Les syst\u00e8mes de traduction automatique sont tr\u00e8s sensibles aux domaines sur lesquels ils ont \u00e9t\u00e9 form\u00e9s. Plusieurs techniques d'adaptation de domaines ont \u00e9t\u00e9 \u00e9tudi\u00e9es en profondeur. Nous proposons une nouvelle technique de traduction automatique de neurones (NMT) que nous appelons contr\u00f4le de domaine qui est effectu\u00e9e \u00e0 l'ex\u00e9cution en utilisant un r\u00e9seau de neurones unique couvrant plusieurs domaines. L'approche pr\u00e9sent\u00e9e montre des am\u00e9liorations de qualit\u00e9 par rapport aux domaines d\u00e9di\u00e9s traduisant sur l'un des domaines couverts et m\u00eame sur des donn\u00e9es hors domaine. En outre, les param\u00e8tres du mod\u00e8le n'ont pas besoin d'\u00eatre r\u00e9estim\u00e9s pour chaque domaine, ce qui rend cette m\u00e9thode efficace pour les cas d'utilisation r\u00e9els. L'\u00e9valuation porte sur la traduction de l'anglais vers le fran\u00e7ais pour deux sc\u00e9narios de test diff\u00e9rents. Nous consid\u00e9rons d'abord le cas o\u00f9 un utilisateur final effectue des traductions sur un domaine connu. Deuxi\u00e8mement, nous consid\u00e9rons le sc\u00e9nario o\u00f9 le domaine n'est pas connu et pr\u00e9dit au niveau de la phrase avant la traduction. Les r\u00e9sultats montrent des am\u00e9liorations constantes de la pr\u00e9cision pour les deux conditions.<\/p>","protected":false},"excerpt":{"rendered":"
Les syst\u00e8mes de traduction automatique sont tr\u00e8s sensibles aux domaines dans lesquels ils ont \u00e9t\u00e9 form\u00e9s. Plusieurs techniques d'adaptation de domaines ont \u00e9t\u00e9 \u00e9tudi\u00e9es en profondeur. Nous proposons une nouvelle technique de traduction automatique neuronale (NMT) que nous appelons le contr\u00f4le de domaine qui est effectu\u00e9 au moment de l'ex\u00e9cution \u00e0 l'aide d'un r\u00e9seau neuronal unique couvrant plusieurs domaines. L'approche pr\u00e9sent\u00e9e montre des am\u00e9liorations de la qualit\u00e9... Suite<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-3308","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/fr\/wp-json\/wp\/v2\/paper\/3308","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.systransoft.com\/fr\/wp-json\/wp\/v2\/paper"}],"about":[{"href":"https:\/\/www.systransoft.com\/fr\/wp-json\/wp\/v2\/types\/paper"}],"wp:attachment":[{"href":"https:\/\/www.systransoft.com\/fr\/wp-json\/wp\/v2\/media?parent=3308"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}