Bureautique pour Traducteur

Transcription

Extraction de terminologie
UCO – IPLV
Emmanuel Planas
IPLV - Master 2 - E. Planas - Extraction de terminologie
1
Extraction terminologique
• Rappel du cycle de
traduction
– Cycle de traduction
– Extraction mono/bi-lingue
• Extraction manuelle
– Manipulation dans Word
– Manipulation dans Excel
• Logiciels
d'extraction
terminologique
– Multiterm Extract
– Phrase Extractor
– Similis
2
Cycle de Traduction
3
Cycle de Traduction
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Réception de fichiers
Extraction du texte à traduire / filtrage du format
Évaluation de la taille
Recherche terminologique préparatoire
Import des mémoires
Évaluation de la redondance
Répartition du travail
Prétraduction
Traduction
Révision
Relecture
Intégration au format initial
Relecture sous format
Correction de la traduction (et boucle)
Sauvegarde des mémoires de traduction
Consolidation de la terminologie
4
Extraction Terminologique Monolingue
• Consiste à identifier dans le document
à traduire les termes importants ou
posant problème. Exemple :
On 8 April 1998 LABORATOIRES GOEMAR (the ‘opponent’) filed an
opposition against the application. The opposition was based on the
following goods of the registrations of the word mark LABORATOIRE DE LA
MER mentioned below:
French trade mark No 1443841, registered on 7 January 1988; ‘Cosmetics of a
marine products base’;
United Kingdom trade mark No 1402537, registered on 10 October 1989;
‘Cosmetics containing marine products’;
The opponent directed its opposition against part of the goods of the CTM
application, namely:
Class 3 – Soaps; perfumery, essential oils, cosmetics, hair lotions; dentifrices;
toiletries.
5
Importance de l' « a priori »
• L'extraction terminologique est d'autant plus
importante que :
– Le document est long
• Car il y a plus de chances que les termes reviennent au cours
de la traduction, et le choix d'une traduction unique est d'autant
plus conséquente
• Car en choisissant, avant la traduction proprement dite du
texte, la traduction des termes récurrents,
– Si ce choix doit être revu au cours ou après la traduction, il sera
d'autant plus facile de le changer par chercher / remplacer : il n'y
aura qu'une version du terme (cible) à chercher
– La traduction fait intervenir plusieurs traducteurs
• Il necessaire de s'entendre avant la traduction, de façon à
garantir l'homogénéïté de la traduction soit assurée entre
traducteurs
6
Gestion terminologique et relation
avec son client
• L'identification de terminologie avant traduction permet :
– De demander l'avis du client sans précipitation
– De se prémunir contre un retour négatif du
client post traduction
– De gagner du temps de non retour sur la
traduction (voir graphique suivant)
– De montrer son sérieux au client, et donc
• De justifier un tarif de traduction plus élevé
– De (vendre au / maintenir pour) le client une
grille terminologique traduite
7
Coût d'une modification de document
• Une étude réalisée par une association
allemande de traduction automobile montre que
– le coût d'une modification de traduction est d'autant
plus élevé que la traduction est avancée
Début traduction
Coût de la
Traduction
Fin traduction
8
Extraction Manuelle
non linguistique
de terminologie monolingue
9
Posons le problème
• Je dois traduire un long texte Word
• Je souhaite savoir si certains termes sont
répétitifs (s'ils se répètent, il y a une
chance de ce qu'ils soit importants)
– Pour rechercher par avance leur traduction
• Je veux y passer le moins de temps
possible
• Comment automatiser cette recherche ?
10
Une solution
1)Isoler les mots dans Word via des chercherremplacer
2)Exporter ces mots séparés dans Excel
3)Trier les mots dans Excel
4)Identifier les redondances via des décomptes
Notabene :
– Seuls les termes d'un mot seront identifiés
– cette solution ne fonctionne pas pour les langues qui ne
possèdent pas de séparateur de mots (chinois,
japonais, thailandais, ...., latin ancien)
11
Aspect linguistique
• La méthode proposé ici est « mécanique »
• Elle ne tient pas compte de l'aspect
linguistique
• Ainsi les termes ne sont pas isolés suivant
