Extracção de Recursos para Tradução Automática

Mat´ria Prima e Dicion´rios Bilingues a Unidades de Tradu¸õ ca Terminologia Paralela Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a Alberto Manuel Brandõ Sim˜es a o ambs@di.uminho.pt Escola de Verõ – Junho 2009 a Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (1/40)

Mat´ria Prima e Dicion´rios Bilingues a Unidades de Tradu¸õ ca Terminologia Paralela 1 Mat´ria Prima e Recursos Paralelos Corpora Paralelos Recursos Escondidos 2 Dicion´rios Bilingues a Processo de Extraçõ ca Dicion´rios Probabil´ a ısticos de Tradu¸õ ca PTD: Exemplos Dos PTD aos Dicion´rios de Tradu¸õ a ca 3 Unidades de Tradu¸õ ca Defini¸õ ca Hip´tese das Palavras Marca o 4 Terminologia Paralela Extraçõ de Entidades Paralelas ca Extraçõ Baseada em Padr˜es ca o Extraçõ de Terminologia com Padr˜es ca o Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (2/40)

Mat´ria Prima e Recursos Paralelos Dicion´rios Bilingues a Corpora Paralelos Unidades de Tradu¸õ ca Recursos Escondidos Terminologia Paralela Recursos Paralelos Cada vez mais tipos de recursos dispon´ ıveis gratuitamente: corpora paralelos; corpora compar´veis (mascarados); a dicion´rios bilingues; a Recursos com maior crescimento nos ultimos tempos: ´ corpora paralelos COMPARA, PT–EN: 97 723 UTs EuroParl v3 (11 Ling, 55 pares) PT–EN: 1 287 757 UTs JRC-Acquis v3 (22 Ling, 231 pares) PT–EN: 1 315 907 UTs Hansards, FR–EN: ≈ 1 300 000 UTs Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (3/40)

Mat´ria Prima e Recursos Paralelos Dicion´rios Bilingues a Corpora Paralelos Unidades de Tradu¸õ ca Recursos Escondidos Terminologia Paralela Corpora Paralelos Um texto paralelo (ou bitexto) ´ um texto numa e l´ ıngua juntamente com a sua tradu¸õ numa outra ca l´ ıngua. Grandes coleç˜es de bitextos sõ chamadas co a de corpora paralelos. Sim˜es, 2008 o Habitualmente, ao falar de Corpora Paralelos pressup˜e-se o seu o Alinhamento ` Frase (segmento). a Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (4/40)

Mat´ria Prima e Recursos Paralelos Dicion´rios Bilingues a Corpora Paralelos Unidades de Tradu¸õ ca Recursos Escondidos Terminologia Paralela Corpora Paralelos e Alinhamento Dados textos paralelos U e V , um alinhamento ´ e uma segmenta¸õ de U e V em n segmentos cada, ca tal que para cada i, 1 ≤ i ≤ n, ui e vi sõ tradu¸˜es a co m´tuas. u Uma unidade de tradu¸õ ai ´ um par ordenado ca e (ui , vi ). Desta forma, um alinhamento A tamb´me pode ser definido como uma sequˆncia de segmentos e alinhados: A ∼ a1 , a2 , . . . , an . = Melamed, 2001 Processos de alinhamento cristalizados h´ algum tempo: a Gale and Church + melhoramentos e sincronia variada; Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (5/40)

