Contributos das Tecnologias da Língua para a Globalização do Português

technology from seed

CONTRIBUTOS DAS TECNOLOGIA S DA LÍNGUA

PARA A GLOBALIZAÇÃO DO PORTUGUÊS

Colóquio Português Língua Global

Centro de Estudos Lusíadas da Universidade do Minho 15 de novembro de 2013

Isabel Trancoso Luísa Coheur Anabela Barreiro

Laboratório de Sistemas de Língua Falada (L2F)

2

Equipa

www.l2f.inesc-id-pt

L2F

Transcrição

Multimedia

Diálogo

Tradução

Fala-para-fala

Texto

Saúde à distância

E-Health

Ensino à distância

E-Learning

3

4

Transcrição Multimédia

5

Transcrição Multimédia

• O que é?

A transcrição enriquecida é muito mais que a simples conversão

fala texto

Há que incluir pontuação, capitalização, informação sobre mudança de orador, tópico, língua, sotaque, emoção …

• Como funciona?

Segmentação áudio + Reconhecimento + Pontuação + Capitalização + …

• Alguns desafios: • Fala espontânea

• Ruído ambiente / distância ao microfone

• Sotaques muito marcados

• Palavras fora do vocabulário

• Domínios: Noticiários, aulas, reuniões, tribunais, …

L2F

Transcrição

Multimedia

Diálogo

Tradução

Fala-para-fala

Texto


E-Health


E-Learning

6

7

O projecto FALACOMIGO

• O que é?

Projecto QREN, que teve como

um dos alvos a criação de um

agente que responde a perguntas

sobre Monserrate

• Como funciona?

Reconhecimento +

Compreensão de Língua Natural +

Síntese áudio-visual

• Alguns desafios: • Construção da base de Conhecimento

• Variabilidade Linguística

O agente virtual Edgar Smith

8

Fala Comigo em Monserrate

9

Parceiros

10

L2F

Transcrição

Multimedia

Diálogo

Tradução

Fala-para-fala

Texto


E-Health


E-Learning

11

12

O projecto PT-STAR

• O que é?

Projecto em cooperação com a CMU, que teve como alvo a tradução de fala para fala de e para Português

• Como funciona?

Reconhecimento + Tradução Automática + Síntese

• Alguns desafios: – Adaptação ao domínio

– Erros de reconhecimento

Como funciona? Tradução de Centauri para Arcturan [Knight 97]

1a. ok-voon ororok sprok .

1b. at-voon bichat dat .

7a. lalok farok ororok lalok sprok izok enemok .

7b. wat jjat bichat wat dat vat eneat .

2a. ok-drubel ok-voon anok plok sprok .

2b. at-drubel at-voon pippat rrat dat .

8a. lalok brok anok plok nok .

8b. iat lat pippat rrat nnat .

3a. erok sprok izok hihok ghirok .

3b. totat dat arrat vat hilat .

9a. wiwok nok izok kantok ok-yurp .

9b. totat nnat quat oloat at-yurp .

4a. ok-voon anok drok brok jok .

4b. at-voon krat pippat sat lat .

10a. lalok mok nok yorok ghirok clok .

10b. wat nnat gat mat bat hilat .

5a. wiwok farok izok stok .

5b. totat jjat quat cat .

11a. lalok nok crrrok hihok yorok zanzanok .

11b. wat nnat arrat mat zanzanat .

6a. lalok sprok izok jok stok .

6b. wat dat krat quat cat .

12a. lalok rarok nok izok hihok mok .

12b. wat nnat forat arrat vat gat .

Traduzir para Arcturan: farok crrrok hihok yorok clok kantok ok-yurp

Como funciona? Tradução baseada Modelos de Tradução

extraídos de textos paralelos 1a. Garcia and associates .

1b. Garcia e associados .

7a. the clients and the associates are enemies .

7b. os clientes e os associados são inimigos .

2a. Carlos Garcia has three associates .

2b. Carlos Garcia tem três associados .

8a. the company has three groups .

8b. a empresa tem três grupos .

3a. his associates are not strong .

3b. os seus associados não são fortes .

9a. its groups are in Europe .

9b. os seus grupos estão na Europa .

4a. Garcia has a company also .

4b. Garcia também tem uma empresa .

10a. the modern groups sell strong pharmaceuticals .

10b. os grupos modernos vendem remédios fortes .

5a. its clients are angry .

5b. os seus clientes estão zangados .

11a. the groups do not sell zenzanine .

11b. os grupos não vendem zanzanina .

6a. the associates are also angry .

6b. os associados também estão zangados .

12a. the small groups are not modern .

12b. os grupos pequenos não são modernos .

Como funciona? Combinação de Modelos de Língua com Modelos

de Tradução

T̂ = argmaxT fluência(T)fidelidade(T,S)

Modelo de Tradução Modelo de Língua

Estou cansado Fluência Fidelidade

I’m exhausted 5 3

Tired me 2 5

I love cookies 5 0

Tradução de Microblogs

A todos vocês apresento meu amigo Gabrielzinho, olha so o

vídeo que ele me mandou !!

Tradução de Microblogs



Google

Translate

To all of you my friend

Gabrielzinho present,

the video looks so he sent me!

Normalização de Microblogs

A todos vocês, apresento meu amigo Gabrielzinho, olha só o


Google

Translate

To all of you, I present

my friend Gabrielzinho,

look at the video he sent me!

Vale a pena traduzir tweets?

