Administrator
This teaching view is for the instructor. Enter the administrator password.
Wrong password · Mot de passe incorrect
Key pointsL'essentiel
Automatic term extraction (from rules to large language models)Extraction automatique de termes (des règles aux grands modèles de langue)
A term is a word or a group of words that names a concept in a specialized domain; recognizing one means deciding whether it belongs to the domain and, for several words, whether they form one unit.
Un terme est un mot ou un groupe de mots qui désigne un concept dans un domaine spécialisé ; le reconnaître suppose de décider s'il appartient au domaine et, pour plusieurs mots, s'ils forment une seule unité.
Key pointsL'essentiel
Automatic term extraction (from rules to large language models)Extraction automatique de termes (des règles aux grands modèles de langue)
People who mark the terms in the same text produce different lists, even with the same guidelines, so every list of terms, human or automatic, depends on choices about where terms start and stop, names, and how specialized a unit must be.
Les personnes qui repèrent les termes d'un même texte produisent des listes différentes, même avec les mêmes consignes : toute liste de termes, humaine ou automatique, repose donc sur des choix à propos de l'endroit où un terme commence et finit, des noms propres et du degré de spécialisation qu'une unité doit avoir.
Key pointsL'essentiel
Automatic term extraction (from rules to large language models)Extraction automatique de termes (des règles aux grands modèles de langue)
Automatic term extraction proposes candidate terms, as a ranked list or marked in the text, and a person validates them.
L'extraction automatique de termes propose des candidats terminologiques, sous forme de liste classée ou marqués dans le texte, et une personne les valide.
Key pointsL'essentiel
Automatic term extraction (from rules to large language models)Extraction automatique de termes (des règles aux grands modèles de langue)
Rule-based extractors combine patterns of parts of speech with statistics that compare a specialized corpus with a general one; supervised models learn the same decision from annotated examples.
Les extracteurs à base de règles combinent des patrons de parties du discours et des statistiques qui comparent un corpus spécialisé à un corpus général ; les modèles supervisés apprennent la même décision à partir d'exemples annotés.
Key pointsL'essentiel
Automatic term extraction (from rules to large language models)Extraction automatique de termes (des règles aux grands modèles de langue)
now extract terms about as well as tools trained for the task, but they take their idea of a term from the prompt and do not always return a term exactly as the text writes it.
extraient maintenant les termes à peu près aussi bien que les outils entraînés pour cette tâche, mais ils tirent leur idée du terme de la requête et ne renvoient pas toujours un terme tel que le texte l'écrit.
large language model (LLM) · fr: grand modèle de langue grand modèle de langue (GML) · en : large language model language models modèles de langue : A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters. Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris.
Key pointsL'essentiel
Automatic term extraction (from rules to large language models)Extraction automatique de termes (des règles aux grands modèles de langue)
Each method has its own typical errors, and reading the errors of a tool on your own texts says more about whether it suits them than a score does.
Chaque méthode a ses erreurs typiques, et lire les erreurs d'un outil sur vos propres textes en dit plus sur son adéquation qu'un score.
Page 1Page 1
What is a term?Qu'est-ce qu'un terme ?
- A term is a word or a group of words that names a concept in a specialized domain. A newcomer to the domain has to look it up, while people who work in the domain use it without thinking.
- A term is a single unit. Terminology is either the set of all the terms of a domain or the discipline that studies terms.
- In practice many terms are several words long, so recognizing a term includes deciding where it starts and where it ends.
- Un terme est un mot ou un groupe de mots qui désigne un concept dans un domaine spécialisé. Une personne qui découvre le domaine doit le chercher, alors que les gens du domaine l'emploient sans y penser.
- Un terme est une unité. La terminologie est soit l'ensemble des termes d'un domaine, soit la discipline qui étudie les termes.
- En pratique, beaucoup de termes comptent plusieurs mots, si bien que reconnaître un terme suppose de décider où il commence et où il finit.
Page 1Page 1
Page 1Page 1
Page 2Page 2
Where people disagree about termsLes points de désaccord sur les termes
- When several people mark the terms in the same text, their lists differ a great deal, even when they work from the same guidelines.
- They disagree about where a term starts and stops, about everyday words with a specialized sense, about names, and about how specialized a unit has to be. Every list of terms, made by a person or by a tool, depends on choices about those cases.
- Quand plusieurs personnes repèrent les termes d'un même texte, leurs listes diffèrent beaucoup, même si elles suivent les mêmes consignes.
