Translation Resources Extraction using Probabilistic Translation Dictionaries
-
Upload
alberto-simoes -
Category
Business
-
view
786 -
download
1
description
Transcript of Translation Resources Extraction using Probabilistic Translation Dictionaries
Extraccao de Recursos de Traducao com base emDicionarios Probabilısticos de Traducao
Alberto Manuel Brandao [email protected]
Orientacao:Jose Joao Dias de Almeida
Alberto Simoes Extraccao de Recursos de Traducao
Metafora: construir pontes
EBMT
f
PhD
Alberto Simoes Extraccao de Recursos de Traducao
Metafora: construir pontes
EBMT
f
PhD
Alberto Simoes Extraccao de Recursos de Traducao
Metafora: construir pontes
EBMT
ResourcesServer
n-Grams
TranslationDictionaries
Terminology
Corpora
f
PhD
Examples
Text::Translator
ResourcesEvaluation
Alberto Simoes Extraccao de Recursos de Traducao
Decisoes
Dado que:
uma tarefa levanta uma centena de outras importantes;um doutoramento tem uma janela de 3 anos;a equipa de PLN na UM e pequena;importante a cooperacao;
Entao:
dedicar doutoramento a extraccao de recursos de traducao(dicionarios, exemplos e segmentos nominais)disponibilizar recursos e ferramentas(permitir validacao pelo uso, ter consequencia)dar especial atencao a escalabilidade das ferramentas(servidor de recursos, particao de algoritmos, escalonador PBS)integrar e compor ferramentas(investir em largura e nao em profundidade)
Alberto Simoes Extraccao de Recursos de Traducao
Progresso no Doutoramento
Example Based M
achine Translation
Get translation resources
Create Corpora
Process PC
Scalable tools
Extract Translation Dictionaries (PTDs)
Scalable tools
Different Kind of PTDs
Evaluate PTDs
Compare Corpora GenresExtract Translation Exam
ples
Scalable tools
Phrase-like examples
Examples using PTDs
Nouns phrases extraction
Compare different algorithms
Compare other approachesCompare other tools
ReleaseReleaseRelease
Integrate on Translation Systems
Text::Translator
Apertium
Alberto Simoes Extraccao de Recursos de Traducao
Motivacao — Textos paralelos
Estes resultados constituem a base doPrograma Europeu de defesa do Mar deBarents e, por esse motivo, peco-lheque analise um projecto de carta quelhe expoe os factos mais importantes, eque, de acordo com as decisoes doParlamento, torne clara esta posicao naRussia.No entanto, somos tambem da opiniaode que deveria haver um debate sobreesta estrategia da comissao queseguisse um procedimento ordenado, enao so com base numa declaracao oralpronunciada aqui no ParlamentoEuropeu, mas tambem com base numdocumento que seja decidido nacomissao e que apresente umadescricao deste programa para umperıodo de cinco anos.
These findings form the basis of theEuropean Programmes to protect theBarents Sea, and that is why I wouldask you to examine a draft lettersetting out the most important factsand to make Parliament’s position, asexpressed in the resolutions which ithas adopted, clear as far as Russia isconcerned.We believe, however, that thecommission’s strategic plan needs to bedebated within a proper proceduralframework, not only on the basis of anoral statement here in the EuropeanParliament, but also on the basis of adocument which is adopted in thecommission and which describes thisprogramme over the five-year period .
Alberto Simoes Extraccao de Recursos de Traducao
Motivacao — Frases paralelas
Estes resultados constituem a base doPrograma Europeu de defesa do Mar deBarents e, por esse motivo, peco-lheque analise um projecto de carta quelhe expoe os factos mais importantes, eque, de acordo com as decisoes doParlamento, torne clara esta posicao naRussia.No entanto, somos tambem da opiniaode que deveria haver um debate sobreesta estrategia da comissao queseguisse um procedimento ordenado, enao so com base numa declaracao oralpronunciada aqui no ParlamentoEuropeu, mas tambem com base numdocumento que seja decidido nacomissao e que apresente umadescricao deste programa para umperıodo de cinco anos.
