Recherche

  • Vérification et validation des traductions de WATT
    Développer un système de vérification et de validation pour déterminer l'effort requis par les traducteurs professionnels pour finaliser une traduction d'une «première estimation» automatisée. Le système diagnostiquera l'efficacité du logiciel de traduction pour le flux de données utilisées pour produire un bulletin d'avertissement et s'appliquera au système WATT du RALI, au système actuel utilisé par le Bureau de la traduction et à d'autres systèmes de traduction automatique tel que Google Translate. Le prototype montrera le bulletin source, sa traduction automatique «première estimation» et la prévision des portionsnécessitant une attention particulière. Il envisagera également d'identifier les problèmes potentiels dans le texte source.
     
  • Adaptation de WATT pour les bulletins émis sur les réseaux sociaux
    Adapter un moteur de traduction à la traduction de bulletins météorologiques pour diffusion via les médias sociaux (c.-à-d. Twitter). Cette nouvelle approche ne se concentrera pas nécessairement sur la traduction littérale d'un message, mais plutôt sur son sens, et, au besoin, pourra aussi utiliser deux tweets pour assurer la traduction. Il existe certains problèmes liés à la traduction de messages formatés pour les médias sociaux, tels que leur longueur, la présence de formes idiosyncrasiques (tel que mot-clic omniprésent) et le contenu. Le RALI a mené des expériences pour traduire les flux de textes gouvernementaux sur Twitter et adaptera ce travail aux messages d'ECCC.
     
  • Amélioration de WATT
    Poursuivre les améliorations à la technologie de traduction automatique WATT du RALI. Le système WATT actuel est basé sur un mélange statique de mémoire de traduction et un moteur basé sur des phrases statistiques alimenté par des lexiques manuels (noms géographiques, etc.). Avoir un outil de diagnostic (dans l'objectif 1) serait utile pour améliorer le système WATT actuel. L'adaptation aux traductions des médias sociaux (dans l'objectif 2) offrirait une autre façon d'adapter les capacités du système WATT. Les analyses et les mises à jour du système WATT à partir des objectifs susmentionnés feront l'objet du troisième objectif au fil du temps. 
     
  • Présentation sélective et personnalisée de l'information environnementale

    Mohamed Mouine, dans sa thèse de Ph.D., s'est intéressé au problème de la génération d'une visualisation personnalisée répondant aux besoins et aux préférences d'un utilisateur. Il a développé MeteoVis, un générateur de bulletin météorologique. Comme il y a peu d’information sur le profil de l’utilisateur, il s'est appuyé sur des utilisateurs similaires pour calculer ses besoins et ses préférences.L’apprentissage non supervisé a été utilisé pour regrouper les utilisateurs similaires en calculant un taux de similarité des profils utilisateurs dans le même cluster pour pondérer les besoins et les préférences. Avec l’aide d’utilisateurs indépendants, des expériences d’évaluation et de comparaison de notre outil ont été menées pour les comparer avec celui utilisé actuellement par Environnement Canada. Les résultats de cette évaluation montrent que les visualisation générées par MeteoVis sont meilleures que les bulletins actuels préparés par EC.
     

  • Traduction automatique statistique des bulletins d'avertissements météorologiques
    Il y a deux grands volets relatifs à la traduction automatique: la traduction d'avertissements météo et la présentation des prévisions météorologiques en Inuktitut.

    Afin de traduire des bulletins météo et des avertissements d'anglais vers le français et vice-versa, nous avons développé une approche basée sur les segments. Cette approche est basée sur le traitement d'exemples de traduction afin d'entraîner des modèles de langage et de traduction statistique. Nous avons donc concentré nos efforts sur la création d'un corpus d'apprentissage à partir de différentes sources de bulletins météo et d'avertissements bilingues traduits à la main. Nous avons développé un système qui reçoit les bulletins d'EC , qui en extrait les phrases pertinentes et qui aligne les phrases de ces textes qui sont des traductions l'une de l'autre. Ces phrases seront ajoutées au corpus que nous avions construit pour des expériences antérieures dans le même domaine et a donné naissance à un système de traduction complet pour améliorer le prototype qui est déjà en ligne.

    Le deuxième volet est un défi beaucoup plus grand, car nous ne disposons pas d'un corpus bilingue anglais-inuktitut. De plus l'inuktitut est un langage agglutinatif ce qui signifie que la notion de mot telle qu'elle est utilisée normalement par les moteurs de traduction statistiques est plus délicate à utiliser. Cette année, nous avons traité le problème de l'apprentissage automatique non supervisé de la structure morphologique d'un langage. La découverte de la structure morphologique d'un langage est justement le but du Morpho Challenge workshop qui fait partie du EU Network of Excellence PASCAL Challenge Program. Nous avons participé à cette compétition pour la première fois. Jean-François Lavallée, dans le cadre de sa maîtrise, a mis un point un système basé sur l'apprentissage analogique. Sa performance pour le finnois, l'anglais, l'allemand et le turc était parmi les meilleurs systèmes qui avaient soumis à la tâche commune. Le système qu'il a développé s'est classé premier parmi ceux qui y participaient pour la première fois et très près du meilleur système qui est une combinaison des meilleurs systèmes existants.
     
  • Analyse de données des patrons d'information

    Nous avons travaillé sur l'ingrédient fondamental et préalable à tout algorithme de data-mining: la collecte des données. Nous avons d'abord acquis une connaissance détaillée de l'information présente dans les fichiers de données XML Météocode. Ils contiennent des prévisions à court et moyen terme sur plusieurs variables environnementales (température, précipitation, pression atmosphérique, vitesse et direction des vents, etc.) sur une grille de points géographiques à travers le Canada; ils sont mis à jour toutes les 6 ou 12 heures. Nous avons mis en place une base de données relationnelle et développé du logiciel qui récupère régulièrement les fichiers Meteocode, les analyse et remplit une base de données avec l'information extraite. Ce système accumule ainsi des données historiques de prévision nécessaires pour l'apprentissage de modèles statistiques.

    Pour permettre l'exploration de cette masse de données, nous avons mis en place un site web interne expérimental qui peut afficher l'évolution des variables environnementales prédites à travers le temps au point géographique de notre choix et ce soit sous forme de tableau ou de graphique. Ceci est un bon point de départ pour l'exploration future de méthodes pour présenter l'information météorologique pertinente à des auditoires spécialisés, avec un niveau de détails qui n'est pas actuellement disponible sur le site d'Environnement Canada pour le grand public. Plus important, avec cette infrastructure en place, il sera plus directement possible de tirer des ensembles d'apprentissage appropriés pour rechercher et entraîner de nouveaux algorithmes d'apprentissage.