Amélioration de la traduction automatique neuronale de la langue arabe à l'aide de l'augmentation des données

Abstract

Le domaine de la programmation informatique a connu des progrès importants ces dernières années, avec le développement d'applications pour plusieurs disciplines. La technologie de traduction automatique (TA), un sous-domaine, a connu des progrès significatifs grâce à diverses méthodologies et techniques. Malgré l'existence de nombreux systèmes de traduction automatique (MT) et outils de support, La traduction arabe existe déjà ; cependant, sa qualité est médiocre et doit être améliorée. De plus, les chercheurs en traduction automatique arabe (AMT) étaient motivés par le besoin pressant de technologies efficaces pour traiter et traduire l’information arabe. En conséquence, ils ont proposé de nouvelles techniques et solutions, en se concentrant particulièrement sur la méthode de traduction automatique neuronale (NMT) largement utilisée. Cette étude fournit un examen approfondi et une comparaison de diverses méthodes de traduction automatique neuronale (NMT), se concentrant principalement sur les efforts de recherche dans la traduction de l'arabe-darija (et du darija arabe) à l'aide de la traduction automatique. Les méthodologies discutées abordent divers obstacles et problèmes linguistiques et techniques, tout en présentant un succès significatif par rapport aux méthodes conventionnelles. Les résultats de cette étude peuvent profiter aux universitaires et aux professionnels en les tenant informés et en les dotant d'outils essentiels pour modéliser et améliorer l'AMT. Les ressources comprennent des corpus, des boîtes à outils, des méthodologies et de nouveaux modèles. Les résultats obtenus mettent en évidence une série de conclusions, de critiques et de questions non résolues dans ce domaine.