FR2812102A1 - Procede et systeme pour la traduction linguistique - Google Patents

Abstract

La pr esente invention concerne une proc ed e de contrôle de traduction comportant une etape de pr eparation d'un premier fichier num erique correspondant à un texte de r ef erence, une etape de pr eparation d'un second fichier num erique correspondant à un texte de comparaison, une etape d'identification de segments textuels unitaires homologues de segments textuels unitaires du premier et du second fichier, une etape de comparaison selon une fonction de similitude desdits segments textuels homologues et d'activation d'un signal en cas de d etection d'une anomalie, deux etapes pr ec edentes etant r eit er ees jusqu'à ce que l'ensemble des segments textuels d'un fichier au moins ait et e identifi e.

Description

l 2812102

PROCEDE ET SYSTEME POUR LA TRADUCTION

LINGUISTIQUE.

La présente invention concerne le domaine de la traduction assistée par ordinateur, et en particulier les procédés et systèmes pour la traduction linguistique. La plupart des besoins en traductions techniques et commerciales sont actuellement couverts par des sociétés de traduction. Celles-ci sous-traitent la traduction en la confiant à un traducteur humain. Elles contrôlent ensuite la traduction avant de la livrer au client. Ce contrôle de qualité est généralement pris en

charge par des relecteurs.

A côté de la traduction humaine commence à se développer la traduction automatique. Malgré la rapidité d'exécution et le faible coût de ce mode de traduction, la technologie actuelle ne permet pas d'obtenir des résultats

satisfaisants en terme de qualité.

A titre d'exemple, le brevet W09857271 décrit un système automatique de traduction de langage naturel permettant de prendre en traduction, pendant la production du texte, un texte d'entrée écrit en un langage naturel source tel que l'anglais, et de donner un texte de sortie écrit en un langage naturel cible tel que le japonais. Ce système comporte un activateur de traduction qui repère, dans un document ou un fichier, les pauses intervenant au cours de la production du texte d'entrée en langage source, et en réaction à la pause, traduit en langage cible le

texte d'entrée, jusqu'au point ou la pause a été détectée.

Le système de traduction peut en outre effectuer une traduction pendant la production du texte, en réaction à la détection d'une certaine structure de texte, ou en réaction à une fonction d'entrée. A chaque fois qu'il y a exécution d'une traduction automatique, la traduction peut commencer à un point de départ, tel que le début d'un document de

2 2812102

traitement de texte utilise pour la saisie du texte, tel que le début du texte d'entrée immédiatement reçu, ou tel que le début d'une page ou d'un paragraphe. Cela permet que des modifications de structure de phrase ou des opérations d'éditions récentes effectuées sur le texte d'entrée puissent se retrouver dans le texte de sortie de traduction. Un autre brevet PCT n W09957651 décrit un procédé et un dispositif permettant la traduction d'une langue source en une langue cible. L'invention utilise les "placeables" (p. ex. noms propres, titres et noms, dates, heures, unités et mesures, numéros, information de mise en forme telles que balises ou séquences d'échappement, styles, graphiques, hyperliens) pour assister un traducteur de manière qu'il n'ait pas besoin de redactylographier une information qui n'a pas besoin d'être traduite, et convertit le cas échéant les mesures, telles que les

vitesses, dans l'unité locale de la langue cible.

Le brevet européen EP486017 décrit un procédé pour retraduire le résultat d'une traduction comprenant les étapes dans lesquelles: - on désigne les sortes d'une première langue qui est fournie et d'une deuxième langue qui est produite; - on fournit l'information de la première langue; - on traduit l'information fournie de la première langue en l'information de la deuxième langue et - on affiche et on produit l'information de la deuxième langue comme résultat de la traduction - on désigne de l'information affichée de la deuxième langue; et

3 2812102

- on traduit de nouveau l'information désigne de la deuxième langue en l'information de la

première langue.

Toutefois, les procédés et système de traduction automatiques de l'art antérieur ne sont pas totalement satisfaisants, ni même réellement utilisables pour une traduction de qualité. Le recours à un traducteur humain reste donc généralement indispensable. Le traducteur humain présente toutefois d'autres types d'inconvénient, en

raison d'erreurs d'inattention ou de fatigues.

Hormis les fautes de frappe, facilement détectées et corrigées par les correcteurs d'orthographe automatique de l'art antérieur, l'oubli d'une ou plusieurs parties du texte reste l'erreur la plus répandue du traducteur humain. Si certaines parties du document

manquent, c'est que le traducteur a oublié de les traduire.