Mat´ria Prima e Recursos Paralelos Dicion´rios Bilingues a Corpora Paralelos Unidades de Tradu¸õ ca Recursos Escondidos Terminologia Paralela Motiva¸õ — Textos paralelos ca Estes resultados constituem a base do These findings form the basis of the Programa Europeu de defesa do Mar de European Programmes to protect the Barents e, por esse motivo, pe¸o-lhe c Barents Sea, and that is why I would que analise um projecto de carta que ask you to examine a draft letter lhe exp˜e os factos mais importantes, e o setting out the most important facts que, de acordo com as decis˜es do o and to make Parliament’s position, as Parlamento, torne clara esta posi¸õ na ca expressed in the resolutions which it R´ssia. No entanto, somos tamb´m da u e has adopted, clear as far as Russia is opiniõ de que deveria haver um debate a concerned. We believe, however, that sobre esta estrat´gia da comissõ que e a the commission’s strategic plan needs seguisse um procedimento ordenado, e to be debated within a proper nõ s´ com base numa declara¸õ oral a o ca procedural framework, not only on the pronunciada aqui no Parlamento basis of an oral statement here in the Europeu, mas tamb´m com base num e European Parliament, but also on the documento que seja decidido na basis of a document which is adopted comissõ e que apresente uma a in the commission and which describes descri¸õ deste programa para um ca this programme over the five-year per´ıodo de cinco anos. period . Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (6/40)

Mat´ria Prima e Recursos Paralelos Dicion´rios Bilingues a Corpora Paralelos Unidades de Tradu¸õ ca Recursos Escondidos Terminologia Paralela Motiva¸õ — Frases paralelas ca Estes resultados constituem a base do These findings form the basis of the Programa Europeu de defesa do Mar de European Programmes to protect the Barents e, por esse motivo, pe¸o-lhe c Barents Sea, and that is why I would que analise um projecto de carta que ask you to examine a draft letter lhe exp˜e os factos mais importantes, e o setting out the most important facts que, de acordo com as decis˜es do o and to make Parliament’s position, as Parlamento, torne clara esta posi¸õ na ca expressed in the resolutions which it R´ssia. u has adopted, clear as far as Russia is No entanto, somos tamb´m da opiniõ e a concerned. de que deveria haver um debate sobre We believe, however, that the esta estrat´gia da comissõ que e a commission’s strategic plan needs to be seguisse um procedimento ordenado, e debated within a proper procedural nõ s´ com base numa declara¸õ oral a o ca framework, not only on the basis of an pronunciada aqui no Parlamento oral statement here in the European Europeu, mas tamb´m com base num e Parliament, but also on the basis of a documento que seja decidido na document which is adopted in the comissõ e que apresente uma a commission and which describes this descri¸õ deste programa para um ca programme over the five-year period . per´ıodo de cinco anos. Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (7/40)

Mat´ria Prima e Recursos Paralelos Dicion´rios Bilingues a Corpora Paralelos Unidades de Tradu¸õ ca Recursos Escondidos Terminologia Paralela Motiva¸õ — Dicion´rios de tradu¸õ ca a ca Estes resultados constituem a base do These findings form the basis of the Programa Europeu de defesa do Mar de European Programmes to protect the Barents e, por esse motivo, pe¸o-lhe c Barents Sea, and that is why I would que analise um projecto de carta que ask you to examine a draft letter lhe exp˜e os factos mais importantes, e o setting out the most important facts que, de acordo com as decis˜es do o and to make Parliament’s position, as Parlamento, torne clara esta posi¸õ na ca expressed in the resolutions which it R´ssia. u has adopted, clear as far as Russia is No entanto, somos tamb´m da opiniõ e a concerned. de que deveria haver um debate sobre We believe, however, that the esta estrat´gia da comissõ que e a commission’s strategic plan needs to be seguisse um procedimento ordenado, e debated within a proper procedural nõ s´ com base numa declara¸õ oral a o ca framework, not only on the basis of an pronunciada aqui no Parlamento oral statement here in the European Europeu, mas tamb´m com base num e Parliament, but also on the basis of a documento que seja decidido na document which is adopted in the comissõ e que apresente uma a commission and which describes this descri¸õ deste programa para um ca programme over the five-year period . per´ıodo de cinco anos. Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (8/40)

