks, our model improves the retrieval results only in a semi-supervised mode when compared with the dictionary-based method.
L'accroissement explosif des connaissances dans le domaine médical et l'inflation textuelle et multilingue, notamment sur le Web, confèrent à l'accès, l'exploitation ou la traduction de ces informations un enjeu important. Ces traitements nécessitent des ressources lexicales multilingues qui font partiellement défaut. L'actualisation de ces ressources multilingues est donc une problématique clé dans l'accès à ces informations. Les travaux présentés ici ont été réalisés dans le cadre de l'extraction de lexique bilingue spécialisé à partir de textes médicaux comparables. L'objectif est d'évaluer et de proposer un outil d'aide à l'actualisation de lexique bilingue spécialisé et à la recherche d'information translangue en s'appuyant sur l'exploitation de ressources bilingues provenant du Web dans le domaine médical. Nous présentons un modèle fondé sur l'analyse distributionnelle en introduisant à cette occasion une nouvelle notion que nous nommons symétrie distributionnelle. En général, les modèles classiques d'extraction de lexique bilingue à partir de corpus comparables établissent la relation de traduction entre deux mots en calculant la ressemblance entre leurs distributions d'une langue vers l'autre (par exemple, du français vers l'anglais). L'hypothèse de symétrie distributionnelle postule que la ressemblance des distributions de deux mots dans les deux directions de langues est un critère fort du lien traductionnel entre ces mots. Deux grandes applications de ce modèle ont été expérimentées afin de le valider. Il s'agit de l'extraction d'un lexique bilingue médical (français-anglais) et de la recherche d'information translangue. Dans le cas de l'extraction lexicale bilingue, les résultats montrent que la prise en compte de la symétrie distributionnelle améliore la performance de manière significative par rapport aux modèles classiques. Dans le cas de la recherche d'information translangue, notre modèle a été appliqué pour traduire et étendre les requêtes. Les résultats montrent que lorsque les propositions de traduction ou d'extension sont supervisées par l'utilisateur, il améliore la recherche d'information par rapport à une traduction basée sur un dictionnaire initial.
Fichier principal
Vignette du fichier
tel-00007704.pdf (1.46 Mo) Télécharger le fichier

Dates et versions

tel-00007704 , version 1 (09-12-2004)

Identifiants

  • HAL Id : tel-00007704 , version 1

Citer

Yun-Chuang Chiao. Extraction lexicale bilingue à partir de textes médicaux comparables : application à la recherche d'information translangue. Sciences du Vivant [q-bio]. Université Pierre et Marie Curie - Paris VI, 2004. Français. ⟨NNT : ⟩. ⟨tel-00007704⟩
288 Consultations
1065 Téléchargements

Partager

Gmail Facebook X LinkedIn More