<?xml version="1.0" encoding="UTF-8"?>
<oaidc:dc xmlns:oaidc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/">
<dc:source xsi:type="dcterms:URI">http://www.sudoc.fr/263029484</dc:source>
<dc:language xsi:type="dcterms:ISO639-2">fr</dc:language>
<dc:coverage xsi:type="unistra:Coverage">FR</dc:coverage>
<dc:type xsi:type="unistra:Mention">Mémoire de master</dc:type>
<dc:title xsi:type="unistra:Titre" xml:lang="fre">Utilisation de la terminologie pour améliorer la traduction automatique de textes spécialisés</dc:title>
<dc:publisher xsi:type="unistra:Composante">Faculté des langues</dc:publisher>
<dc:date xsi:type="unistra:Date">2020-06-30</dc:date>
<dc:subject xml:langue="fre">Traduction automatique</dc:subject>
<dc:subject xml:langue="fre">Traduction automatique statistique Traduction automatique à base des réseaux de neurones Extraction terminologique</dc:subject>
<dc:subject xml:langue="fre">621.389 4</dc:subject>
<dc:creator xsi:type="unistra:Auteur">Mishchenko Oksana</dc:creator>
<dc:format xsi:type="dcterms:IMT">application/pdf</dc:format>
<dc:rights xsi:type="unistra:Droits">Accès réservé aux membres de l'Université de Strasbourg sur authentification</dc:rights>
<dc:identifier xsi:type="dcterms:URI">https://publication-theses.unistra.fr/restreint/memoires/2020/FLCE/2020_mishchenko_oksana.pdf</dc:identifier>
<dc:description xsi:type="unistra:Discipline" xml:langue="fre">Technologies des Langues</dc:description>
<dc:description xsi:type="unistra:Resume" xml:langue="fre">La traduction automatique (TA) des textes du domaine spécifique nécessite l’approche adaptée qui prend en compte les spécificités lexicales, syntaxiques et structurelles de ces textes. Par conséquent, ce travail explore la méthode d’amélioration de TA des textes spécifiques à l’aide de la terminologie aujoutée au corpus parallèle. Les tests ont été menés sur le corpus parallèle médical EMEA (anglais-français) avec l’utilisation de 416 termes. L’efficacité de cette méthodologie a été testée sur le système de traduction automatique statistique (TAS) ainsi que sur le système de traduction automatique à base des réseaux de neurones (TAN).</dc:description>
<dc:contributor xsi:type="unistra:Directeur">[Amalia] Todirascu</dc:contributor>
<dc:contributor xsi:type="unistra:Directeur">[Yuliya] Korenchuk</dc:contributor>
<dc:type xsi:type="unistra:Memoire">Memoire Unistra</dc:type>
</oaidc:dc>