Ces parties manquantes peuvent être de plusieurs types: * Une phrase ou une suite de phrases * Une note de pied de page ou une note de bas de page * Un titre ou un sous-titre * Un paragraphe ou une suite de paragraphes * Une page ou une suite de pages * Une section ou un chapitre

La plupart du temps, les oublis mentionnés ci-

dessus sont détectés par un relecteur humain qui envoie ses corrections au traducteur puis procède à une seconde relecture. Le processus de détection des erreurs est donc: * coûteux du fait que le relecteur perd une grande partie de son temps à effectuer un travail de relecture non- productif, * peu fiable du fait que le relecteur ne détecte pas toutes les erreurs,

4 2812102

* et lent, car il se peut que le relecteur ne soit pas disponible s'il a d'autres engagements, ou que la traduction est demandée en dehors des heures ou des journées de travail ordinaires (dans le cas d'un réseau mondial de clients et de traducteurs,

par exemple).

Le processus de contrôle des corrections effectuées n'est pas fiable non plus. Le problème se pose à plus forte raison lorsque le document est long et/ou

lorsque les délais sont très courts.

Lorsque le traducteur remet la traduction, celle-ci contient un nombre inconnu d'erreurs si bien qu'il est impossible de prévoir le temps qui sera nécessaire au

relecteur pour contrôler la traduction.

Il existe un besoin en matière de contrôle de qualité automatique des traductions. Celui-ci permettrait de réduire les coûts, d'améliorer la fiabilité des

traductions et de raccourcir les délais.

Pour procéder à un tel contrôle, certaines

solutions sont connues de l'art antérieur.

Hormis la comparaison ligne à ligne faite par un relecteur humain, une méthode extrêmement simple est parfois utilisée pour procéder à un contrôle automatique de la traduction. Cette méthode consiste à compter le nombre de phrases de manière automatique dans le texte original

(en comptant, par exemple, le nombre de séquences "point-

espace-lettre majuscule") et à le comparer au nombre de phrases du texte traduit. Dans l'hypothèse que la traduction ne modifie pas le nombre de phrases, si le deuxième nombre est inférieur au premier, alors on peut en déduire que la différence correspond au nombre de phrases

manquantes dans le texte d'arrivée.

Cette méthode présente deux inconvénients majeurs. D'une part, elle ne permet pas de localiser les

2812102

erreurs. D'autre part, elle pourrait aboutir à de mauvais résultats car il se peut que le nombre de phrases contenues dans un document traduit sans aucune erreur soit différent de celui du texte original. Par exemple, le français est plus enclin aux phrases longues que l'anglais, et l'allemand davantage encore. En conséquence, un document traduit de l'anglais vers l'allemand comportera, en règle générale, moins de phrases si bien qu'en appliquant la méthode décrite ci-dessus, on en arriverait à la conclusion

fausse qu'il manque des phrases.

L'invention est fondée sur le fait que, malgré de nombreuses erreurs sémantiques et fautes d'usage, la traduction automatique ne permet pas les différences importantes telles que des phrases manquantes. La méthode proposée consiste à comparer de manière automatique le texte traduit par le traducteur humain au document original. Les différences constatées entre les deux textes permettent de mettre en évidence les défauts dans la traduction. La présente invention concerne dans une première acception un procédé de contrôle de traduction comportant: * Une étape de préparation d'un premier fichier numérique correspondant à un texte de référence * Une étape de préparation d'un second fichier numérique correspondant à un texte de comparaison * Une étape d'identification de segments textuels unitaires homologues de segments textuels unitaires du premier et du second fichier * Une étape de comparaison selon une fonction de similitude desdits segments textuels homologues et d'activation d'un signal en cas de détection d'une anomalie

6 2812102

* La réitération des deux étapes précédentes, jusqu'à ce que l'ensemble des segments

textuels d'un fichier au moins ait été identifié.

Le texte de référence correspond au texte qui a été traduit en faisant appel à la traduction automatique ("version TA" dans la suite du document) . Un schéma alternatif prévoit d'utiliser un texte retraduit de manière automatique à partir d'une traduction humaine ("version TH" dans la suite du document). Le texte est ensuite comparé directement à l'original en utilisant l'ensemble des

méthodes décrites dans l'invention.

