Word2Vec vs DBnary ou comment (r\'e)concilier repr\'esentations distribu\'ees et r\'eseaux lexico-s\'emantiques ? Le cas de l'\'evaluation en traduction automatique (Word2Vec vs DBnary or how to bring back together vector representations and lexical resources ? A case study for machine translation evaluation)

Abstract

Cet article pr\'esente une approche associant r\'eseaux lexico-s\'emantiques et repr\'esentations distribu\'ees de mots appliqu\'ee \`a l'\'evaluation de la traduction automatique. Cette \'etude est faite \`a travers l'enrichissement d'une m\'etrique bien connue pour \'evaluer la traduction automatique (TA) : METEOR. METEOR permet un appariement approch\'e (similarit\'e morphologique ou synonymie) entre une sortie de syst\`eme automatique et une traduction de r\'ef\'erence. Nos exp\'erimentations s'appuient sur la t\^ache Metrics de la campagne d'\'evaluation WMT 2014 et montrent que les repr\'esentations distribu\'ees restent moins performantes que les ressources lexico-s\'emantiques pour l'\'evaluation en TA mais peuvent n\'eammoins apporter un compl\'ement d'information int\'eressant \`a ces derni\`eres.

Tasks

Reproductions