leur sens ou leur syntaxe
• En particulier :
– les termes composés de plusieurs mots ne
sont pas identifiés
– Il y aura autant de termes que de formes du
mot (pluriel, genre, cas, conjugaison)
12
1. Isoler les mots dans Word
13
Texte initial - 001
14
Isolation des mots
• Convertir le fichier Word « fichier_000.doc » au
format texte (pour éliminer la mise en forme).
– Enregistrer sous format « fichier_001.txt »
– Fermer le fichier Word
– Ouvrir la version « .txt » dans le logiciel Word
• Remplacer les espaces entre mots par des fins
de paragraphe : Chercher " " ==> Remplacer "^p"
• Remplacer les tabulations par des fins de
paragraphes : Chercher "^t" ==> Remplacer "^p"
• Enregistrer sous format « .txt » en changeant de
nom : « fichier_002.txt »
15
Après enregistrement TXT
16
Texte sans espaces, sans tabs
17
Nettoyage préliminaire
• Remplacer les balises par des fins de paragraphes
– "</" => "^p" | "<" => "^p" | ">" => "^p"
• Idem avec les autres ponctuations
– "?" => "^p" | ";" => "^p" | "," => "^p"
• Idem avec différents types de parenthèses
– "(" => "^p" | ")" => "^p" | "{" => "^p" | "}" => "^p"
• Effacez les puces et points finaux des mots
– "\." => "^p"
18
Plus de balises, ponctuation, ...
• Enregistrer sous format
« .txt » en changeant de
nom : « fichier_003.txt »
• À la fin de cette étape,
les mots devraient
apparaître isolés, un par
ligne
19
Trier les mots sous Excel
20
Tri
• Le tri alphabétique permet de
rassembler les occurrences des
mêmes mots
• Les répétitions de mots
apparaissent ainsi
• Ouvrir sous Excel « fichier_003.txt »
• Nous allons trier la colonne A
21
Tri sous Excel 2003 - 1
• On sélectionne la colonne A
• Menu « Données / Trier »
22
23
•
•
•
•
Trier par colonne A
Par tri croissant
Sans ligne de titres
Cliquer sur « OK »
24
25
Résultat du tri
• Après une série
de nombres
• Apparaissent les
mots triés
• Les occurrences
d'un même mot
sont regroupées
• Nous allons
pouvoir les
compter
26
Identifier les redondances sous Excel
27
Nettoyage
• Effacer les lignes de chiffres
• Effacer les lignes de signes
• Pour effacer une série de lignes :
– Sélectionner la première en cliquant dans la
marge sur son numéro, à gauche
– Utiliser l'ascenseur pour se déplacer vers la
dernière ligne à effacer
– Appuyer sur la touche « majuscules », et
– Simultanément, sélectionner cette dernière ligne
– Bouton droit : « supprimer »
28
Suppression d'une série de lignes
1
3
2
4
5
29
Décompte du nombre de caractères
• Nous avons obtenu les mêmes mots
regroupés : plusieurs occurrences d'un
même mot apparaissent
• Ce que nous cherchons au final est une
liste :
– où le mot apparaît qu'une fois
– avec le nombre de ses occurrences
• Ex :
» Able, 9
» About, 5
» …..
30
Passage des mots aux nombres
• Nous allons passer de l'information sous
forme de mots (caractères), à l'information
sous forme de nombres
• Pour ce faire, nous allons utiliser des
formules pour compter les occurrences
• Le passage de paradigme (caractères →
chiffres) se fait d'abord via un décompte
élémentaire, binaire :
– Mot égal ==> « 1 »
– Mot différent ==> « 0 »
31
La formule
• On se place sur la cellule B2
• On y insère la formule conditionnelle
=si(A2=A1;1;0)
• Ceci signifie :
– Si le mot de A2 est égal au mot de A1
• Alors écrire un « 1 » dans B2 (où l'on se trouve)
• Sinon, écrire en « 0 »
• On valide avec la touche « Entrée »
• Puis on copie la formule sur toute la
colonne B2
32
Première formule
33
Copie sur toutes les lignes
34
Résultat de la formule « si »
• La formule a pour effet :
– de signaler les changements de mots par « 0 »
– De transformer l'information :
– « le mot de cette ligne est égal au mot de la
ligne précédente »
– En « 1 »
35
Décompte du nombre de « 1 »
• L'étape suivante consiste à :
– compter dans la colonne C
– Le nombre de « 1 »
• Cela nous donnera le nombre de fois que
le mot est répété
– C'est à dire le nombre d'occurrences du mot,
moins 1
• Nous considérons ainsi la colonne C
comme le « compteur »
36
La formule de décompte
• Dans C2, écrivez :
=C1+B2
• Copiez cette formule sur les 10 cellules
suivantes
• On voit que dans la colonne C, la somme
des occurrences s'accroît
•
37
Décompte : première étape
