Traduction automatisée des langues africaines. Cas du lingala.

ANNEXES

QUELQUES CAPTURES D'ÉCRANS

l

Figure 21 : Extrait du script de traduction

Morceau du script de traduction

Master Data Science - Big Data XIII

TANO Assandé Jacob

l Extrait du corpus de textes parallèles utilisé

Figure 22 : Extrait du corpus parallèle

Master Data Science - Big Data XIV

TANO Assandé Jacob

l

Figure 23 : Extrait du script de l'encodeur et du décodeur

Extrait du script de construction de l'encodeur et du décodeur

Master Data Science - Big Data XV

TANO Assandé Jacob

TABLE DES MATIERES

DEDICACES I

REMERCIEMENTS II

SOMMAIRE III

LISTE DES TABLEAUX IV

LISTE DES FIGURES V

LISTE DES ABREVIATIONS VI

GLOSSAIRE VII

AVANT-PROPOS VIII

RESUME IX

INTRODUCTION GENERALE 1

PARTIE I : ENVIRONNEMENT DE LA MISSION 2

I- PRÉSENTATION DE LA STRUCTURE D'ACCUEIL 3

1- Structure d'accueil 3

2- Les domaines de compétences de la structure d'accueil 3

II- PRÉSENTATION DU CAHIER DES CHARGES 4

1- Motivation du choix des langues 4

2- Objectif général 5

3- Objectifs spécifiques 5

III- PLANNING PREVISIONNEL 6

1- Planning du d'execution du projet 6

IV- ANALYSE DE L'EXISTANT 6

1- Constat 6

2- Commentaires 6

PARTIE II: ETUDE DES APPROCHES EXISTANTES DE TRADUCTION AUTOMATIQUE ET CHOIX

D'UNE APPROCHE 7

I - PRESENTATION DES METHODES DE TRADUCTION AUTOMATIQUE 8

1 - La traduction automatique basée sur des règles (RBMT) 8

2 - La traduction automatique statistique (TAS) 9

3 - La traduction automatique à neuronal (TAN) 10

II- CHOIX D'UNE APPROCHE 11

1- Choix 11

2- Motivations du choix 11

PARTIE III : DESCRIPTION DE LA TRADUCTION AUTOMATIQUE NEURONALE 12

I- LA TRADUCTION AUTOMATIQUE NEURONALE 13

1- Réseau de neurones artificiels 13

2- Type de Réseaux de neurones 16

II- LES RESEAUX DE NEURONES RECURRENTS 17

1- Généralité 17

2- Architecture du réseau de neurones récurrent - Recurrent Neural Network (RNN) 19

3- Les Variantes du réseau de neurones récurrents 22

	TANO Assandé Jacob
III- MODÈLES NEURONAUX DE TRADUCTION AUTOMATIQUE		24
1- Méthodologie		24					2- Le modèle sequence-to-sequence
24		3- le modèle `Transformer'
26
IV- EVALUATION D'UN MODÈLE DE TRADUCTION AUTOMATIQUE		28
1- La métrique BLEU		28
PARTIE IV : IMPLEMENTATION DU MODELE DE TRADUCTION AUTOMATIQUE		33
I- PRÉSENTATION DU PROCESSUS GLOBALE DE TRAITEMENT		34
1- Processus globale de traitement		34						2- Prérequis
35
II- COLLECTE ET PRÉPARATION DES DONNÉES		36
1- La collecte des données		36							2- Préparation les données
37
3- Répartition les données		39
III- CONSTRUCTION DU MODÈLE DE TRADUCTION AUTOMATIQUE		40
1- présentation des différents modèles utilisés		40
IV- PRESENTATION DES RESULTATS		41
1- Evaluation		41
2- Commentaires		41								3- Interface et quelques traductions
42
CONCLUSION GENERALE		44
BIBLIOGRAPHIE		.X
WEBGRAPHIE		.XI
ANNEXES		.XII
TABLE DES MATIERES		XV

Master Data Science - Big Data XVI