These findings form the basis of theEuropean Programmes to protect theBarents Sea, and that is why I wouldask you to examine a draft lettersetting out the most important factsand to make Parliament’s position, asexpressed in the resolutions which ithas adopted, clear as far as Russia isconcerned.We believe, however, that thecommission’s strategic plan needs to bedebated within a proper proceduralframework, not only on the basis of anoral statement here in the EuropeanParliament, but also on the basis of adocument which is adopted in thecommission and which describes thisprogramme over the five-year period .
Alberto Simoes Extraccao de Recursos de Traducao
Motivacao — Dicionarios de traducao
Estes resultados constituem a base doPrograma Europeu de defesa do Mar deBarents e, por esse motivo, peco-lheque analise um projecto de carta quelhe expoe os factos mais importantes, eque, de acordo com as decisoes doParlamento, torne clara esta posicao naRussia.No entanto, somos tambem da opiniaode que deveria haver um debate sobreesta estrategia da comissao queseguisse um procedimento ordenado, enao so com base numa declaracao oralpronunciada aqui no ParlamentoEuropeu, mas tambem com base numdocumento que seja decidido nacomissao e que apresente umadescricao deste programa para umperıodo de cinco anos.
These findings form the basis of theEuropean Programmes to protect theBarents Sea, and that is why I wouldask you to examine a draft lettersetting out the most important factsand to make Parliament’s position, asexpressed in the resolutions which ithas adopted, clear as far as Russia isconcerned.We believe, however, that thecommission’s strategic plan needs to bedebated within a proper proceduralframework, not only on the basis of anoral statement here in the EuropeanParliament, but also on the basis of adocument which is adopted in thecommission and which describes thisprogramme over the five-year period .
Alberto Simoes Extraccao de Recursos de Traducao
Motivacao — Exemplos de traducao
Estes resultados constituem a base doPrograma Europeu de defesa do Mar deBarents e, por esse motivo, peco-lheque analise um projecto de carta quelhe expoe os factos mais importantes, eque, de acordo com as decisoes doParlamento, torne clara esta posicao naRussia.No entanto, somos tambem da opiniaode que deveria haver um debate sobreesta estrategia da comissao queseguisse um procedimento ordenado, enao so com base numa declaracao oralpronunciada aqui no ParlamentoEuropeu, mas tambem com base numdocumento que seja decidido nacomissao e que apresente umadescricao deste programa para umperıodo de cinco anos.
These findings form the basis of theEuropean Programmes to protect theBarents Sea, and that is why I wouldask you to examine a draft lettersetting out the most important factsand to make Parliament’s position, asexpressed in the resolutions which ithas adopted, clear as far as Russia isconcerned.We believe, however, that thecommission’s strategic plan needs to bedebated within a proper proceduralframework, not only on the basis of anoral statement here in the EuropeanParliament, but also on the basis of adocument which is adopted in thecommission and which describes thisprogramme over the five-year period .
Alberto Simoes Extraccao de Recursos de Traducao
Motivacao — Nominais paralelos
Estes resultados constituem a base doPrograma Europeu de defesa do Mar deBarents e, por esse motivo, peco-lheque analise um projecto de carta quelhe expoe os factos mais importantes, eque, de acordo com as decisoes doParlamento, torne clara esta posicao naRussia.No entanto, somos tambem da opiniaode que deveria haver um debate sobreesta estrategia da comissao queseguisse um procedimento ordenado, enao so com base numa declaracao oralpronunciada aqui no ParlamentoEuropeu, mas tambem com base numdocumento que seja decidido nacomissao e que apresente umadescricao deste programa para umperıodo de cinco anos.
These findings form the basis of theEuropean Programmes to protect theBarents Sea, and that is why I wouldask you to examine a draft lettersetting out the most important factsand to make Parliament’s position, asexpressed in the resolutions which ithas adopted, clear as far as Russia isconcerned.We believe, however, that thecommission’s strategic plan needs to bedebated within a proper proceduralframework, not only on the basis of anoral statement here in the EuropeanParliament, but also on the basis of adocument which is adopted in thecommission and which describes thisprogramme over the five-year period .