38
Petit problème : la somme ne
s'arrête pas ...
39
Arrêt de la somme
• Pour arrêter cette somme, nous allons
utiliser le fait que :
– Si l'on multiplie quelque chose par 0, cela fait 0
– Si l'on multiplie par 1, cela ne change pas le
résultat
• Or justement, nous avons :
– Un 0 lorsque nous changeons de mot
– Des 1 si l'on reste sur le même mot
• D'où la modification de la formule suivante
40
Introduction d'une multiplication
41
Les 0 et 1 font effet
•La
multiplication
par 0 au
changement de
mot remet la
somme à 0.
•La
multiplication
par 1 pour les
mots identiques
garde la
somme.
42
Copie sur toute les lignes
•On copie cette
formule sur toutes
les lignes
•Le résultat montre
ce que l'on
attendait :
•Le dernier terme
d'une série
montre le
nombre
d'occurrences
43
Ne garder que le meilleur ...
• Ce que nous
voudrions, au
final, c'est :
– une seule copie
par mot,
– et le nombre de
fois que ce mot
apparaît dans le
texte
44
Ne garder que le meilleur ...
• Il nous faut donc
trouver une
façon de :
– garder la
dernière ligne
avec le compte
maximal
– éliminer les
autres lignes
45
Principe du test
• Pour ce faire, nous allons d'abord donner
les moyens à Excel de comprendre que
nous sommes à la dernière ligne d'un terme
• Ceci se fait avec une formule qui va tester
l'arrêt de la somme
• L'idée consiste à vérifier le sens de variation
de la somme courante :
– Si elle est plus petite que celle qui suit, nous
sommes encore sur le même mot
– Si elle est plus grande que celle qui suit, c'est
que celle qui suit est 0 et que nous changeons
de mot.
46
Tester l'arrêt de la somme
• Se placer
en E9
• Comparer D9
à D10
• Si D9>D10,
récupérer la
somme D9
en E9
• Sinon écrire
« rien » : ""
47
Tester la somme résultat
• Sur la ligne de la somme max, résult OK
48
Copie du test de la somme
• Copie dans
les autres
cellules
• Les
cellules de
somme
non max
sont vides :
c'est ce
que nous
souhaitions
49
Principe du tri suivant
• Nous allons maintenant trier selon la
colonne E
• Les lignes non vides, avec des sommes
maximales vont se regrouper
• Les lignes vides vont se grouper
• Et le tri va séparer les deux.
• Au final, il ne restera que les lignes de
sommes maximales ensemble
50
Copie des valeurs avant le tri
• Comme les sommes dépendent de lignes
situées au dessus, elles changeront de
valeurs dans le tri qui va changer l'ordre
des lignes
• Pour éviter ceci, nous allons « figer » les
valeurs des cellules en faisant une copie
de ces valeurs en colonne suivante
51
Copie valeurs cellules avant tri
• h
j
52
Collage spécial ...
• hjj
53
… collage des valeurs
• ;h
54
Résultat collage valeurs
55
Effacement des colonnes
intermédiaires
• Nous n'avons plus besoin des colonnes
intermédiaires
• Il suffit de garder la dernière colonne des
valeurs
56
Suppression colonnes intermédiaires
• ;
h
57
Tri décroissant selon les sommes
58
La liste attendue apparaît
• Les
cellules
vides de B
ont été
reportées
vers le
haut
• Restent
groupées
les mots et
sommes
59
Suppression des lignes en trop
• Les lignes
supérieures
ne sont plus
utiles, on les
supprime
60
61
• Nous obtenons la liste attendue (voir
aprés)
• Cependant, classée telle que, suivant les
plus fortes occurrences, cela fait
apparaître des mots-outils, non
intéressants pour la terminologie (their,..)
• Nous pouvons optimiser cette liste en la
triant suivant les mots les plus longs
• Nous utilsons la fonction nbcar()
62
Calcul de la longueur des mots
• La fonction nbcar() permet de calculer les
longueurs des mots de la colonne A
63
Copie de la formule sur toutes les lignes
64
Tri selon cette colonne des
longueurs de mots
65
Liste améliorée
• On notera que le manipulateur a oublié de
nettoyer la ponctuation …..
66

Bureautique pour Traducteur

Transcription

Documents pareils

Les muscles du corps humain

Super Préparation - Schéma - L`oreille à compléter (pdf

Vocabulaire médical - Terminologie médicale

Module Terminologie médicale 2017

Module Terminologie médicale et saisie 2017

ged nr ajomer~ted fru~ri other ba~nC? bias as piair, Co parllr:ipants

Extraction liquide liquide

Document dans Windows Internet Explorer

L`édition du son

Extraction de données vecteur