1. Mat´ria Prima
e
Dicion´rios Bilingues
a
Unidades de Tradu¸˜o
ca
Terminologia Paralela
Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a
Alberto Manuel Brand˜o Sim˜es
a o
ambs@di.uminho.pt
Escola de Ver˜o – Junho 2009
a
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (1/40)

2. Mat´ria Prima
e
Dicion´rios Bilingues
a
Unidades de Tradu¸˜o
ca
Terminologia Paralela
1 Mat´ria Prima
e
Recursos Paralelos
Corpora Paralelos
Recursos Escondidos
2 Dicion´rios Bilingues
a
Processo de Extrac¸˜o
ca
Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
PTD: Exemplos
Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
3 Unidades de Tradu¸˜o
ca
Defini¸˜o
ca
Hip´tese das Palavras Marca
o
4 Terminologia Paralela
Extrac¸˜o de Entidades Paralelas
ca
Extrac¸˜o Baseada em Padr˜es
ca o
Extrac¸˜o de Terminologia com Padr˜es
ca o
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (2/40)

3. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Recursos Paralelos
Cada vez mais tipos de recursos dispon´
ıveis gratuitamente:
corpora paralelos;
corpora compar´veis (mascarados);
a
dicion´rios bilingues;
a
Recursos com maior crescimento nos ultimos tempos:
´
corpora paralelos
COMPARA, PT–EN: 97 723 UTs
EuroParl v3 (11 Ling, 55 pares) PT–EN: 1 287 757 UTs
JRC-Acquis v3 (22 Ling, 231 pares) PT–EN: 1 315 907 UTs
Hansards, FR–EN: ≈ 1 300 000 UTs
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (3/40)

4. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Recursos Paralelos
Cada vez mais tipos de recursos dispon´
ıveis gratuitamente:
corpora paralelos;
corpora compar´veis (mascarados);
a
dicion´rios bilingues;
a
Recursos com maior crescimento nos ultimos tempos:
´
corpora paralelos
COMPARA, PT–EN: 97 723 UTs
EuroParl v3 (11 Ling, 55 pares) PT–EN: 1 287 757 UTs
JRC-Acquis v3 (22 Ling, 231 pares) PT–EN: 1 315 907 UTs
Hansards, FR–EN: ≈ 1 300 000 UTs
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (3/40)

5. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Corpora Paralelos
Um texto paralelo (ou bitexto) ´ um texto numa
e
l´
ıngua juntamente com a sua tradu¸˜o numa outra
ca
l´
ıngua. Grandes colec¸˜es de bitextos s˜o chamadas
co a
de corpora paralelos.
Sim˜es, 2008
o
Habitualmente, ao falar de Corpora Paralelos pressup˜e-se o seu
o
Alinhamento ` Frase (segmento).
a
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (4/40)

6. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Corpora Paralelos
Um texto paralelo (ou bitexto) ´ um texto numa
e
l´
ıngua juntamente com a sua tradu¸˜o numa outra
ca
l´
ıngua. Grandes colec¸˜es de bitextos s˜o chamadas
co a
de corpora paralelos.
Sim˜es, 2008
o
Habitualmente, ao falar de Corpora Paralelos pressup˜e-se o seu
o
Alinhamento ` Frase (segmento).
a
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (4/40)

7. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Corpora Paralelos e Alinhamento
Dados textos paralelos U e V , um alinhamento ´ e
uma segmenta¸˜o de U e V em n segmentos cada,
ca
tal que para cada i, 1 ≤ i ≤ n, ui e vi s˜o tradu¸˜es
a co
m´tuas.
u
Uma unidade de tradu¸˜o ai ´ um par ordenado
ca e
(ui , vi ). Desta forma, um alinhamento A tamb´me
pode ser definido como uma sequˆncia de segmentos
e
alinhados: A ∼ a1 , a2 , . . . , an .
=
Melamed, 2001
Processos de alinhamento cristalizados h´ algum tempo:
a
Gale and Church + melhoramentos e sincronia variada;
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (5/40)

8. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Corpora Paralelos e Alinhamento
Dados textos paralelos U e V , um alinhamento ´ e
uma segmenta¸˜o de U e V em n segmentos cada,
ca
tal que para cada i, 1 ≤ i ≤ n, ui e vi s˜o tradu¸˜es
a co
m´tuas.
u
Uma unidade de tradu¸˜o ai ´ um par ordenado
ca e
(ui , vi ). Desta forma, um alinhamento A tamb´me
pode ser definido como uma sequˆncia de segmentos
e
alinhados: A ∼ a1 , a2 , . . . , an .
=
Melamed, 2001
Processos de alinhamento cristalizados h´ algum tempo:
a
Gale and Church + melhoramentos e sincronia variada;
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (5/40)

9. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Motiva¸˜o — Textos paralelos
ca
Estes resultados constituem a base do These findings form the basis of the
Programa Europeu de defesa do Mar de European Programmes to protect the
Barents e, por esse motivo, pe¸o-lhe
c Barents Sea, and that is why I would
que analise um projecto de carta que ask you to examine a draft letter
lhe exp˜e os factos mais importantes, e
o setting out the most important facts
que, de acordo com as decis˜es do
o and to make Parliament’s position, as
Parlamento, torne clara esta posi¸˜o na
ca expressed in the resolutions which it
R´ssia. No entanto, somos tamb´m da
u e has adopted, clear as far as Russia is
opini˜o de que deveria haver um debate
a concerned. We believe, however, that
sobre esta estrat´gia da comiss˜o que
e a the commission’s strategic plan needs
seguisse um procedimento ordenado, e to be debated within a proper
n˜o s´ com base numa declara¸˜o oral
a o ca procedural framework, not only on the
pronunciada aqui no Parlamento basis of an oral statement here in the
Europeu, mas tamb´m com base num
e European Parliament, but also on the
documento que seja decidido na basis of a document which is adopted
comiss˜o e que apresente uma
a in the commission and which describes
descri¸˜o deste programa para um
ca this programme over the five-year
per´ıodo de cinco anos. period .
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (6/40)

10. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Motiva¸˜o — Frases paralelas
ca
Estes resultados constituem a base do These findings form the basis of the
Programa Europeu de defesa do Mar de European Programmes to protect the
Barents e, por esse motivo, pe¸o-lhe
c Barents Sea, and that is why I would
que analise um projecto de carta que ask you to examine a draft letter
lhe exp˜e os factos mais importantes, e
o setting out the most important facts
que, de acordo com as decis˜es do
o and to make Parliament’s position, as
Parlamento, torne clara esta posi¸˜o na
ca expressed in the resolutions which it
R´ssia.
u has adopted, clear as far as Russia is
No entanto, somos tamb´m da opini˜o
e a concerned.
de que deveria haver um debate sobre We believe, however, that the
esta estrat´gia da comiss˜o que
e a commission’s strategic plan needs to be
seguisse um procedimento ordenado, e debated within a proper procedural
n˜o s´ com base numa declara¸˜o oral
a o ca framework, not only on the basis of an
pronunciada aqui no Parlamento oral statement here in the European
Europeu, mas tamb´m com base num
e Parliament, but also on the basis of a
documento que seja decidido na document which is adopted in the
comiss˜o e que apresente uma
a commission and which describes this
descri¸˜o deste programa para um
ca programme over the five-year period .
per´ıodo de cinco anos. Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (7/40)

11. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Motiva¸˜o — Dicion´rios de tradu¸˜o
ca a ca
Estes resultados constituem a base do These findings form the basis of the
Programa Europeu de defesa do Mar de European Programmes to protect the
Barents e, por esse motivo, pe¸o-lhe
c Barents Sea, and that is why I would
que analise um projecto de carta que ask you to examine a draft letter
lhe exp˜e os factos mais importantes, e
o setting out the most important facts
que, de acordo com as decis˜es do
o and to make Parliament’s position, as
Parlamento, torne clara esta posi¸˜o na
ca expressed in the resolutions which it
R´ssia.
u has adopted, clear as far as Russia is
No entanto, somos tamb´m da opini˜o
e a concerned.
de que deveria haver um debate sobre We believe, however, that the
esta estrat´gia da comiss˜o que
e a commission’s strategic plan needs to be
seguisse um procedimento ordenado, e debated within a proper procedural
n˜o s´ com base numa declara¸˜o oral
a o ca framework, not only on the basis of an
pronunciada aqui no Parlamento oral statement here in the European
Europeu, mas tamb´m com base num
e Parliament, but also on the basis of a
documento que seja decidido na document which is adopted in the
comiss˜o e que apresente uma
a commission and which describes this
descri¸˜o deste programa para um
ca programme over the five-year period .
per´ıodo de cinco anos. Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (8/40)

12. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Motiva¸˜o — Nominais (terminologia?) paralelos
ca
Estes resultados constituem a base do These findings form the basis of the
Programa Europeu de defesa do Mar de European Programmes to protect the
Barents e, por esse motivo, pe¸o-lhe
c Barents Sea, and that is why I would
que analise um projecto de carta que ask you to examine a draft letter
lhe exp˜e os factos mais importantes, e
o setting out the most important facts
que, de acordo com as decis˜es do
o and to make Parliament’s position, as
Parlamento, torne clara esta posi¸˜o na
ca expressed in the resolutions which it
R´ssia.
u has adopted, clear as far as Russia is
No entanto, somos tamb´m da opini˜o
e a concerned.
de que deveria haver um debate sobre We believe, however, that the
esta estrat´gia da comiss˜o que
e a commission’s strategic plan needs to be
seguisse um procedimento ordenado, e debated within a proper procedural
n˜o s´ com base numa declara¸˜o oral
a o ca framework, not only on the basis of an
pronunciada aqui no Parlamento oral statement here in the European
Europeu, mas tamb´m com base num
e Parliament, but also on the basis of a
documento que seja decidido na document which is adopted in the
comiss˜o e que apresente uma
a commission and which describes this
descri¸˜o deste programa para um
ca programme over the five-year period .
per´ıodo de cinco anos. Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (9/40)

13. Mat´ria Prima
e
Recursos Paralelos
Dicion´rios Bilingues
a
Corpora Paralelos
Unidades de Tradu¸˜o
ca
Recursos Escondidos
Terminologia Paralela
Mat´ria Prima
e
Os Corpora Paralelos s˜o recursos ricos:
a
frases paralelas
(unidades de tradu¸˜o — TAC, TA)
ca
dicion´rios biligues
a
(uso comum, para al´m de TM, TAC, TA)
e
entidades paralelas
(essencialmente para TAC e TA)
terminologia bilingue
(uso comum, para al´m de TM, TAC, TA)
e
exempos de tradu¸˜o
ca
(unidades de tradu¸˜o — TAC, TA)
ca
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (10/40)

14. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Extrac¸˜o de Dicion´rios
ca a
a flor cresce / a casa ´ grande / a casa azul tem flores
e
the flower grows / the house is big / the blue house has flowers
a flor cresce casa ´
e grande azul tem flores
the 3 1 1 2 1 1 1 1 1
flower 1 1 1 0 0 0 0 0 0
grows 1 1 1 0 0 0 0 0 0
house 2 0 0 2 1 1 1 1 1
is 1 0 0 1 1 1 0 0 0
big 1 0 0 1 1 1 0 0 0
blue 1 0 0 1 0 0 1 1 1
have 1 0 0 1 0 0 1 1 1
flowers 1 0 0 1 0 0 1 1 1
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (11/40)

15. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Extrac¸˜o de Dicion´rios
ca a
a flor cresce / a casa ´ grande / a casa azul tem flores
e
the flower grows / the house is big / the blue house has flowers
a flor cresce casa ´
e grande azul tem flores
the 3 1 1 2 1 1 1 1 1
flower 1 1 1 0 0 0 0 0 0
grows 1 1 1 0 0 0 0 0 0
house 2 0 0 2 1 1 1 1 1
is 1 0 0 1 1 1 0 0 0
big 1 0 0 1 1 1 0 0 0
blue 1 0 0 1 0 0 1 1 1
have 1 0 0 1 0 0 1 1 1
flowers 1 0 0 1 0 0 1 1 1
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (11/40)

16. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Extrac¸˜o de Dicion´rios
ca a
a flor cresce / a casa ´ grande / a casa azul tem flores
e
the flower grows / the house is big / the blue house has flowers
a flor cresce casa ´
e grande azul tem flores
the 3 1 1 2 1 1 1 1 1
flower 1 1 1 0 0 0 0 0 0
grows 1 1 1 0 0 0 0 0 0
house 2 0 0 2 1 1 1 1 1
is 1 0 0 1 1 1 0 0 0
big 1 0 0 1 1 1 0 0 0
blue 1 0 0 1 0 0 1 1 1
have 1 0 0 1 0 0 1 1 1
flowers 1 0 0 1 0 0 1 1 1
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (12/40)

17. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Extrac¸˜o de Dicion´rios
ca a
a flor cresce / a casa ´ grande / a casa azul tem flores
e
the flower grows / the house is big / the blue house has flowers
a flor cresce casa ´
e grande azul tem flores
the 3 1 1 2 1 1 1 1 1
flower 1 1 1 0 0 0 0 0 0
grows 1 1 1 0 0 0 0 0 0
house 2 0 0 2 1 1 1 1 1
is 1 0 0 1 1 1 0 0 0
big 1 0 0 1 1 1 0 0 0
blue 1 0 0 1 0 0 1 1 1
have 1 0 0 1 0 0 1 1 1
flowers 1 0 0 1 0 0 1 1 1
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (13/40)

18. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
processo autom´tico de extrac¸˜o ;
a ca
usam corpora paralelos alinhados ` frase;
a
associam a palavras wA de determinada l´
ıngua A um conjunto
de palavras wB da l´
ıngua B;
na sua maioria, T (wA ) = wB ;
mas tamb´m acontece, T (wA ) = ¬wB ;
e
ou mesmo palavras aparentemente nada relacionadas...
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (14/40)

19. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
processo autom´tico de extrac¸˜o ;
a ca
usam corpora paralelos alinhados ` frase;
a
associam a palavras wA de determinada l´
ıngua A um conjunto
de palavras wB da l´
ıngua B;
na sua maioria, T (wA ) = wB ;
mas tamb´m acontece, T (wA ) = ¬wB ;
e
ou mesmo palavras aparentemente nada relacionadas...
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (14/40)

20. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Dicion´rio Probabil´
a ıstico de Tradu¸˜o: ex.1
ca
QUERY> europa
Occurrences: 39917
Translations:
88.50% europe
5.73% european
2.37% europa
1.16% (none)
0.57% eu
0.23% unece
0.17% the
0.16% auto
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (15/40)

21. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Dicion´rio Probabil´
a ıstico de Tradu¸˜o: ex.2
ca
QUERY> we
Occurrences: 300431
Translations:
17.81% (none)
8.25% que
6.02% temos
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (16/40)

22. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Dicion´rio Probabil´
a ıstico de Tradu¸˜o: ex.3
ca
QUERY> read QUERY> represent
Occurrences: 2435 Occurrences: 2538
Translations: Translations:
29.32% ler 17.87% representam
13.75% li 11.57% representar
8.36% read 8.93% represento
5.96% lido 7.54% representamos
3.54% lemos 4.93% constituem
1.60% leio 3.63% representa
1.46% estar 3.37% (none)
1.45% leu 2.35% representante
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (17/40)

23. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Dicion´rio Probabil´
a ıstico de Tradu¸˜o: ex.3
ca
QUERY> aceit´vel
a
Occurrences: 1713
Translations:
71.48% acceptable
8.56% unacceptable
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (18/40)

24. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Dicion´rio Probabil´
a ıstico de Tradu¸˜o: ex.4
ca
QUERY> palavra
Occurrences: 6337
Translations:
35.75% floor
16.88% word
13.57% (none)
9.28% speak
Floor?? What the hell?
Tem a palavra , em nome da comiss~o , o senhor comiss´rio Barnier .
a a
Mr Barnier has the floor on behalf of the Commission .
Tem a palavra , em nome da comiss~o , a senhora comiss´ria wallstr¨m .
a a o
Mrs wallstr¨m has the floor on behalf of the Commission .
o
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (19/40)

25. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Dicion´rio Probabil´
a ıstico de Tradu¸˜o: ex.4
ca
QUERY> palavra
Occurrences: 6337
Translations:
35.75% floor
16.88% word
13.57% (none)
9.28% speak
Floor?? What the hell?
Tem a palavra , em nome da comiss~o , o senhor comiss´rio Barnier .
a a
Mr Barnier has the floor on behalf of the Commission .
Tem a palavra , em nome da comiss~o , a senhora comiss´ria wallstr¨m .
a a o
Mrs wallstr¨m has the floor on behalf of the Commission .
o
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (19/40)

26. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Dicion´rio Probabil´
a ıstico de Tradu¸˜o: ex.4
ca
QUERY> palavra
Occurrences: 6337
Translations:
35.75% floor
16.88% word
13.57% (none)
9.28% speak
Floor?? What the hell?
Tem a palavra , em nome da comiss~o , o senhor comiss´rio Barnier .
a a
Mr Barnier has the floor on behalf of the Commission .
Tem a palavra , em nome da comiss~o , a senhora comiss´ria wallstr¨m .
a a o
Mrs wallstr¨m has the floor on behalf of the Commission .
o
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (19/40)

27. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Caracteriza¸˜o dos PTD
ca
A qualidade e abrangˆncia do dicion´rio crescem com o
e a
tamanho do corpus.
A existˆncia de ru´ diminui a qualidade dos dicion´rios.
e ıdo a
O comprimento excessivo das unidades de tradu¸˜o prejudica
ca
a qualidade dos dicion´rios obtidos.
a
A criatividade na tradu¸˜o prejudica a qualidade dos
ca
dicion´rios.
a
O pr´-processamento de corpora pode melhorar os dicion´rios
e a
obtidos.
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (20/40)

28. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Avalia¸˜o Manual de PTD
ca
Erradas Correctas
no de entradas 566 (56.6%) 434 (43.4%)
Prob Ocur Prob Ocur
valor m´
ınimo 0.20 1 0.20 1
valor m´ximo
a 1.00 6 755 1.00 1 103 267
m´dia
e 0.40 63 0.52 3 699
desvio padr˜o
a 0.21 418 0.24 53 376
Tabela: Resultados da avalia¸˜o manual de um PTD (probabilidades
ca
superiores a 20%).
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (21/40)

29. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Avalia¸˜o Manual (2)
ca
Total Erradas Correctas
no de entradas 1000 150 (15%) 850 (85%)
Prob Ocur Prob Ocur Prob Ocur
valor m´
ınimo 0.20 50 0.20 50 0.20 50
valor m´ximo
a 0.99 435 374 0.82 24 022 0.99 435 374
m´dia
e 0.48 2 476 0.36 1 097 0.50 2 719
desvio padr˜o
a 0.21 16 894 0.14 2 720 0.21 18 278
Tabela: Resultados da avalia¸˜o manual de um PTD (probabilidades
ca
superiores a 20%, e com mais de 50 ocorrˆncias).
e
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (22/40)

30. Mat´ria Prima
e Processo de Extrac¸˜o
ca
Dicion´rios Bilingues
a Dicion´rios Probabil´
a ısticos de Tradu¸˜o
ca
Unidades de Tradu¸˜o
ca PTD: Exemplos
Terminologia Paralela Dos PTD aos Dicion´rios de Tradu¸˜o
a ca
Filtragem de PTD
Remo¸˜o de:
ca
n´meros e n˜o-palavras;
u a
tradu¸˜es com probabilidades baixas
co
entradas com poucas ocorrˆncias
e
tradu¸˜o “vazia” e entradas vazias
ca
Palavra (w ) Td1 (w ) P (Td1 (w )) Td2 (w ) P (Td2 (w ))
trinta 30 36.43% thirty 34.21%
thirty 34.21% (none) 6.33%
necessite 1938 41.68% needs 25.65%
needs 25.65%
revoltante 45 24.03% revolting 9.53%
revolting 9.53%
representavam 19.3 18.33% accounted 18.13%
a2 18.22% represented 7.53%
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (23/40)

31. Mat´ria Prima
e
Dicion´rios Bilingues
a Defini¸˜o
ca
Unidades de Tradu¸˜o
ca Hip´tese das Palavras Marca
o
Terminologia Paralela
Exemplos de Tradu¸˜o: Defini¸˜o
ca ca
Um Exemplo de Tradu¸˜o ´ um par de segmentos de
ca e
palavras sA , sB do tipo WA × WB , tal que T (sA ) = sB .
N˜o existe qualquer restri¸˜o relativa ao n´mero de palavras
a ca u
de cada um dos segmentos, sendo que habitualmente os
exemplos de tradu¸˜o tˆm duas ou mais palavras, e raramente
ca e
excedem as 8 a 10 palavras.
Sim˜es, 2008
o
Unidades de Tradu¸˜o de tamanho pequeno...
ca
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (24/40)