Mat´ria Prima e Recursos Paralelos Dicion´rios Bilingues a Corpora Paralelos Unidades de Tradu¸õ ca Recursos Escondidos Terminologia Paralela Motiva¸õ — Nominais (terminologia?) paralelos ca Estes resultados constituem a base do These findings form the basis of the Programa Europeu de defesa do Mar de European Programmes to protect the Barents e, por esse motivo, pe¸o-lhe c Barents Sea, and that is why I would que analise um projecto de carta que ask you to examine a draft letter lhe exp˜e os factos mais importantes, e o setting out the most important facts que, de acordo com as decis˜es do o and to make Parliament’s position, as Parlamento, torne clara esta posi¸õ na ca expressed in the resolutions which it R´ssia. u has adopted, clear as far as Russia is No entanto, somos tamb´m da opiniõ e a concerned. de que deveria haver um debate sobre We believe, however, that the esta estrat´gia da comissõ que e a commission’s strategic plan needs to be seguisse um procedimento ordenado, e debated within a proper procedural nõ s´ com base numa declara¸õ oral a o ca framework, not only on the basis of an pronunciada aqui no Parlamento oral statement here in the European Europeu, mas tamb´m com base num e Parliament, but also on the basis of a documento que seja decidido na document which is adopted in the comissõ e que apresente uma a commission and which describes this descri¸õ deste programa para um ca programme over the five-year period . per´ıodo de cinco anos. Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (9/40)

Mat´ria Prima e Recursos Paralelos Dicion´rios Bilingues a Corpora Paralelos Unidades de Tradu¸õ ca Recursos Escondidos Terminologia Paralela Mat´ria Prima e Os Corpora Paralelos sõ recursos ricos: a frases paralelas (unidades de tradu¸õ — TAC, TA) ca dicion´rios biligues a (uso comum, para al´m de TM, TAC, TA) e entidades paralelas (essencialmente para TAC e TA) terminologia bilingue (uso comum, para al´m de TM, TAC, TA) e exempos de tradu¸õ ca (unidades de tradu¸õ — TAC, TA) ca Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (10/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Extraçõ de Dicion´rios ca a a flor cresce / a casa ´ grande / a casa azul tem flores e the flower grows / the house is big / the blue house has flowers a flor cresce casa ´ e grande azul tem flores the 3 1 1 2 1 1 1 1 1 flower 1 1 1 0 0 0 0 0 0 grows 1 1 1 0 0 0 0 0 0 house 2 0 0 2 1 1 1 1 1 is 1 0 0 1 1 1 0 0 0 big 1 0 0 1 1 1 0 0 0 blue 1 0 0 1 0 0 1 1 1 have 1 0 0 1 0 0 1 1 1 flowers 1 0 0 1 0 0 1 1 1 Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (11/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Dicion´rios Probabil´ a ısticos de Tradu¸õ ca processo autom´tico de extraçõ ; a ca usam corpora paralelos alinhados ` frase; a associam a palavras wA de determinada l´ ıngua A um conjunto de palavras wB da l´ ıngua B; na sua maioria, T (wA ) = wB ; mas tamb´m acontece, T (wA ) = ¬wB ; e ou mesmo palavras aparentemente nada relacionadas... Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (14/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Dicion´rio Probabil´ a ıstico de Tradu¸õ: ex.1 ca QUERY> europa Occurrences: 39917 Translations: 88.50% europe 5.73% european 2.37% europa 1.16% (none) 0.57% eu 0.23% unece 0.17% the 0.16% auto Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (15/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Dicion´rio Probabil´ a ıstico de Tradu¸õ: ex.2 ca QUERY> we Occurrences: 300431 Translations: 17.81% (none) 8.25% que 6.02% temos Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (16/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Dicion´rio Probabil´ a ıstico de Tradu¸õ: ex.3 ca QUERY> read QUERY> represent Occurrences: 2435 Occurrences: 2538 Translations: Translations: 29.32% ler 17.87% representam 13.75% li 11.57% representar 8.36% read 8.93% represento 5.96% lido 7.54% representamos 3.54% lemos 4.93% constituem 1.60% leio 3.63% representa 1.46% estar 3.37% (none) 1.45% leu 2.35% representante Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (17/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Dicion´rio Probabil´ a ıstico de Tradu¸õ: ex.3 ca QUERY> aceit´vel a Occurrences: 1713 Translations: 71.48% acceptable 8.56% unacceptable Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (18/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Dicion´rio Probabil´ a ıstico de Tradu¸õ: ex.4 ca QUERY> palavra Occurrences: 6337 Translations: 35.75% floor 16.88% word 13.57% (none) 9.28% speak Floor?? What the hell? Tem a palavra , em nome da comiss~o , o senhor comiss´rio Barnier . a a Mr Barnier has the floor on behalf of the Commission . Tem a palavra , em nome da comiss~o , a senhora comiss´ria wallstr¨m . a a o Mrs wallstr¨m has the floor on behalf of the Commission . o Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (19/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Caracteriza¸õ dos PTD ca A qualidade e abrangˆncia do dicion´rio crescem com o e a tamanho do corpus. A existˆncia de ru´ diminui a qualidade dos dicion´rios. e ıdo a O comprimento excessivo das unidades de tradu¸õ prejudica ca a qualidade dos dicion´rios obtidos. a A criatividade na tradu¸õ prejudica a qualidade dos ca dicion´rios. a O pr´-processamento de corpora pode melhorar os dicion´rios e a obtidos. Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (20/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Avalia¸õ Manual de PTD ca Erradas Correctas no de entradas 566 (56.6%) 434 (43.4%) Prob Ocur Prob Ocur valor m´ ınimo 0.20 1 0.20 1 valor m´ximo a 1.00 6 755 1.00 1 103 267 m´dia e 0.40 63 0.52 3 699 desvio padrõ a 0.21 418 0.24 53 376 Tabela: Resultados da avalia¸õ manual de um PTD (probabilidades ca superiores a 20%). Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (21/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Avalia¸õ Manual (2) ca Total Erradas Correctas no de entradas 1000 150 (15%) 850 (85%) Prob Ocur Prob Ocur Prob Ocur valor m´ ınimo 0.20 50 0.20 50 0.20 50 valor m´ximo a 0.99 435 374 0.82 24 022 0.99 435 374 m´dia e 0.48 2 476 0.36 1 097 0.50 2 719 desvio padrõ a 0.21 16 894 0.14 2 720 0.21 18 278 Tabela: Resultados da avalia¸õ manual de um PTD (probabilidades ca superiores a 20%, e com mais de 50 ocorrˆncias). e Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (22/40)