Alberto Simoes Extraccao de Recursos de Traducao
Progresso no Doutoramento
Example Based M
achine Translation
Get translation resources
Create Corpora
Process PC
Scalable tools
Extract Translation Dictionaries (PTDs)
Scalable tools
Different Kind of PTDs
Evaluate PTDs
Compare Corpora GenresExtract Translation Exam
ples
Scalable tools
Phrase-like examples
Examples using PTDs
Nouns phrases extraction
Compare different algorithms
Compare other approachesCompare other tools
ReleaseReleaseRelease
Integrate on Translation Systems
Text::Translator
Apertium
Alberto Simoes Extraccao de Recursos de Traducao
Escalabilidade
Escalabilidade!
metodos estatısticos ⇒ quantidadeimportante;
grandes quantidades ⇒robusteza;eficiencia;
Abordagem:
estrategias de decomposicao:
decomposicao estrutural;decomposicao porparticao/replicacao;
ferramentas de suporte:
gestao de paralelismo/pipeline;arquitectura adaptativa;ordem superior;
Escalabilidade
Alberto Simoes Extraccao de Recursos de Traducao
Decomposicao estrutural - Particao da funcao
C // f ◦ g ◦ h ◦ q // R
vs
C // f // • // g // • // h // • // q // ROOO�O�O�
OOO�O�O�
OOO�O�O�
Alberto Simoes Extraccao de Recursos de Traducao
Decomposicao por replicacao - Particao do domınio
C // f (C) // R
vs
C��
P(C)
rreeeeeeeeeeeeeeeeeeeeeee
ttiiiiiiiiiiii�� ** ,,YYYYYYYYYYYYYYYYYYYYYYYY
c1
��
c2
��
c3
��
. . .
��
cn
��f ′(c1)
��
f ′(c2)
��
f ′(c3)
��
f ′(. . .)
��
f ′(cn)
��r1
,,YYYYYYYYYYYYYYYYYYY r2
**UUUUUUUUUU r3
��
. . .
tt
rn
rreeeeeeeeeeeeeeeeeee
g(r1, r2, . . . , rn)
��R
Alberto Simoes Extraccao de Recursos de Traducao
Decomposicao nas ferramentas NATools
example1000005h 13m 38s
cleanExamples20s
example3500002h 23s
ipfp0021s
postipfp0020s
example2000005h 4m 57s
postipfp0050s
postbin0050s
postipfp0012s
postbin0012s
ipfp00113m 20s
examples3s
example1500005h 2m 48s
example05h 19m 34s
example500006h 53m 3s
example3000005h 28m 6s
example5s
example2500005h 17m 7s
postipfp0030s
postbin0030s
dicB2s
dump8s
dicA3s
postipfp00410s
postbin0049s
ipfp00413m 35s
initmat0021m 19s
postbin0020s
postipfp0062s
postbin0061s
ipfp0050s
filter18s
initmat00457s
initmat00614s
ipfp0063m 40s
initmat0051m 13s
initmat0031m 17s
ipfp0031s
codify7m 6s
initmat0011m 4s
Alberto Simoes Extraccao de Recursos de Traducao
Paralelizacao da Extraccao de Exemplos: a serio
Processamento do EurLex compreende:
mais de 1000 trabalhos;
mais de 100 nıveis de paralelismo;
mais de 16 milhoes de exemplos;
mais de 1 milhao de nominais;
mais de 10 GB de informacaoproduzida;
tempo crıtico de execucao: 4h 30m
bottleneck: acesso a disco
Gestao de dependencias complicada:
Makefile::Parallel
example1000003h 11m 26s
cleanExamples3m 58s
initmat02015m 1s
ipfp02024m 23s
example12000002h 46m 27s
example7000003h 11m 18s
ipfp00722m 11s
postipfp0072m 29s
ipfp01626m 8s
postipfp0162m 52s
postipfp0252m 29s
postbin0259s
postbin0164s
dicA1m 25s
dicB1m 14s
