𝕄aTOS

Une nouvelle ressource terminologique pour le traitement automatique des langues (TAL)

Conçu pour améliorer les traductions humaines et automatiques, le vocabulaire du TAL est une base de données bilingue (français-anglais) recensant quelque 1 600 termes de cette discipline. Certains d’entre eux possèdent une ou plusieurs définitions. Cette terminologie est hiérarchisée selon cinq thématiques majeures (Applications, Linguistique computationnelle, Méthodes et outils, Ressources et évaluation, TAL responsable) et présente l’avantage d’être partageable et réutilisable (licence cc-by).

Pour parvenir à ce résultat, différentes opérations ont été réalisées :

• la réutilisation, la fusion, l’homogénéisation et l’enrichissement de classes et propriétés provenant d’ontologies existantes, i.e. le vocabulaire de Linguistique, le thésaurus ThesoTM, le vocabulaire Théorie et traitement du signal, le dictionnaire Artes (Aide à la rédaction de textes scientifiques) développé par l’équipe de recherche de l’UFR EILA et du CLILLAC-ARP de l’Université Paris Cité et le travail de M. Bénard (2019)

• l’extraction de termes nouveaux (néologismes) à partir de corpus propres au TAL (Istex, ACL Anthology Reference Corpus)

• le repérage humain de termes problématiques lors d’une expérience de post-édition conduite avec des traducteurs et des auteurs scientifiques du domaine sur un corpus de textes traduits automatiquement (Bawden et al., 2024).

Le vocabulaire est téléchargeable dans les formats suivants : CSV, SKOS-XML et JSON-LD sur la plateforme Loterre.

Si vous souhaitez contribuer à l’amélioration de cette terminologie en proposant un terme, une définition ou une modification, contactez-nous.