【2013.9.7】It was an important result for #Portugal in a

very special date for me. I would like to dedicate this

victory to my father that has left us 8 years ago. 这是一场重要的胜利,在今天这个对我来说很特别的日子.我要把这场胜利献给我的父亲,他八年前离开了我们.


vídeo que ele me mandou !! | To all of you i introduce my

friend Gabrielzinho. Take a look at the vídeo he sent me !! |

我给你们所有人介绍我朋友Gabrielzinho. 看看他给我发来的视频 !! http://t.cn/SyaY6a

http://t.cn/SyaY6a

http://t.cn/SyaY6a

Desafios à Tradução Automática

– Tradução automática - não é um problema resolvido

– Aproximações ao problema:

• Sistemas estatísticos (SMT) - enormes quantidades de corpora paralelos

(inexistentes ou de má qualidade para muitas línguas)

• Sistemas por regras (RBMT) - grande investimento de tempo e recursos

humanos (= dinheiro)

– Novas linhas de investigação – construção de sistemas híbridos:

• Aplicação de modelos estatísticos a conhecimento linguístico

• Aplicação de técnicas estatísticas de alinhamento a sistemas de

regras

Modelo híbrido de Tradução Automática (em curso)

– Novas tecnologias, recursos e técnicas, que contribuem para um

desenvolvimento mais fácil e rápido de novos pares de línguas.

• Computação em nuvem

• Grandes volumes de dados (big data )

• Técnicas avançadas de alinhamento

Aprendizagem automática

• Inteligência coletiva (crowdsourcing) especializada

para aumentar a qualidade da TA


OpenLogos

• Alta qualidade, grande ênfase na semântica (análise da língua de forma

a ser “entendida” pelo sistema computacional)

• A aproximação assemelha-se em espírito à aproximação estatística - as

regras são aplicadas com base em padrões em contexto

• Componente de regras e representação linguística - plataforma ideal

para um sistema híbrido de TA linguisticamente mais sofisticado

• O conhecimento linguístico envolvido no sistema permite

complementar a TA estatística colmatando dificuldades e fraquezas

apresentadas pelos métodos estatísticos.


– Processamento semântico

• Tabela Semântica (= SEMTAB) contém milhares de regras

transformacionais

– Características de interlíngua

– Linguagem de Abstração Semântico-Sintática (representação SAL)

• Taxonomia hierárquica com características ontológicas

• SAL é a força motriz do processo de tradução no sistema OpenLogos

• Todas as frases da língua natural (LN) que entram no sistema são

imediatamente convertidas para frases SAL

• O parser consegue melhores resultados do que um analisador

puramente sintático devido à SAL


SAL - Semantico-syntactic Abstraction Language

Taxonomia SAL: 3 níveis, organizados hierarquicamente

Superconjuntos (supersets)/ Conjuntos (sets)/ Subconjuntos (subsets)

Continuum semântico-sintáctico da palavra da LN até à categoria gramatical (POS)

• Palavra: airport

• Morfema raíz: port

• SAL Subset: Agfunc (agentive functional location)

• SAL Set: func (functional location)

• SAL Superset: PL (place)

• Categoria: N

Tanto o fluxo de entrada, como as regras são expressas em SAL


Linguagem de representação SAL em interação com SEMTAB

SEMTAB possibilita uma tradução que se sobrepõe à tradução do dicionário para o verbo “raise”

Sequência LN Regra SEMTAB Tradução em Português

raise a child V(‘raise’) N(ANdes) criar. . .

raise corn V(‘raise’) N(MAedib) cultivar. . .

raise the rent V(‘raise’) N(MEabs) aumentar. . .

27

Uma única regra em estrutura profunda é mapeada a múltiplas

estruturas de superfície e produz traduções corretas na língua-alvo

he raised the rent ele aumentou a renda V+Objecto

the raising of the rent o aumento da renda Gerúndio

the rent, raised by … a renda, aumentada por… ADJ Part.

a rent raise um aumento de renda Substantivo


L2F

Transcrição

Multimedia

Diálogo

Tradução

Fala-para-fala

Texto


E-Health


E-Learning

28

29

O projecto VITHEA

• O que é?

Terapeuta virtual para doentes com afasia.

Projecto financiado pela FCT, em conjunto com o Hospital de Santa Maria

• Como funciona?

Reconhecimento (keyword spotting ) + Síntese A/V

• Alguns desafios: – Dar aos terapeutas a possibilidade de monitorizarem

remotamente os exercícios dos seus doentes

– Dar-lhes a possibilidade de criarem novos exercícios

– Alargar a outras doenças (Alzheimer, Parkinson, ALS,…)

L2F

Transcrição

Multimedia

Diálogo

Tradução

Fala-para-fala

Texto


E-Health


E-Learning

32

33

O projecto REAP.PT

• O que é?

Aplicação das tecnologias da língua à área do ensino da língua.

Projecto financiado pela FCT, em conjunto com a Univ. Carnegie Mellon

• Como funciona?

Usa virtualmente TODAS as tecnologias da língua

• Alguns desafios:

Tutores inteligentes para ensinar outras matérias

Gamificação

REAP.PT .

34

REAP.PT Cooperação com Carnegie Mellon Univ.

35

Jogos sérios

36

Jogos sérios

A

B

C D E

37

L2F

Transcrição

Multimedia

Diálogo

Tradução

Fala-para-fala

Texto


E-Health


E-Learning

39

40

Obrigada!

Contributos das Tecnologias da Língua para a Globalização do Português

Technology

Transcript of Contributos das Tecnologias da Língua para a Globalização do Português