Proposition de stage : Utilisation d'un réseau de neurones récurrent
pour la réévaluation des n-meilleures hypothèses d'un moteur de
traduction à base d'exemples

Lieu du stage : CEA Saclay Nano-INNOV, Laboratoire Vision et Ingénierie
des Contenus (LVIC), 91 191 Gif sur Yvette

CONTEXTE :

Le stage s'appuiera sur le moteur de traduction à base d'exemples
développé au CEA LIST dans le cadre du projet ANR WEBCROSSLING (Semmar
et al., 2016). Ce moteur utilise la recherche d'information interlingue
et ne nécessite qu'un corpus de textes en langue cible. Il est composé
d'un moteur de recherche interlingue, d'un reformulateur bilingue et
d'un générateur de traductions. Le rôle du moteur de recherche
interlingue est d'extraire pour chaque phrase à traduire (la requête de
l'utilisateur) des phrases ou des sous-phrases depuis un corpus
monolingue indexé dans la langue cible. Ces phrases ou sous-phrases
correspondent à une traduction totale ou partielle de la phrase à
traduire. Le reformulateur bilingue consiste, d'une part, à produire
pour chaque phrase à traduire un ensemble d'hypothèses de traduction en
transformant dans la langue cible la structure syntaxique de la phrase à
traduire, et, d'autre part, à traduire les mots de cette phrase. Le rôle
du générateur de traductions est de produire les n-meilleures
traductions en utilisant les traductions candidates fournies par le
moteur de recherche interlingue, les hypothèses de traduction produites
par le reformulateur bilingue et le modèle de langue appris à partir du
corpus en langue cible.

SUJET DE STAGE :

Le stage consistera à développer un module basé les réseaux de neurones
récurrents LSTM (Jozefowicz et al., 2015) pour la réévaluation des
n-meilleures hypothèses produites par le générateur de traductions.

Le stage comportera les étapes suivantes:

- Appropriation du moteur de traduction à base d'exemples développé au
  CEA LIST.

- Développement d'un module basé les réseaux de neurones récurrents pour
  la réévaluation des n-meilleures hypothèses produites par le
  générateur de traductions.

- Intégration du module de réévaluation des n-meilleures hypothèses dans
  le moteur de traduction à base d'exemples.

- Evaluation du moteur de traduction à base d'exemples anglais-français
  en comparant ses résultats avec les résultats produits par le système
  de traduction libre Moses (Koehn et al., 2007).

- Réalisation d'une interface graphique pour l'utilisation du moteur de
  traduction à base d'exemples.

BIBLIOGRAPHIE :

- N. Semmar, O. Zennaki, M. Laib. Etude de l'impact d'un lexique
  bilingue spécialisé sur la performance d'un moteur de traduction à
  base d'exemples. TALN 2016, Paris, France, 2016.

- R. Jozefowicz, W. Zaremba, I. Sutskever. An Empirical Exploration of
  Recurrent Network Architectures. 32nd International Conference on
  Machine Learning, Lille, France, 2015.

- P. Koehn, H. Hoang, A. Birch, C. Callison-Burch, M. Federico,
  N. Bertoldi, B. Cowan, W. Shen, C. Moran, R. Zens, C. Dyer, O. Bojar,
  A. Constantin, E. Herbst. 2007. Moses: Open source toolkit for
  statistical machine translation. ACL 2007, demo session, Prague, Czech
  Republic, 2007.

CONDITIONS DE CANDIDATURE :

Bac+5, stage de fin d'étude dans le domaine du Traitement Automatique de
la Langue (TAL).

Compétences en informatique et en TAL.

Programmation : C/C++, Python, Perl, Java.

Langues : Maîtrise de l'anglais et du français.

Durée : entre 4 et 6 mois.

Contact et envoi des candidatures (CV détaillé, lettre de motivation et
relevé de notes de la dernière année d'études):

Nasredine SEMMAR, Email: nasredine.semmar@cea.fr, 
Tél: +33 (0)1 69 08 01 46