example11000002h 54m 20s
ipfp00122m 24s
postipfp0017m 26s
examples3m 29s
example4500004h 52m 22s
example9500003h 27m 49s
example4000003h 4m 22s
example16000002h 33m 48s
example13000003h 33m 26s
example10500003h 4m 21s
example13500003h 15m 9s
example9000003h 8m 17s
example8500003h 10m 37s
example5000003h 27m 22s
example3000003h 17m 38s
example12500003h 37m 58s
example15000004h 10m 59s
example6000002h 35m 33s
example1500003h 9m 54s
example15500004h 8m 27s
example3500003h 5m 37s
example14500004h 4m 40s
example6500002h 59m 35s
example2000003h 20m 8s
example8000003h 54m 20s
example10000003h 27m 51s
example7500002h 43m 13s
example17000002h 43m 31s
example16500002h 29m 12s
example03h 7m 41s
example500002h 57m 24s
example14000002h 23m 33s
example3s
example5500002h 51m 20s
example17500002h 11m 5s
example11500003h 9m 44s
example2500003h 9m 27s
ngramsA46m 26s
dump1m 23s
postipfp0151m 3s
postbin0153s
initmat01114m 18s
ipfp01122m 16s
initmat01312m 13s
ipfp01319m 51s
postipfp02411s
postbin0243s
postipfp0136m 55s
postipfp0177m 28s
postbin01755s
initmat0091m 42s
ipfp00921m 43s
postipfp00912m 41s
postbin0091m 39s
postipfp0105m 16s
postbin01021s
initmat0182m 13s
ipfp01825m 28s
initmat02515m 21s
ipfp02521m
initmat0064m 38s
ipfp00631m 46s
postbin00710s
postipfp0122m 42s
postbin01233s
postbin0231m 43s
postipfp0212m 59s
postbin0213s
initmat02214m 10s
ipfp02221m 40s
initmat0039m 44s
ipfp00313m 34s
codify29m 50s
initmat00155s
initmat01515m 27s
ngramsB43h 34m 27s
ngramsB242m 45s
initmat0124m 31s
initmat0044m 39s
initmat0169m 31s
ngramsA43h 20m 2s
initmat02414m 56s
initmat0106m 41s
initmat00714m 41s
ngramsA245m 14s
initmat0086m 43s
initmat0056m 47s
initmat0216m 30s
initmat0264m 17s
initmat0146m 37s
initmat02312m 40s
initmat0198m 43s
initmat01714m 6s
initmat0024m 41s
ngramsA343m 58s
ngramsB356m 28s
postbin0181m 12s
postbin0044m 20s
postipfp0193m 6s
postbin0193s
ipfp02129m 33s
postipfp0223m 7s
postbin0223s
postipfp0039m 26s
postbin0035m 13s
ipfp01523m 2s
ngramsB36m 12s
postipfp0205s
postbin0203s
postipfp0028m 42s
postbin00254s
ipfp01430m 12s
postipfp0142m 22s
ipfp01229m 17s
ipfp00516m 40s
postipfp00513m 26s
postbin0143s
ipfp00422m 9s
postbin0017m
postipfp0188m 51s
ipfp02424m 17s
postbin00610s
ipfp01027m
ipfp01716m 57s
postbin0082s
postipfp0046m 47s
postbin01319s
postipfp0113m
postbin0114s
ipfp00826m 54s
postipfp0062m 51s
postipfp02331s
filter1m 21s
ipfp02617m 19s
postbin0052m 10s
ipfp00225m 16s
postipfp0085m 43s
ipfp02323m 11s
ipfp01927m 30s
postipfp02614m 50s
postbin0261m 18s
Alberto Simoes Extraccao de Recursos de Traducao
Arquitectura adaptativa
Motivacao:
consultar recursos paralelos de forma eficiente:
corpora paralelosdicionarios probabilısticosn-gramas
reutilizacao de codigo;
API de ordem superior:
eficiente para a realizacao de experiencias;
Adaptavel
arquitectura cliente/servidor para distribuicao de cargas;