- Elles ne s'accordent pas sur l'endroit où un terme commence et finit, sur les mots courants qui ont un sens spécialisé, sur les noms propres, ni sur le degré de spécialisation qu'une unité doit avoir. Toute liste de termes, faite par une personne ou par un outil, repose sur des choix à propos de ces cas.
Page 2Page 2
Page 2Page 2
Page 2Page 2
Page 3Page 3
Term extraction as a taskL'extraction de termes comme tâche
- Knowing the terms of a text or of a client in advance lets a translator plan the terminology work, where the alternative is to research each term as it turns up; the same list is the starting point for a glossary or an index.
- Automatic term extraction takes a specialized text or corpus and proposes candidate terms. A person still decides which candidates are terms.
- A tool can return a list of candidates, usually ranked, or mark every occurrence of a term in the running text.
- Connaître d'avance les termes d'un texte ou d'un client permet de planifier le travail terminologique, au lieu de chercher chaque terme au moment où il se présente ; la même liste sert de point de départ à un glossaire ou à un index.
- L'extraction automatique de termes part d'un texte ou d'un corpus spécialisé et propose des candidats terminologiques. C'est encore une personne qui décide lesquels sont des termes.
- Un outil peut renvoyer une liste de candidats, le plus souvent classée, ou marquer chaque occurrence d'un terme dans le texte.
Page 3Page 3
Page 4Page 4
Linguistic methods: part-of-speech patternsMéthodes linguistiques : les patrons morphosyntaxiques
- The linguistic approach gives every word its part of speech and keeps the sequences that match patterns typical of terms, such as an adjective followed by a noun.
- Its candidates have the grammatical shape of a term, but the patterns also catch sequences that are not terms, miss terms with an unusual structure, and depend on the language and the domain.
- L'approche linguistique attribue à chaque mot sa partie du discours et retient les suites qui correspondent à des patrons typiques des termes, par exemple un nom suivi d'un adjectif.
- Ses candidats ont la forme grammaticale d'un terme, mais les patrons retiennent aussi des suites qui ne sont pas des termes, manquent les termes de structure inhabituelle, et dépendent de la langue et du domaine.
Page 4Page 4
Page 4Page 4
Page 5Page 5
Statistical methods: termhood and unithoodMéthodes statistiques : degré de termitude et degré de figement
- Statistical methods estimate termhood by comparing how often a word occurs in a specialized corpus with how often it occurs in a general corpus, using relative frequencies because the two corpora differ in size.
- Unithood is estimated by checking whether the words of a candidate occur together more often than chance predicts. Statistics need no grammar, but they need enough text, and rare terms score low.
- Les méthodes statistiques estiment le degré de termitude en comparant la fréquence d'un mot dans un corpus spécialisé à sa fréquence dans un corpus général, à l'aide de fréquences relatives, parce que les deux corpus n'ont pas la même taille.
- Le degré de figement s'estime en vérifiant si les mots d'un candidat apparaissent ensemble plus souvent que le hasard ne le prédit. Les statistiques n'ont pas besoin de grammaire, mais il leur faut assez de texte, et les termes rares obtiennent des scores faibles.
Page 5Page 5
Page 5Page 5
Page 5Page 5
Page 5Page 5
Page 6Page 6
Hybrid term extractionL'extraction hybride de termes
- A hybrid term extractor first collects candidates that have the grammatical shape of a term, then ranks them by how specific they are to the domain, measured against a general corpus.
- The ranking is transparent and predictable, but a person has to decide where to stop reading the list, and terms that occur rarely are easily missed.
- Un extracteur de termes hybride recueille d'abord les candidats qui ont la forme grammaticale d'un terme, puis les classe selon leur spécificité au domaine, mesurée par rapport à un corpus général.
- Le classement est transparent et prévisible, mais c'est à une personne de décider où arrêter la lecture de la liste, et les termes rares sont facilement manqués.
Page 6Page 6
Page 7Page 7
TermoStat: a hybrid extractorTermoStat : un extracteur hybride
- A hybrid extractor asks for a corpus, its language and the parts of speech to extract, and returns candidates ranked by how specific they are to that corpus.
- Validation starts from the ranked list: each candidate can be checked in the sentences it occurs in, accepted or rejected, and exported.
- Un extracteur hybride demande un corpus, sa langue et les parties du discours à extraire, et renvoie des candidats classés selon leur spécificité à ce corpus.
- La validation part de la liste classée : chaque candidat peut être vérifié dans les phrases où il apparaît, accepté ou rejeté, puis exporté.
