UNE APPROCHE CONNEXIONNISTE POUR LA TRADUCTION AUTOMATIQUE DES TEXTES ARABE EN FRANÇAIS

Résumé

La traduction automatique des textes d’origine humaine est une application fort complexe appelée à appréhender les univers
textuels ouverts, sans aucune contrainte quant à leur nature ou à leur diversité. Pour résoudre cette problématique, plusieurs
tentatives ont été entamées ayant à chaque fois pour objectif l’obtention d’une meilleure qualité de traduction. Mais devant les
diverses ambiguïtés de la langue naturelle, ce problème de traduction est loin d’être simple à résoudre. En effet, en absence de
la maîtrise du contexte la plupart des phrases sont ambiguës. C’est pour cette raison, que les recherches actuelles dans ce
domaine se sont orientées d’abord vers la maîtrise du sens véhiculé par les phrases avant de procéder au processus même de la
traduction. En effet, traduire sans comprendre mène directement vers un échec. Pour ce faire, et dans le but d’augmenter la
qualité de traduction, nous proposons une approche neuronale pour la génération des différents cas sémantiques relatifs aux
différents composants de la phrase pour cerner d’abord le sens et de générer ensuite la traduction dans la langue cible. Ce qui
nous a permis d’obtenir des résultats satisfaisants, comparativement à des travaux similaires utilisant d’autres techniques.
Effectivement, Les techniques connexionnistes sont robustes, elles ont la réputation d’offrir des bonnes capacités, elles sont
parallèles et elles s’appuient sur les notions de calcul réparti et de raisonnement distribué.
Dans notre approche, nous avons utilisé un apprentissage supervisé par un réseau simplement récurrent d’ELMAN (SRN)
pour apprendre les techniques de traduction avec une performance similaire à celle des humains, ce qui constitue une première
phase de notre système, celle de l’apprentissage. Une deuxième phase du système constitue la partie test et généralisation pour
mesurer le degré de généralisation du réseau par rapport à ce qu’il appris durant la phase d’apprentissage.
Le réseau de neurones utilise, tient compte de la représentation approfondie en utilisant les cas sémantiques et la représentation
surfacique en utilisant les éléments qui indiquent la forme de la phrase.