biblioteca dinamica para eficiencia de comunicacao;
Alberto Simoes Extraccao de Recursos de Traducao
Ordem Superior
CorporaParalelo
ConstruçãoStarDicts
DicionárioProbabilísticode Tradução
ExemplosTradução
TerminologiaBilingue
n-gramas
use NAT::Client;
$client=NAT::Client->new(crp => "EuroParl-PT-EN");
$client->iterate ( { Language => "PT" },
sub {
my %param = @_;
for my $trans (keys %{$param{trans}}) {
if ($param{trans}{$trans} > 0.2) {
my $word = $param{word};
my $concs = $client->conc(
{concordance => 1},
$word, $trans);
$stardict{$word}{$trans}=$concs->[0];
}
}
});
print StarDict($stardict);
Alberto Simoes Extraccao de Recursos de Traducao
Ordem Superior — Resultado
Alberto Simoes Extraccao de Recursos de Traducao
Progresso no Doutoramento
Example Based M
achine Translation
Get translation resources
Create Corpora
Process PC
Scalable tools
Extract Translation Dictionaries (PTDs)
Scalable tools
Different Kind of PTDs
Evaluate PTDs
Compare Corpora GenresExtract Translation Exam
ples
Scalable tools
Phrase-like examples
Examples using PTDs
Nouns phrases extraction
Compare different algorithms
Compare other approachesCompare other tools
ReleaseReleaseRelease
Integrate on Translation Systems
Text::Translator
Apertium
Alberto Simoes Extraccao de Recursos de Traducao
Dicionarios Probabilısticos de Traducao
O que sao?
dicionarios de traducao;
traducoes probabilısticas;
extraıdos automaticamente;
usam corpora paralelosalinhados a frase;
na sua maioria, traducoescorrectas;
mas nem sempre. . .
WA ⇀ (N×WB ⇀ [0..1])
Exemplo
europe =>count => 42853,trans =>
europa => 94.7 %europeus => 3.4 %europeu => 0.8 %europeia => 0.1 %
Alberto Simoes Extraccao de Recursos de Traducao
Avaliacao (2)
Analisar pares de palavra e traducao 〈wA, wB〉 tal que
P (wB ∈ T (wA)) > 0.2 ∧Occs (wA) > 50
Total Erradas Correctas
no de entradas 1000 150 (15%) 850 (85%)
Prob Ocur Prob Ocur Prob Ocur
valor mınimo 0.20 50 0.20 50 0.20 50valor maximo 0.99 435 374 0.82 24 022 0.99 435 374
media 0.48 2 476 0.36 1 097 0.50 2 719desvio padrao 0.21 16 894 0.14 2 720 0.21 18 278
EuroParl corpus, PT–EN;
Alberto Simoes Extraccao de Recursos de Traducao
Dicionarios Probabilısticos de Traducao: Conclusoes
Os PTDs:
nao podem ser vistos como dicionarios de traducaoconvencional;
podem ser transformados em dicionarios de traducaoconvencionais (usando filtragem e/ou outras heurısticas);
sao uteis para a traducao manual e automatica
sao uteis para a criacao/bootstraping de dicionarios manuais;
variam em qualidade, de acordo com os corpora (e generos)usados (Santos e Simoes, 2008);
Alberto Simoes Extraccao de Recursos de Traducao
Progresso no Doutoramento
Example Based M
achine Translation
Get translation resources
Create Corpora
Process PC
Scalable tools
Extract Translation Dictionaries (PTDs)
Scalable tools
Different Kind of PTDs
Evaluate PTDs
Compare Corpora GenresExtract Translation Exam
ples