Mat´ria Prima e Processo de Extraçõ ca Dicion´rios Bilingues a Dicion´rios Probabil´ a ısticos de Tradu¸õ ca Unidades de Tradu¸õ ca PTD: Exemplos Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸õ a ca Filtragem de PTD Remo¸õ de: ca n´meros e nõ-palavras; u a tradu¸˜es com probabilidades baixas co entradas com poucas ocorrˆncias e tradu¸õ “vazia” e entradas vazias ca Palavra (w ) Td1 (w ) P (Td1 (w )) Td2 (w ) P (Td2 (w )) trinta 30 36.43% thirty 34.21% thirty 34.21% (none) 6.33% necessite 1938 41.68% needs 25.65% needs 25.65% revoltante 45 24.03% revolting 9.53% revolting 9.53% representavam 19.3 18.33% accounted 18.13% a2 18.22% represented 7.53% Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (23/40)

Mat´ria Prima e Dicion´rios Bilingues a Defini¸õ ca Unidades de Tradu¸õ ca Hip´tese das Palavras Marca o Terminologia Paralela Exemplos de Tradu¸õ: Defini¸õ ca ca Um Exemplo de Tradu¸õ ´ um par de segmentos de ca e palavras sA , sB do tipo WA × WB , tal que T (sA ) = sB . Nõ existe qualquer restri¸õ relativa ao n´mero de palavras a ca u de cada um dos segmentos, sendo que habitualmente os exemplos de tradu¸õ tˆm duas ou mais palavras, e raramente ca e excedem as 8 a 10 palavras. Sim˜es, 2008 o Unidades de Tradu¸õ de tamanho pequeno... ca Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (24/40)

