Recherche
芦听Je vais maintenant passer au d茅codage.听禄
Chez Language听Weaver, nous b茅n茅ficions d'une longue et riche histoire de recherche et de d茅veloppement dans le domaine du traitement du langage naturel. Notre 茅quipe multinationale aux multiples facettes m猫ne des recherches de pointe. 脌 court terme, le but est de faire progresser la science. 脌 long terme, il s'agit d'introduire ce travail dans nos outils et technologies qui aident nos clients 脿 mieux comprendre leur contenu et 脿 cr茅er plus efficacement de nouveaux contenus.听
Voici quelques-uns des domaines dans lesquels notre 茅quipe r茅alise activement des travaux de recherche et de d茅veloppement听:听
- Traduction automatique neuronale听
- Estimation de la qualit茅 de la traduction automatique听
- R茅sum茅 multilingue听
- Reconnaissance d'entit茅s nomm茅es听
- Analyse d'opinion听
- Cr茅ation de texte听
- Simplification du texte et reformulation听
- R茅ponses aux questions听
- Analyse des rubriques et des styles听
Nous assistons r茅guli猫rement 脿 des conf茅rences et y faisons des pr茅sentations. Nous publions 茅galement nos travaux dans des cadres reconnus tels que NAACL, (E)ACL, EMNLP, MT Summit, et autres. Vous pouvez voir certaines de nos publications s茅lectionn茅es ci-dessous.
La vie 脿 Language听Weaver
Le meilleur aspect du travail 脿 Language听Weaver est que ce n'est jamais ennuyeux听! Notre 茅quipe n'est jamais fig茅e sur la m锚me t芒che ou ne concentre pas ces recherches constamment sur le m锚me sujet, parce que nous travaillons toujours avec de nouveaux clients sur de nouvelles donn茅es, des langues int茅ressantes, ainsi que sur de vastes domaines et applications.听
Il existe toujours une opportunit茅 d'affiner et d'茅largir les comp茅tences, en essayant de nouvelles techniques dans le but de r茅soudre les probl猫mes du monde r茅el pour les clients qui traitent et traduisent des milliards de mots chaque ann茅e. Parce que notre 茅quipe est issue d'un si large 茅ventail de milieux, nous apprenons aussi beaucoup les uns des autres.听
Comptant des sites 脿 Los听Angeles, Cluj-Napoca, Dublin et d'autres lieux en Europe, notre 茅quipe de scientifiques, d'ing茅nieurs et de linguistes est dynamique, enthousiaste et dot茅e de connaissances solides dans le traitement du langage naturel. Elle souhaite 茅galement 茅largir les horizons. Entre nous, nous parlons presque autant de langues que nos moteurs de traduction automatique听!
En plus des t芒ches quotidiennes, nous participons 茅galement 脿 un groupe de lecture hebdomadaire o霉 nous pr茅sentons nos propres recherches et d'autres articles de premier plan dans le domaine. En plus de cela, nous publions un blog hebdomadaire听: 芦听The Neural MT Weekly听禄, qui est consult茅 par des milliers de lecteurs chaque semaine听!
Vous souhaitez rejoindre notre 茅quipe听? 颁辞苍迟补肠迟别锄-苍辞耻蝉听!
笔耻产濒颈肠补迟颈辞苍蝉听
Publications s茅lectionn茅es听:鈥 鈥
2021听:鈥 鈥
Roemmele听M., Sidhpura听D., DeNeefe听S. et Tsou听L. (2021).鈥疉nswerQuest: A System for Generating Question-Answer Items from Multi-Paragraph Documents. 16th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2021), Demo Track.鈥 鈥
2020听:鈥 鈥
Saunders听D., Feely听W. et Byrne听B. (2020).鈥疘nference-only sub-character decomposition improves translation of unseen logographic characters, Proceedings of the 7th Workshop on Asian Translation.鈥 鈥
2019听:鈥 鈥
Feely鈥疻., Hasler听E. et de鈥疓ispert鈥疉. (2019).鈥疌ontrolling鈥疛apanese鈥疕onorifics in鈥疎nglish-to-Japanese鈥疦eural Machine Translation.鈥疨roceedings of the 6th Workshop on Asian Translation.鈥 鈥
Saunders听D., Stahlberg听F., de鈥疓ispert听A. et Byrne听B. (2019). Domain Adaptive Inference for Neural Machine Translation. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL).鈥 鈥
Roemmele听M. (2019). Identifying Sensible Lexical Relations in Generated Stories. Workshop on Narrative Understanding at the 2019 Annual Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (NAACL 2019)鈥 鈥
2018听:鈥 鈥
Iglesias听G., Tambellini听W., de鈥疓ispert听A., Hasler听E. et Byrne听B. (2018). Accelerating NMT Batched Beam Decoding with LMBR Posteriors for Deployment. Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics (NAACL-HLT).鈥 鈥
Hasler听E., de鈥疓ispert听A., Iglesias听G. et Byrne听B. (2018). Neural Machine Translation Decoding with Terminology Constraints. Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics (NAACL-HLT)鈥 鈥