Scalable tools
Phrase-like examples
Examples using PTDs
Nouns phrases extraction
Compare different algorithms
Compare other approachesCompare other tools
ReleaseReleaseRelease
Integrate on Translation Systems
Text::Translator
Apertium
Alberto Simoes Extraccao de Recursos de Traducao
Exemplos de Traducao
As Unidades de Traducao (de Memorias de Traducaoconvencionais):
sao uteis aos tradutores;mas tem reutilizacao reduzida;
Os Exemplos de Traducao sao:
segmentos de palavras e a respectiva traducao;(exemplos de traducao sao sub-segmentos de unidades detraducao)por serem mais pequenos tem grau de reutilizacao maior;
Duas abordagens de extraccao:
segmentacao com base na Hipotese das Palavras-Marca;
segmentacao com base em pontos de traducao forte (ancoras);
Alberto Simoes Extraccao de Recursos de Traducao
Hipotese das Palavras Marca — Alinhamento
o numero de segmentos nao e o mesmo entre lınguas;
e necessario realizar correspondencias;
usar os recursos disponıveis: PTDs;
this decision shall take effect as soon as possiblea presentedecisao produzefeitos
23.18 5.86 7.93
o maisrapidamente 0.00 76.41 83.10possıvel
Alberto Simoes Extraccao de Recursos de Traducao
Hipotese das Palavras Marca — Conclusoes
Marker Hypothesis permite segmentacao (do portugues, inglese outras lınguas) em segmentos logicos;
E possıvel o alinhamento destes segmentos para extraccao derelacionamentos bilingues;
Mais de 4 milhoes de segmentos 1:1 extraıdos;
2 milhoes de segmentos sao diferentes;
EuroParl corpus, PT–EN;
Alberto Simoes Extraccao de Recursos de Traducao
Extraccao por deteccao de ancoras
Criar matriz de alinhamento para cada unidade de traducao;
Preencher com uma medida de traducao mutua;
Encontrar pontos com relacionamento forte (ancoras);
dis
cuss
ion
about
alte
rnat
ive
sourc
es
of
finan
cing
for
the
euro
pea
n
radic
al
allia
nce
.
discussão 44 0 0 0 0 0 0 0 0 0 0 0
sobre 0 11 0 0 0 0 0 0 0 0 0 0
fontes 0 0 0 74 0 0 0 0 0 0 0 0
de 0 3 0 0 27 0 6 3 0 0 0 0
financiamento 0 0 0 0 0 56 0 0 0 0 0 0
alternativas 0 0 23 0 0 0 0 0 0 0 0 0
para 0 0 0 0 0 0 28 0 0 0 0 0
a 0 1 0 0 1 0 4 33 0 0 0 0
aliança 0 0 0 0 0 0 0 0 0 0 65 0
radical 0 0 0 0 0 0 0 0 0 80 0 0
europeia 0 0 0 0 0 0 0 0 59 0 0 0
. 0 0 0 0 0 0 0 0 0 0 0 80
MAS
Alberto Simoes Extraccao de Recursos de Traducao
Extraccao por deteccao de ancoras: uso de padroes
A ordem na traducao muda! Felizmente,
e possıvel isolar grande parte dos casos;
e possıvel definir estas trocas com base em padroes;
estes padroes ajudam na construcao da diagonal principal;
estes padroes definem (maioritariamente) segmentos nominais;
pon
to
de
vist
a
neu
tro
neutral X
point X
of ∆
view X
[POV] P "de" V N = N P "of" V
Alberto Simoes Extraccao de Recursos de Traducao
Extraccao por deteccao de ancoras: uso de padroes
dis
cuss
ion
about
alte
rnat
ive
sourc
es
of
finan
cing
for
the
euro
pea
n
radic
al
allia
nce
.