32. Mat´ria Prima
e
Dicion´rios Bilingues
a Defini¸˜o
ca
Unidades de Tradu¸˜o
ca Hip´tese das Palavras Marca
o
Terminologia Paralela
Exemplos de Tradu¸˜o: Defini¸˜o
ca ca
Um Exemplo de Tradu¸˜o ´ um par de segmentos de
ca e
palavras sA , sB do tipo WA × WB , tal que T (sA ) = sB .
N˜o existe qualquer restri¸˜o relativa ao n´mero de palavras
a ca u
de cada um dos segmentos, sendo que habitualmente os
exemplos de tradu¸˜o tˆm duas ou mais palavras, e raramente
ca e
excedem as 8 a 10 palavras.
Sim˜es, 2008
o
Unidades de Tradu¸˜o de tamanho pequeno...
ca
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (24/40)

33. Mat´ria Prima
e
Dicion´rios Bilingues
a Defini¸˜o
ca
Unidades de Tradu¸˜o
ca Hip´tese das Palavras Marca
o
Terminologia Paralela
Exemplos de Tradu¸˜o: Como os delimitar?
ca
Para delimitar (segmentar) unidades de tradu¸˜o em exemplos de
ca
tradu¸˜o usam-se:
ca
Ad-Hoc (ao calhas):
baseados em convi¸˜es fracas, como um par de palavras com
co
probabilidade de tradu¸˜o alta.
ca
Shallow Parsers:
ou heuristicas — Hip´tese das Palavras Marca;
o
Analisadores Sint´cticos;
a
possivelmente a melhor abordagem, mas mais complicada. . .
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (25/40)

34. Mat´ria Prima
e
Dicion´rios Bilingues
a Defini¸˜o
ca
Unidades de Tradu¸˜o
ca Hip´tese das Palavras Marca
o
Terminologia Paralela
Hip´tese das Palavras Marca
o
Hoje, n˜o...
a
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (26/40)

35. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Extrac¸˜o de Entidades Paralelas
ca
1 Dado um corpus alinhado ao n´ da frase;
ıvel
2 Realizar marca¸˜o de Entidades Mencionadas
ca
(RENA, Rembrant, ...)
3 Contar Co-Ocorrˆncias de Entidades
e
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (27/40)

36. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Entidades Paralelas Extra´
ıdas
Entidade em portuguˆs
e Entidade em inglˆs
e #
Comiss˜oa Commission 5363
Uni˜o Europeia
a European Union 2143
Conselho Council 2077
Parlamento Parliament 2041
Europa Europe 1883
Estados-Membros Member States 1528
Parlamento Europeu European Parliament 986
Estado-Membro Member State 250
Comiss˜o Europeia
a European Commission 210
Conferˆncia Intergovernamental
e Intergovernmental Conference 206
Estados Unidos United States 202
Senhor Presidente Mr President 179
Fundos Estruturais Structural Funds 145
Livro Branco White Paper 144
Carta dos Direitos Fundamentais Fundamental Rights 98
Cimeira de Lisboa Lisbon Summit 71
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (28/40)

37. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Extrac¸˜o Baseada em Padr˜es
ca o
A tradu¸˜o n˜o ´ linear. . .
ca a e
alternative
discussion
european
financing
sources
alliance
radical
about
the
for
of
.
discussão 44 0 0 0 0 0 0 0 0 0 0 0
sobre 0 11 0 0 0 0 0 0 0 0 0 0
fontes 0 0 0 74 0 0 0 0 0 0 0 0
de 0 3 0 0 27 0 6 3 0 0 0 0
financiamento 0 0 0 0 0 56 0 0 0 0 0 0
alternativas 0 0 23 0 0 0 0 0 0 0 0 0
para 0 0 0 0 0 0 28 0 0 0 0 0
a 0 1 0 0 1 0 4 33 0 0 0 0
aliança 0 0 0 0 0 0 0 0 0 0 65 0
radical 0 0 0 0 0 0 0 0 0 80 0 0
europeia 0 0 0 0 0 0 0 0 59 0 0 0
. 0 0 0 0 0 0 0 0 0 0 0 80
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (29/40)

38. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Extrac¸˜o Baseada em Padr˜es
ca o
. . . existem reordenamentos. . .
alternative
discussion
european
financing
sources
alliance
radical
about
the
for
of
.
discussão 44 0 0 0 0 0 0 0 0 0 0 0
sobre 0 11 0 0 0 0 0 0 0 0 0 0
fontes 0 0 0 74 0 0 0 0 0 0 0 0
de 0 3 0 0 27 0 6 3 0 0 0 0
financiamento 0 0 0 0 0 56 0 0 0 0 0 0
alternativas 0 0 23 0 0 0 0 0 0 0 0 0
para 0 0 0 0 0 0 28 0 0 0 0 0
a 0 1 0 0 1 0 4 33 0 0 0 0
aliança 0 0 0 0 0 0 0 0 0 0 65 0
radical 0 0 0 0 0 0 0 0 0 80 0 0
europeia 0 0 0 0 0 0 0 0 59 0 0 0
. 0 0 0 0 0 0 0 0 0 0 0 80
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (30/40)

39. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Extrac¸˜o Baseada em Padr˜es
ca o
. . . existem reordenamentos. . . previs´
ıveis!
alternative
discussion
european
financing
sources
alliance
radical
about
the
for
of
.
discussão 44 0 0 0 0 0 0 0 0 0 0 0
sobre 0 11 0 0 0 0 0 0 0 0 0 0
fontes 0 0 0 74 0 0 0 0 0 0 0 0
de 0 3 0 0 27 0 6 3 0 0 0 0
financiamento 0 0 0 0 0 56 0 0 0 0 0 0
alternativas 0 0 23 0 0 0 0 0 0 0 0 0
para 0 0 0 0 0 0 28 0 0 0 0 0
a 0 1 0 0 1 0 4 33 0 0 0 0
aliança 0 0 0 0 0 0 0 0 0 0 65 0
radical 0 0 0 0 0 0 0 0 0 80 0 0
europeia 0 0 0 0 0 0 0 0 59 0 0 0
. 0 0 0 0 0 0 0 0 0 0 0 80
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (31/40)

40. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Exemplo 1: Padr˜o ABBA
a
ımpicos
Jogos
Ol´
Olimpic X
Games X
Na pr´tica. . .
a
T (A · B) = T (B) · T (A)
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (32/40)

41. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Exemplo 2: Padr˜o IDH
a
desenvolvimento
humano
ındice
de
´
human X
development X
index X
Na pr´tica. . .
a
T (I · ”de” · D · H) = T (H) · T (D) · T (I )
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (33/40)

42. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Exemplo 3: Padr˜o FTP
a
transferˆncia
protocolo
e
ficheiros
de
de
file X
transfer X
protocol X
Na pr´tica. . .
a
T (P · ”de” · T · ”de” · F ) = T (F ) · T (T ) · T (P)
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (34/40)

43. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Exemplo 4: Padr˜o NPoV
a
neutro
ponto
vista
de
neutral X
point X
of ∆
view X
Na pr´tica. . .
a
T (P · ”de” · V · N) = T (N) · T (P) · ”of ” · T (V )
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (35/40)

44. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Extraindo estes blocos: exemplos de tradu¸˜o
ca
39214 ABBA comunidades europeias european communities
32850 ABBA jornal oficial official journal
32832 ABBA parlamento europeu european parliament
32730 ABBA uni˜o europeia
a european union
31650 ABBA comunidade europeia european community
15602 ABBA pa´ terceiros
ıses third countries
3614 ABBA livro verde green paper
3520 ABBA sa´de p´blica
u u public health
3434 ABBA direito comunit´rio
a community law
3227 ABBA n´ comunit´rio
ıvel a community level
3179 ABBA comit´ permanente
e standing committee
3038 ABBA nomenclatura combinada combined nomenclature
1 ABBA org˜os or¸amentais
´ a c budgetary organs
1 ABBA org˜os relevantes
´ a relevant bodies
1 A ovulos de equino
´ equine ova
1 A oxido de albendazole
´ albendazole oxide
1 A oxido de c´dmio
´ a cadmium oxide
1 A oxido de estireno
´ styrene oxide
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (36/40)

45. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
A Linguagem de Padr˜es
o
Padr˜es EN–PT (jSpell)
o
[R1] A B = B[CAT<-/nc/] A[CAT<-/(a_nc|adj)/];
[R2] A B = B[CAT<-/nc/] "de"|"do"|"da"|"dos"|"das" A[CAT<-/(a_nc|nc)/];
[R3] A "of"|"in"|"for" B = A[CAT<-/nc/] "de"|"do"|"da" B[CAT<-/nc/];
[R4] A B C = C[CAT<-/nc/] A[CAT<-/(adj|a_nc)/] B[CAT<-/(adj|a_nc)/];
Padr˜es EN–GL (FreeLing)
o
[R1] A B = B[CAT<-/^NC/] A[CAT<-/^AQ0/];
[R2] A B = B[CAT<-/^NC/] "de"|"do"|"da"|"dos"|"das" A[CAT<-/^NC/];
[R3] A "of"|"in"|"for" B = A[CAT<-/^NC/] "de"|"do"|"da" B[CAT<-/^NC/];
[R4] A B C = C[CAT<-/^NC/] A[CAT<-/^AQ0/] B[CAT<-/^AQ0/];
Regras simplificadas, por quest˜es espaciais.
o
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (37/40)

46. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
A Linguagem de Padr˜es
o
Padr˜es EN–PT (jSpell)
o
[R1] A B = B[CAT<-/nc/] A[CAT<-/(a_nc|adj)/];
[R2] A B = B[CAT<-/nc/] "de"|"do"|"da"|"dos"|"das" A[CAT<-/(a_nc|nc)/];
[R3] A "of"|"in"|"for" B = A[CAT<-/nc/] "de"|"do"|"da" B[CAT<-/nc/];
[R4] A B C = C[CAT<-/nc/] A[CAT<-/(adj|a_nc)/] B[CAT<-/(adj|a_nc)/];
Padr˜es EN–GL (FreeLing)
o
[R1] A B = B[CAT<-/^NC/] A[CAT<-/^AQ0/];
[R2] A B = B[CAT<-/^NC/] "de"|"do"|"da"|"dos"|"das" A[CAT<-/^NC/];
[R3] A "of"|"in"|"for" B = A[CAT<-/^NC/] "de"|"do"|"da" B[CAT<-/^NC/];
[R4] A B C = C[CAT<-/^NC/] A[CAT<-/^AQ0/] B[CAT<-/^AQ0/];
Regras simplificadas, por quest˜es espaciais.
o
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (37/40)

47. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
E que tipo de resultado?
English Portuguese Oc.
european union uni˜o europeia
a 12 465
european parliament parlamento europeu 13 066
european community comunidade europeia 18 251
european communities comunidades europeias 19 545
council decision decis˜o do conselho
a 1 665
commission decision decis˜o da comiss˜o
a a 2 215
basic regulation regulamento de base 3 390
management committee comit´ de gest˜o
e a 3 549
act of accession acto de ades˜o
a 1 043
exchange of letters troca de cartas 1 169
court of justice tribunal de justi¸a
c 1 198
date of adoption data de adop¸˜o
ca 1 467
french overseas departments departamentos franceses ultramarinos 137
single european sky c´u unico europeu
e ´ 78
european agricultural fund fundo europeu agr´ıcola 48
scientific veterinary committee comit´ cient´
e ıfico veterin´rio
a 44
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (38/40)

48. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Resultado Satisfat´rio?
o
SIM!
n˜o...
a
algumas das entradas s˜o nominais “comuns”
a
O que fazer?
Calcular n-gramas sobre corpora monolingue “gen´rico”
e
(liter´rio?)
a
Filtrar a terminologia encontrada por esses n-gramas.
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (39/40)

49. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Resultado Satisfat´rio?
o
SIM!
n˜o...
a
algumas das entradas s˜o nominais “comuns”
a
O que fazer?
Calcular n-gramas sobre corpora monolingue “gen´rico”
e
(liter´rio?)
a
Filtrar a terminologia encontrada por esses n-gramas.
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (39/40)

50. Mat´ria Prima
e
Extrac¸˜o de Entidades Paralelas
ca
Dicion´rios Bilingues
a
Extrac¸˜o Baseada em Padr˜es
ca o
Unidades de Tradu¸˜o
ca
Extrac¸˜o de Terminologia com Padr˜es
ca o
Terminologia Paralela
Conclus˜es
o
os corpora paralelos s˜o recursos ricos. . .
a
especialmente quando alinhados ` frase
a
os dicion´rios de tradu¸˜o extra´
a ca ıdos s˜o:
a
estat´
ısticos e possivelmente pouco precisos;
podem ser filtrados e melhorados;
os exemplos de tradu¸˜o s˜o:
ca a
a base dos sistemas de tradu¸˜o estat´
ca ıstica;
tamb´m uteis para TAC;
e ´
´ poss´ fazer extrac¸˜o terminol´gica.
e ıvel ca o
usando ferramentas auxiliares;
Alberto Sim˜es
o Extrac¸˜o de Recursos para Tradu¸˜o Autom´tica
ca ca a (40/40)