Page 7Page 7
Page 7Page 7
Page 7Page 7
Page 7Page 7
Page 8Page 8
Machine-learning methods for term extractionMéthodes d'extraction de termes par apprentissage automatique
- Supervised replaces hand-written rules with examples: a model learns what a term looks like from texts in which people have marked the terms.
- One kind of model sorts the candidates of a list, another marks terms word by word in the running text. Both need annotated examples, and both do best on texts like the ones they learned from.
- L' supervisé remplace les règles écrites à la main par des exemples : un modèle apprend à quoi ressemble un terme à partir de textes où des personnes ont annoté les termes.
- Un type de modèle trie les candidats d'une liste, un autre marque les termes mot par mot dans le texte. Les deux ont besoin d'exemples annotés, et les deux réussissent le mieux sur des textes semblables à ceux de leur entraînement.
machine learning (ML) · fr: apprentissage automatique apprentissage automatique · en : machine learning machine learning apprentissage automatique : An approach to artificial intelligence in which a model is trained on data or experience so that its adjustable parameters come to reflect patterns relevant to a task. Approche de l'intelligence artificielle dans laquelle un modèle est entraîné sur des données ou sur l'expérience, de sorte que ses paramètres ajustables en viennent à refléter des régularités pertinentes pour une tâche.
Page 8Page 8
Page 8Page 8
Page 8Page 8
Page 8Page 8
Page 9Page 9
Terms in two languagesLes termes dans deux langues
- Bilingual term extraction proposes pairs of equivalent terms, usually from a such as a translation memory: terms are extracted in each language, then matched through the aligned sentences.
- A pair can only be found if both terms were extracted in the first place, so differences between the languages, such as Dutch compounds written as one word, cause missing equivalents.
- L'extraction bilingue de termes propose des paires de termes équivalents, le plus souvent à partir d'un comme une mémoire de traduction : les termes sont extraits dans chaque langue, puis appariés au moyen des phrases alignées.
- Une paire ne peut être trouvée que si les deux termes ont d'abord été extraits, si bien que les différences entre les langues, comme les mots composés du néerlandais écrits en un seul mot, font manquer des équivalents.
parallel corpus · fr: corpus parallèle corpus parallèle · en : parallel corpus corpora corpus : A corpus of texts in one language together with their translations into one or more other languages, usually aligned sentence by sentence so that each segment can be viewed next to its equivalent. Corpus de textes dans une langue accompagnés de leurs traductions vers une ou plusieurs autres langues, généralement alignés phrase par phrase de façon à afficher chaque segment en regard de son équivalent.
Page 9Page 9
Page 9Page 9
Page 9Page 9
Page 10Page 10
Term extraction with LLMsL'extraction de termes avec les GML
- A (LLM) can be asked for the terms in a text, and recent models do it about as well as tools built for the task. Its definition of a term comes from the prompt.
- Unlike a dedicated tool, an LLM can return a form that is not in the text, so each candidate has to be checked against the text.
- On peut demander à un (GML) les termes d'un texte, et les modèles récents y réussissent à peu près aussi bien que les outils conçus pour cette tâche. Sa définition du terme vient de la requête.
- À la différence d'un outil spécialisé, un GML peut renvoyer une forme qui ne figure pas dans le texte : chaque candidat doit donc être vérifié dans le texte.
large language model (LLM) · fr: grand modèle de langue grand modèle de langue (GML) · en : large language model language models modèles de langue : A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters. Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris.
Page 10Page 10
Page 10Page 10
Page 11Page 11
Comparing term extraction methodsComparer les méthodes d'extraction de termes
- A dedicated term extractor and a differ in where their definition of a term comes from, in whether the same text gives the same result twice, and in what they need and return, so the choice between them depends on the texts and on the purpose.
- Each method of term extraction tends to make its own kind of error, and whichever method produced a list of candidates, a person still validates it.
- Un extracteur de termes spécialisé et un diffèrent par l'origine de leur définition du terme, par la stabilité du résultat quand le même texte est traité deux fois, et par ce qu'il leur faut et ce qu'ils renvoient : le choix entre les deux dépend donc des textes et de l'objectif.
- Chaque méthode d'extraction de termes tend à commettre ses propres erreurs et, quelle que soit la méthode qui a produit une liste de candidats, une personne doit encore la valider.
large language model (LLM) · fr: grand modèle de langue grand modèle de langue (GML) · en : large language model language models modèles de langue : A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters. Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris.