Approches neuronales pour la traduction automatique: nouvelles stratégies de génération

par Pooyan Safari

Projet de thèse en Informatique

Sous la direction de Alexandre Allauzen.

Thèses en préparation à Paris Saclay , dans le cadre de Sciences et Technologies de l'Information et de la Communication , en partenariat avec LIMSI - Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur (laboratoire) , TLP - Traitement du Langage Parlé (equipe de recherche) et de Université Paris-Sud (établissement de préparation de la thèse) depuis le 01-10-2016 .


  • Résumé

    L'usage des modèles neuronaux ont récemment ouvert de nombreuses perspectives de recherche en traitement automatique du langage de manière générale, et en particulier en traduction automatique. Bien qu'introduites il y a peu (fin 2014), les architectures entièrement neuronales (Neural Machine Translation ou NMT) ont déjà montré un énorme potentiel que ce soit pour la traduction automatique et la reconnaissance automatique de la parole. L'objectif de cette thèse est d'explorer ce nouveau type d'architecture afin de proposer des stratégies innovantes d'apprentissage.

  • Titre traduit

    Neural Machine Translation: new generation strategies


  • Résumé

    Neural networks have been recently introduced in the field of natural language processing in general, and in machine translation specifically, leading to new research perspectives. In machine translation, the first end-to-end model, also known as Neural Machine Translation, was proposed very recently at the end of 2014. They have already shown impressive and promising results, both in machine translation and speech recognition. The goal of this thesis is to explore this new kind of architecture and to improve it.