La fonction de similitude permet de comparer des parties élémentaires de TA (dans la suite, des unités de TA) avec des unités de TH. Un nombre réel entre 0 et 1 est une des mises en ouvre possibles de la fonction de similitude: 0 lorsqu'il n'y a aucune similitude et 1 pour une similitude parfaite entre unités. Plusieurs fonctions de similitude sont revendiquées: Une fonction qui consiste à comparer les mots de l'unité TA avec ceux de l'unité correspondante TH. A titre d'exemple, une telle fonction pourrait calculer le rapport entre le nombre total de mots des unités TA et TH et le nombre total de mots différents des deux unités, l'unité 1 étant soustraite du résultat. Il est facile de constater qu'une fonction ainsi définie prendrait la valeur de 1 si les deux unités présentées sont identiques (et dans l'hypothèse que chacune des unités ne comporte que des mots différents). Si en revanche deux unités comportant le même nombre de mots, tous différents dans les deux unités, sont présentées, la valeur prise par la fonction de similitude serait 0. En plus des mots, leurs synonymes pourraient être utilisés. De même, la comparaison pourrait porter sur des

séquences de mots.

7 2812102

Une fonction basée sur les spécificités des deux textes: Comparaison du nombre de mots en italique, gras, soulignés ainsi que du nombre de mots dont la police est différente de celle définie par défaut: * Utilisation de chiffres ainsi que des nombres spécifiques utilisés * Utilisation d'acronymes en lettres majuscules * Utilisation d'indices ou

d'exposants, tels que les notes de bas de page.

Une fonction permettant de combiner différentes fonctions élémentaires de similitude parmi celles décrites précédemment (comparaison des mots + comparaison des spécificités). La moyenne des résultats obtenus grâce aux

fonctions élémentaires peut être utilisée dans ce but.

Plusieurs fonctions de similitude peuvent être utilisées de même que plusieurs critères peuvent être définis dans le cas d'une fonction de similitude combinée, en fonction du type de texte analysé (corps de texte,

titre, note de bas de page, par exemple).

Afin d'accroître l'efficacité de la fonction de similitude, une notion d'apprentissage du texte pourrait être introduite. Deux types d'apprentissage pourraient alors être distingués: l'apprentissage temps réel se basant sur le texte en cours uniquement l'apprentissage statistique se basant sur l'ensemble des données sur les traductions effectuées par chaque traducteur, et intégrant ainsi toutes les différences typiques entre le dictionnaire du logiciel de

traduction automatique et le vocabulaire du traducteur.

La méthode de traitement consiste à diviser un texte TA en une suite d'unités textuelles de la longueur

8 2812102

d'une demi-phrase ou d'une phrase, par exemple; une phrase pouvant être définie comme la plus courte partie de texte

commençant et se terminant par une séquence "point-espace-

lettre majuscule". Appliquée au début du texte, cette méthode de comparaison a pour but d'aller chercher, dans la traduction humaine, un équivalent pour chaque unité textuelle. Lorsqu'un équivalent est trouvé, le système passe à l'unité textuelle suivante. Si cela n'est pas le cas, il identifie une erreur et passe à l'unité textuelle suivante. En fin d'analyse, on obtient une liste des erreurs détectées. Pour les localiser dans le texte, la phrase qui les précède et la phrase qui les succède sont indiquées. Leur position dans le texte est également donnée (numéros de page et de paragraphe par exemple). Une autre méthode de traitement consiste à chercher le meilleur équivalent en utilisant la fonction de similitude dans le voisinage de toutes les unités textuelles. Puis une correspondance approximative est établie avec chaque unité des versions TH et TA en utilisant des méthodes de recalage élastique par exemple. Les unités textuelles pour lesquelles aucune correspondance n'a été trouvée sont considérées comme des erreurs. Une troisième méthode de traitement, la méthode hiérarchique, consiste à appliquer la méthode dans un premier temps sur des unités de taille importante, typiquement des paragraphes ou des pages entières, permettant ainsi de détecter des erreurs grossières, puis à appliquer la méthode sur les unités de taille moindre dans les parties du texte considérées comme correctes par la première itération. Plusieurs niveaux de

granularité décroissante pourraient alors être analysés.

La méthode de décision pourrait reposer sur l'application d'un seuil pour la fonction de similitude. Si la valeur de la fonction de similitude résultant de la comparaison entre les unités textuelles de la version TH et

9 2812102

de la version TA est supérieure au seuil, la décision sera d'admettre l'équivalence entre les deux unités, et inversement. Cette méthode pourrait également être appliquée en fonction du degré de probabilité pour une unité textuelle d'être une erreur. Par exemple, le seuil serait inférieur là o la probabilité d'erreur serait

inférieure (e.g. sous-titre par rapport au corps de texte).