Mat´ria Prima e Dicion´rios Bilingues a Defini¸õ ca Unidades de Tradu¸õ ca Hip´tese das Palavras Marca o Terminologia Paralela Exemplos de Tradu¸õ: Como os delimitar? ca Para delimitar (segmentar) unidades de tradu¸õ em exemplos de ca tradu¸õ usam-se: ca Ad-Hoc (ao calhas): baseados em convi¸˜es fracas, como um par de palavras com co probabilidade de tradu¸õ alta. ca Shallow Parsers: ou heuristicas — Hip´tese das Palavras Marca; o Analisadores Sintćticos; a possivelmente a melhor abordagem, mas mais complicada. . . Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (25/40)

Mat´ria Prima e Dicion´rios Bilingues a Defini¸õ ca Unidades de Tradu¸õ ca Hip´tese das Palavras Marca o Terminologia Paralela Hip´tese das Palavras Marca o Hoje, nõ... a Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (26/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Extraçõ de Entidades Paralelas ca 1 Dado um corpus alinhado ao n´ da frase; ıvel 2 Realizar marca¸õ de Entidades Mencionadas ca (RENA, Rembrant, ...) 3 Contar Co-Ocorrˆncias de Entidades e Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (27/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Entidades Paralelas Extra´ ıdas Entidade em portuguˆs e Entidade em inglˆs e # Comissõa Commission 5363 Uniõ Europeia a European Union 2143 Conselho Council 2077 Parlamento Parliament 2041 Europa Europe 1883 Estados-Membros Member States 1528 Parlamento Europeu European Parliament 986 Estado-Membro Member State 250 Comissõ Europeia a European Commission 210 Conferˆncia Intergovernamental e Intergovernmental Conference 206 Estados Unidos United States 202 Senhor Presidente Mr President 179 Fundos Estruturais Structural Funds 145 Livro Branco White Paper 144 Carta dos Direitos Fundamentais Fundamental Rights 98 Cimeira de Lisboa Lisbon Summit 71 Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (28/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Extraçõ Baseada em Padr˜es ca o A tradu¸õ nõ ´ linear. . . ca a e alternative discussion european financing sources alliance radical about the for of . 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 Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (29/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Extraçõ Baseada em Padr˜es ca o . . . existem reordenamentos. . . alternative discussion european financing sources alliance radical about the for of . 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 Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (30/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Extraçõ Baseada em Padr˜es ca o . . . existem reordenamentos. . . previs´ ıveis! alternative discussion european financing sources alliance radical about the for of . 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 Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (31/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Exemplo 1: Padrõ ABBA a ımpicos Jogos Ol´ Olimpic X Games X Na pr´tica. . . a T (A · B) = T (B) · T (A) Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (32/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Exemplo 2: Padrõ IDH a desenvolvimento humano ındice de ´ human X development X index X Na pr´tica. . . a T (I · ”de” · D · H) = T (H) · T (D) · T (I ) Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (33/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Exemplo 3: Padrõ FTP a transferˆncia protocolo e ficheiros de de file X transfer X protocol X Na pr´tica. . . a T (P · ”de” · T · ”de” · F ) = T (F ) · T (T ) · T (P) Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (34/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Exemplo 4: Padrõ NPoV a neutro ponto vista de neutral X point X of ∆ view X Na pr´tica. . . a T (P · ”de” · V · N) = T (N) · T (P) · ”of ” · T (V ) Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (35/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Extraindo