discussão 44 0 0 0 0 0 0 0 0 0 0 0
sobre 0 11 0 0 0 0 0 0 0 0 0 0
fontes 0 0 0 74 0 0 0 0 0 0 0 0
de 0 3 0 0 27 0 6 3 0 0 0 0
financiamento 0 0 0 0 0 56 0 0 0 0 0 0
alternativas 0 0 23 0 0 0 0 0 0 0 0 0
para 0 0 0 0 0 0 28 0 0 0 0 0
a 0 1 0 0 1 0 4 33 0 0 0 0
aliança 0 0 0 0 0 0 0 0 0 0 65 0
radical 0 0 0 0 0 0 0 0 0 80 0 0
europeia 0 0 0 0 0 0 0 0 59 0 0 0
. 0 0 0 0 0 0 0 0 0 0 0 80
discussion about --- discuss~ao sobre
alternative sources of financing --- fontes de financiamento alternativas
for the --- para a
european radical alliance --- alianca radical europeia
for the european radical alliance --- para a alianca radical europeia
Alberto Simoes Extraccao de Recursos de Traducao
Extraccao de Exemplos — Conclusoes
extraccao usando apenas ancoras e relevante para lınguasproximas;(como o par portugues–espanhol)
para lınguas mais afastadas, o uso de padroes e indispensavel;
marcas vs ancoras:
estruturas (e portanto, finalidades) diferentes;ambas relevantes na obtencao de exemplos;
Alberto Simoes Extraccao de Recursos de Traducao
Extraccao de Nominais
Especificando com cuidado padroes de alinhamento, e possıvelextrair de forma automatica candidatos a terminologia bilingue degrande qualidade.
Restricoes
[ABBA] A B[CAT<-adj] = B[CAT<-adj] A
[ABBA] A B.is_adj = B.is_adj A%%sub is_adj { ... }
Inferencia
[ABBA] A[CAT->noun] B[CAT<-adj] = B[CAT<-adj] A[CAT->noun]
Alberto Simoes Extraccao de Recursos de Traducao
Qualidade de nominais
39214 = comunidades europeias =!ABBA!= european communities
32850 = jornal oficial =!ABBA!= official journal
32832 = parlamento europeu =!ABBA!= european parliament
32730 = uni~ao europeia =!ABBA!= european union
31650 = comunidade europeia =!ABBA!= european community
15602 = paıses terceiros =!ABBA!= third countries
[...]
3614 = livro verde =!ABBA!= green paper
3520 = saude publica =!ABBA!= public health
3434 = direito comunitario =!ABBA!= community law
3243 = conselho europeu =!ABBA!= european council
3227 = nıvel comunitario =!ABBA!= community level
3179 = comite permanente =!ABBA!= standing committee
3038 = nomenclatura combinada =!ABBA!= combined nomenclature
[...]
1 = org~aos orcamentais =!ABBA!= budgetary organs
1 = org~aos relevantes =!ABBA!= relevant bodies
1 = ovulos de equino =!A!= equine ova
1 = oxido de albendazole =!A!= albendazole oxide
1 = oxido de cadmio =!A!= cadmium oxide
1 = oxido de estireno =!A!= styrene oxide
Alberto Simoes Extraccao de Recursos de Traducao
Extraccao de Nominais — Avaliacao
103 617 exemplos diferentes...
77 497 ex. com a regra A B = B A (938/2/1) (86%)
12 694 ex. com a regra A ”de” B = B A (204/2/1) (95%)
7 700 ex. com a regra A B C = C B A (40/1/1) (93%)
3 336 ex. com a regra H ”de” D H = H D I (21/1/1) (100%)
1 466 ex. com a regra A B C = C A B (4/1/1) (40%)
564 ex. com a regra P ”de” V N = N P ”of” V (6/1/1) (98%)
360 ex. com a regra P ”de” T ”de” F = F T P (3/1/1) (96%)
Alberto Simoes Extraccao de Recursos de Traducao
Algumas Contribuicoes
abordagens escalaveis para:
extraccao de dicionarios probabilısticos de traducao;extraccao de exemplos de traducao;extraccao de quantidades de segmentos nominais;
diferentes abordagens na extraccao de PTDs;
disponibilizacao de recursos (ecologia);
NATools:
open-source, escalavel;usavel como um todo ou em partes;nat-server, nat-create, nat-examplesExtractor,nat-sentenceAligner, nat-codify, nat-grep, nat-ngrams,nat-StarDict, . . .
Makefile::Parallel
Alberto Simoes Extraccao de Recursos de Traducao
http://natools.sf.net/
http://natura.di.uminho.pt/
http://search.cpan.org/dist/Makefile-Parallel/
Alberto Simoes Extraccao de Recursos de Traducao