Exploring deep learning techniques in the task of English-Arabic Machine Translation - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Exploring deep learning techniques in the task of English-Arabic Machine Translation

Exploration des techniques de l’apprentissage profond au service de la traduction automatique Anglais-Arabe

Résumé

Given that Arabic is one of the most widely used languages in the world, the task of Arabic Machine Translation has recently received a great deal of attention from the research community. Indeed, the amount of focus that has been devoted to this task has led to some important achievements and improvements. However, the current state of Arabic Machine Translation systems has not reached the quality achieved for some other languages such as English and French. In this thesis, we are interested in the task of English-to-Arabic Machine Translation for which we propose several contributions: First, we propose a method that handles both long- and short-distance word reorderings in the context of English-to-Arabic Statistical Machine Translation (SMT). Secondly, we propose a method for named entity transliteration that can accurately transliterate English named entities into Arabic. Finally, our main contribution concerns re-ranking the n-best list in the context of English-to-Arabic Neural Machine Translation (NMT). Our solution uses a set of sophisticated features that cover lexical, syntactic, and semantic aspects of the n-best list candidates. All our contributions are evaluated carefully and the results obtained for the tests we have carried out show the effectiveness of our proposals.
Etant donné que l’Arabe est l’une des langues les plus utilisées au monde, la traduction automatique de la langue Arabe a reçu récemment beaucoup d'attention de la part des chercheurs. En effet, la quantité d’attention consacrée à cette tâche a conduit à d’importantes contributions et améliorations. Toutefois, l’état actuel des systèmes de traduction automatique de la langue Arabe n'atteint pas celles d’autres langues telles que l’Anglais et le Français. Dans cette thèse, nous nous sommes intéressés à la tâche de la traduction automatique de l'Anglais vers l'Arabe, et pour laquelle nous avons proposé plusieurs contributions. Premièrement, nous avons proposé une méthode qui gère les différences syntaxiques qui existent entre l'Anglais et l'Arabe. Deuxièmement, nous avons proposé une méthode de translittération d’entités nommées capable de translittérer avec précision les entités nommées de l'Anglais vers l'Arabe. Enfin, notre principale contribution concerne le réordonnancement de la liste des n-meilleures traductions dans le contexte d'un système de traduction automatique basé sur les réseaux de neurones profonds en utilisant un ensemble de caractéristiques lexicales, syntaxiques et sémantiques. Toutes nos contributions sont évaluées avec soin et les résultats obtenus pour les tests que nous avons effectués montrent l'efficacité de nos propositions.
Fichier principal
Vignette du fichier
PhD thesis_Hadj_Ameur.pdf (8.82 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03202829 , version 1 (20-04-2021)

Identifiants

  • HAL Id : tel-03202829 , version 1

Citer

Mohamed Seghir Hadj Ameur. Exploring deep learning techniques in the task of English-Arabic Machine Translation. Computation and Language [cs.CL]. Université des Sciences et de la Technologie Houari Boumediene (Algérie), 2020. English. ⟨NNT : ⟩. ⟨tel-03202829⟩
226 Consultations
207 Téléchargements

Partager

Gmail Facebook X LinkedIn More