estes blocos: exemplos de tradu¸õ ca 39214 ABBA comunidades europeias european communities 32850 ABBA jornal oficial official journal 32832 ABBA parlamento europeu european parliament 32730 ABBA uniõ europeia a european union 31650 ABBA comunidade europeia european community 15602 ABBA pa´ terceiros ıses third countries 3614 ABBA livro verde green paper 3520 ABBA sa´de p´blica u u public health 3434 ABBA direito comunit´rio a community law 3227 ABBA n´ comunit´rio ıvel a community level 3179 ABBA comit´ permanente e standing committee 3038 ABBA nomenclatura combinada combined nomenclature 1 ABBA orgõs or¸amentais ´ a c budgetary organs 1 ABBA orgõs relevantes ´ a relevant bodies 1 A ovulos de equino ´ equine ova 1 A oxido de albendazole ´ albendazole oxide 1 A oxido de c´dmio ´ a cadmium oxide 1 A oxido de estireno ´ styrene oxide Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (36/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela A Linguagem de Padr˜es o Padr˜es EN–PT (jSpell) o [R1] A B = B[CAT<-/nc/] A[CAT<-/(a_nc|adj)/]; [R2] A B = B[CAT<-/nc/] "de"|"do"|"da"|"dos"|"das" A[CAT<-/(a_nc|nc)/]; [R3] A "of"|"in"|"for" B = A[CAT<-/nc/] "de"|"do"|"da" B[CAT<-/nc/]; [R4] A B C = C[CAT<-/nc/] A[CAT<-/(adj|a_nc)/] B[CAT<-/(adj|a_nc)/]; Padr˜es EN–GL (FreeLing) o [R1] A B = B[CAT<-/^NC/] A[CAT<-/ÂQ0/]; [R2] A B = B[CAT<-/^NC/] "de"|"do"|"da"|"dos"|"das" A[CAT<-/^NC/]; [R3] A "of"|"in"|"for" B = A[CAT<-/^NC/] "de"|"do"|"da" B[CAT<-/^NC/]; [R4] A B C = C[CAT<-/^NC/] A[CAT<-/ÂQ0/] B[CAT<-/ÂQ0/]; Regras simplificadas, por quest˜es espaciais. o Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (37/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela E que tipo de resultado? English Portuguese Oc. european union uniõ europeia a 12 465 european parliament parlamento europeu 13 066 european community comunidade europeia 18 251 european communities comunidades europeias 19 545 council decision decisõ do conselho a 1 665 commission decision decisõ da comissõ a a 2 215 basic regulation regulamento de base 3 390 management committee comit´ de gestõ e a 3 549 act of accession acto de adesõ a 1 043 exchange of letters troca de cartas 1 169 court of justice tribunal de justi¸a c 1 198 date of adoption data de adop¸õ ca 1 467 french overseas departments departamentos franceses ultramarinos 137 single european sky cú unico europeu e ´ 78 european agricultural fund fundo europeu agr´ıcola 48 scientific veterinary committee comit´ cient´ e ıfico veterin´rio a 44 Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (38/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Resultado Satisfat´rio? o SIM! nõ... a algumas das entradas sõ nominais “comuns” a O que fazer? Calcular n-gramas sobre corpora monolingue “gen´rico” e (liter´rio?) a Filtrar a terminologia encontrada por esses n-gramas. Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (39/40)

Mat´ria Prima e Extraçõ de Entidades Paralelas ca Dicion´rios Bilingues a Extraçõ Baseada em Padr˜es ca o Unidades de Tradu¸õ ca Extraçõ de Terminologia com Padr˜es ca o Terminologia Paralela Conclus˜es o os corpora paralelos sõ recursos ricos. . . a especialmente quando alinhados ` frase a os dicion´rios de tradu¸õ extra´ a ca ıdos sõ: a estat´ ısticos e possivelmente pouco precisos; podem ser filtrados e melhorados; os exemplos de tradu¸õ sõ: ca a a base dos sistemas de tradu¸õ estat´ ca ıstica; tamb´m uteis para TAC; e ´ ´ poss´ fazer extraçõ terminol´gica. e ıvel ca o usando ferramentas auxiliares; Alberto Sim˜es o Extraçõ de Recursos para Tradu¸õ Autom´tica ca ca a (40/40)

Extracção de Recursos para Tradução Automática

by Alberto Simões on Jul 01, 2009

Accessibility

Categories

Upload Details

Usage Rights

Statistics

Extracção de Recursos para Tradução Automática — Presentation Transcript