De plus, le seuil pourrait varier d'un texte à un autre, en fonction par exemple de la fiabilité du traducteur et/ou de la difficulté du texte Actions spécifiques lorsqu'une erreur est détectée La mise en oeuvre pratique de la méthode décrite ci-dessus pourrait résulter en un logiciel développé suivant les algorithmes sous-jacents. Pour la partie traduction automatique du texte de la méthode, un logiciel disponible dans le commerce ou un logiciel spécifiquement pourraient être utilisés. Plusieurs modalités d'application seraient alors envisageables: * le relecteur lance le logiciel qui applique la méthode à la totalité du texte, comme pour le correcteur d'orthographe et de grammaire, puis le relecteur corrige la version TH * le traducteur applique le logiciel une fois qu'il a terminé sa traduction; le relecteur peut appliquer le logiciel à nouveau * le traducteur ou le logiciel de traitement de texte automatique appliquent le logiciel pendant la traduction. Les parties manquantes peuvent alors être mises en évidence dans le document original et dans les parties voisines de la version TH

2812102

* le logiciel est appliquée automatiquement à réception de la version TH: * un rapport est envoyé automatiquement au traducteur lui demandant de corriger les erreurs (une copie de ce rapport peut être envoyée au relecteur) * les corrections peuvent être réalisées automatiquement en intégrant les unités textuelles de la version TA dans les emplacements repérés sur la version TH * la liste des parties manquantes se crée et est envoyée à un traducteur (pas nécessairement l'auteur de la version TH) , puis les unités textuelles sont

automatiquement intégrées à la version TH.

De plus, les résultats issus de l'application de la méthode de contrôle de qualité décrite dans le présent document peuvent faire l'objet d'une analyse statistique lorsqu'un échantillon suffisant est disponible servant à qualifier la capacité des traducteurs à ne pas

oublier de parties du texte.

L'amélioration significative des paramètres de la phase de relecture par la méthode décrite (coût, fiabilité, délais) pourrait rendre possible l'évolution de la relecture des traductions basée sur la méthode vers une

prestation de service à part entière.

il 2812102

Claims (7)

REVENDICATIONS

1 - Procédé de contrôle de traduction comportant une étape de préparation d'un premier fichier numérique correspondant à un texte de référence, une étape de préparation d'un second fichier numérique correspondant à un texte de comparaison, une étape d'identification de segments textuels unitaires homologues de segments textuels unitaires du premier et du second fichier, une étape de comparaison selon une fonction de similitude desdits segments textuels homologues et d'activation d'un signal en cas de détection d'une anomalie, deux étapes précédentes étant réitérées jusqu'à ce que l'ensemble des segments

textuels d'un fichier au moins ait été identifié.

2 - Procédé de contrôle de traduction selon la revendication 1, caractérisé en ce que l'un desdits fichiers numériques est un fichier établi par un moyen de traduction automatique et en ce que l'autre desdits fichiers est un fichier établi correspondant à une

traduction par un traducteur humain.

3 - Procédé de contrôle de traduction selon la revendication 1, caractérisé en ce que l'un desdits fichiers est un fichier établi à partir d'un texte retraduit de manière automatique à partir d'une traduction humaine, et en ce que l'autre desdits fichiers numériques

correspondant au texte original.

4 - Procédé de contrôle de traduction selon

l'une quelconque des revendications précédentes,

caractérisé en ce que l'étape de comparaison consiste à comparer le nombre de mots contenus dans chacun des deux

segments textuels homologues.

12 2812102

- Procédé de contrôle de traduction selon

l'une quelconque des revendications 1 à 3, caractérisé en

ce que l'étape de comparaison consiste à comparer le nombre de mots identiques contenus dans chacun des deux segments textuels homologues. 6 Procédé de contrôle de traduction selon

l'une quelconque des revendications 1 à 3, caractérisé en

ce que l'étape de comparaison consiste à comparer le nombre de mots identiques ou synonymes contenus dans chacun des

deux segments textuels homologues.

7 - Procédé de contrôle de traduction selon

l'une quelconque des revendications 1 à 3, caractérisé en

ce que l'étape de comparaison consiste calculer une variable fonction du nombre de mots identiques ou synonymes contenus dans chacun des deux segments textuels homologues, et du nombre de mots différents, et de comparer cette

variable à une valeur seuil.

8 - Procédé de contrôle de traduction selon

l'une quelconque des revendications 1 à 3, caractérisé en

ce que l'étape de comparaison consiste calculer une fonction basée sur les spécificités typologiques des deux fichiers [telles que italique, gras, soulignés, police différente de celle définie par défaut, chiffres, nombres spécifiques, acronymes en lettres majuscules, notes de bas

de page, indices ou exposants].

9 - Procédé de contrôle de traduction selon

l'une quelconque des revendications 1 à 3, caractérisé en

ce que l'étape de comparaison comprend une combinaison de

différentes fonctions élémentaires de similitude.