Étude de l'apprentissage par transfert de systèmes de traduction automatique neuronaux
Adrien Bardet, Fethi Bougares, Loïc Barrault
Résumé : L’apprentissage par transfert est une solution au problème de l’apprentissage de systèmes de traduction automatique neuronaux pour des paires de langues peu dotées. Dans cet article, nous proposons une analyse de cette méthode. Nous souhaitons évaluer l’impact de la quantité de données et celui de la proximité des langues impliquées pour obtenir le meilleur transfert possible. Nous prenons en compte ces deux paramètres non seulement pour une tâche de traduction "classique" mais également lorsque les corpus de données font défaut. Enfin, il s’agit de proposer une approche où volume de données et proximité des langues sont combinées afin de ne plus avoir à trancher entre ces deux éléments.
Mots clés : apprentissage par transfert, traduction automatique neuronale, quantité de données, proximité des langues.