Saunders听D., Stahlberg听F., de Gispert听A. et Byrne听B. (2018). Multi-representation Ensembles and Delayed SGD Updates Improve Syntax-based NMT. Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (ACL).鈥 鈥
Stahlberg听F., de鈥疓ispert听A. et Byrne听B. (2018). The University of Cambridge's Machine Translation Systems for WMT18. Proceedings of the Conference of Machine Translation (WMT).鈥 鈥
2017听:鈥 鈥
Hasler听E., de听Gispert听A., Stahlberg听F., Waite听A. et B.听Byrne (2017). Source sentence simplification for statistical machine translation. Computer Speech & Language, vol 45,鈥痯ps鈥221-235.鈥 鈥
Stahlberg听F., de鈥疓ispert听A., Hasler听E. et Byrne听B. (2017). Neural Machine Translation by鈥疢inimising鈥痶he Bayes-risk with Respect to Syntactic Translation Lattices. Proceedings of the 15th Conference of the European Chapter of the Association for Computational Linguistics (EACL).鈥 鈥
Hasler听E., Stahlberg听F., Tomalin听M. de鈥疓ispert听A. et Byrne听B. (2017). A Comparison of Neural Models for Word Ordering. International Conference on Natural Language Generation (INLG).鈥 鈥
2015听:鈥听
Gispert听A., Iglesias听G., Byrne听W., (2015) Fast and Accurate Preordering for SMT using Neural Networks, North American Chapter of the Association for Computational Linguistics: Human Language Technologies鈥 鈥
Dreyer听M. et Graehl听J. (2015)鈥痟yp: A Toolkit for Representing, Manipulating, and Optimizing Hypergraphs, North American Chapter of the Association for Computational Linguistics: Human Language Technologies鈥 鈥
Dreyer听M. et Dong听D. (2015) APRO听: All-Pairs Ranking Optimization for MT Tuning, North American Chapter of the Association for Computational Linguistics: Human Language Technologies鈥 鈥
2014听:鈥 鈥
May听J., Benjira听Y., Echihabi听A. (2014) An鈥疉rabizi-English鈥疭ocial Media鈥疭tatistical Machine Translation System, Association for Machine Translation in the Americas鈥 鈥
Jehl听L., Gispert听A., Hopkins听M., Byrne听M. (2014) Source-side preordering for translation using logistic regression and depth-first branch-And-bound search, European Chapter of the Association for Computational Linguistics, (pp 239-248).鈥 鈥
2013听:鈥 鈥
Hopkins听M. et May听J. (2013) Models of Translation Competitions. Proceedings of ACL, 2013.鈥
Munteanu听D. S. et Marcu听D. (2013) Exploiting Comparable Corpora. In Building and Using Comparable Corpora, Springer Publications.鈥 鈥
2012听:鈥
Soricut听R., Bach听N. et Wang听Z. (2012) The SDL Language Weaver Systems in the WMT12 Quality Estimation Shared Task,鈥疘nProceedings鈥痮f the Seventh Workshop on Statistical Machine鈥疶ranslation (WMT 2012), June 2012, Montreal, Quebec, Canada.鈥 鈥
Dreyer听M. et Marcu听D. (2012)鈥疕yTER: Meaning-Equivalent Semantics for Translation Evaluation, In Proceedings of the 2012 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Montreal, Canada.鈥 鈥
2011听:鈥 鈥
Hopkins听M. et May听J. (2011) Tuning as Ranking. Proceedings of EMNLP, 2011.鈥 鈥
Hopkins听M., Langmead听G. et Vo听T. (2011) Extraction Programs: A Unified Approach to Translation Rule Extraction. Proceedings of WMT, 2011.鈥 鈥
2010听:鈥 鈥
Soricut听R. et Echihabi听A. (2010)鈥疶rustRank: Inducing Trust in Automatic Translations via Ranking, Association for Computational Linguistics Conference, (pp 612-621).鈥 鈥
Hopkins听M. et Langmead听G. (2010) SCFG Decoding Without Binarization. Proceedings of EMNLP, 2010.鈥 鈥
Wang听W., May听J., Knight听K. et Marcu听D. (2010) Re-Structuring, Re-Labeling, and Re-Aligning for Syntax-based Machine Translation, Computational Linguistics. (36.2).鈥 鈥
2009听:鈥 鈥
Hopkins听M. et Langmead听G. (2009) Cube Pruning as Heuristic Search. Proceedings of EMNLP, 2009.鈥 鈥
Yamada听K. et Muslea听I. (2009). Re-ranking for large-scale statistical machine translation, Learning Machine Translation, (pp 151-169)鈥 鈥
2007听:鈥 鈥
Wang听W., Knight听K. et Marcu听D. (2007) Binarizing Syntax Trees to Improve Syntax-Based Machine Translation Accuracy. Proceedings of EMNLP-07, pp. 746-754, Prague.鈥 鈥
2006听:鈥 鈥
Marcu听D., Wang听W., Echihabi听A. et Knight听K. (2006) SPMT: Statistical Machine Translation with鈥疭yntactified鈥疶arget Language Phrases", Empirical Methods in Natural Language Conference, (pp 44-52).鈥 鈥
Huang听B. et Knight听K. (2006). Relabeling Syntax Trees to Improve Syntax-Based Machine Translation Quality. Proceedings of HLT-NAACL, 2006.