Extraction de collocations et leurs équivalents de traduction à partir de corpus parallèles [Extracting collocations and their translations from parallel corpora]

Extraction de collocations et leurs équivalents de traduction à partir de corpus parallèles Violeta Seretan Laboratoire d’analyse et de technologie du langage, Université de Genève 2, rue de Candolle, CH-1205 Genève, Suisse Violeta.Seretan@unige.ch RÉSUMÉ. Identifier les collocations dans le texte source (par exemple, break record) et les tra- duire correctement (battre record contre *casser record) constituent un réel défi pour la traduc- tion automatique, d’autant plus que ces expressions sont très nombreuses et très flexibles du point de vue syntaxique. Cet article présente une méthode permettant de repérer des équiva- lents de traduction pour les collocations à partir de corpus parallèles, qui sera utilisée pour augmenter la base de données lexicales d’un système de traduction. La méthode est fondée sur une approche syntaxique « profonde », dans laquelle les collocations et leurs équivalents po- tentiels sont extraits à partir de phrases alignées à l’aide d’un analyseur multilingue. L’article présente également les outils qui sont utilisés par cette méthode. Il se concentre en particulier sur les efforts déployés afin de rendre compte des divergences structurelles entre les langues et d’optimiser la performance de la méthode, notamment en ce qui concerne la couverture. ABSTRACT. Identifying collocations in a text (e.g., break record) and correctly translating them (battre record vs. *casser record) represent key issues in machine translation, notably because of their prevalence in language and their syntactic flexibility. This article describes a method for discovering translation equivalents for collocations from parallel corpora, aimed at increasing the lexical coverage of a machine translation system. The method is based on a “deep” syntactic approach, in which collocations and candidate translations are identified from sentence-aligned text with the help of a multilingual parser. The article also introduces the tools on which this method relies. It focuses in particular on the efforts made to account for structural divergences between languages and to improve the method’s performance in terms of coverage. MOTS-CLÉS : collocations, équivalents de traduction, analyse syntaxique, alignement de texte. KEYWORDS: collocations, translation equivalents, syntactic parsing, text alignment. TAL. Volume 50 – no 1/2009, pages 305 à 332 306 TAL. Volume 50 – no 1/2009 1. Introduction Les collocations (ou associations habituelles de mots, telles que jouer un rôle, battre un record, jeter les bases, combler une lacune, remplir une condition) consti- tuent un sous-type d’expressions à mots multiples qui présentent un intérêt particulier dans des domaines comme l’étude des langues étrangères et la lexicographie, et qui ont attiré aussi, durant les dernières années, une attention toujours plus grande dans le domaine du traitement automatique des langues. Deux raisons majeures contribuent à cet intérêt croissant : d’une part, la présence massive des collocations dans le lan- gage – plusieurs auteurs affirment que les collocations sont les plus nombreuses parmi les expressions à mots multiples, par exemple, (Mel’ˇcuk, 1998), tandis qu’une étude de corpus (Howarth et Nesi, 1996) avait montré que, effectivement, toute phrase est susceptible de contenir au moins une collocation –, d’autre part, l’idiosyncrasie des collocations. Ainsi, même si les collocations sont assez semblables …

Content truncated to 500 words