NLP in pratica
Cristina Bosco
Informatica applicata alla
comunicazione multimediale
2013-2014
SYSTRAN
La compagnia SYSTRAN, fondata nel 1968, è una
delle più antiche attive nel settore della MT.
Il creatore di SYSTRAN è Peter Toma, attivo fin
dai primi anni ’50 e tra i partecipanti
dell’esperimento di Georgetown.
SYSTRAN
Toma lascia nel 1962 l’università per trasferirsi in
Germania dove lavora ai primi prototipi di MT
russo-inglese e russo-tedesco.
Tornato negli USA, continua lo sviluppo di
SYSTRAN che diventa il sistema usato
dall’esercito e dalla NASA.
Negli anni seguenti viene sviluppata la MT per
inglese-francese che viene venduta alla
Comunità Europea.
SYSTRAN
SYSTRAN segue un approccio di traduzione
diretta basato su regole fino al 2007, quando
passa ad un approccio ibrido in cui regole e
apprendimento statistico si integrano.
SYSTRAN
SYSTRAN è alla base di alcuni noti sistemi di
traduzione online, come SystraNET
www.systranet.com/
ma anche Yahoo, Babel fish e Google (fino al
2007).
BING
Bing è il sistema di MT dell’ambiente Microsoft
http://www.bing.com/translator/help/#Home
http://www.bing.com/translator/
BING
Sistemi di traduzione su telefoni
basati su Bing
http://www.bing.com/translator/phone/
Google translate
http://en.wikipedia.org/wiki/Google_Translate
Confronto di sistemi di MT
http://en.wikipedia.org/wiki/Comparison_of_m
achine_translation_applications
Statistical MT
http://www.statmt.org/
Corpora for MT
http://ipsc.jrc.ec.europa.eu/index.php?id=198
http://catalog.elra.info/
https://www.ldc.upenn.edu/
Dizionari
Google dictionary
http://google-dictionary.so8848.com/
Anche basati su ontologie, WordNet dictionary
http://wordnet-online.freedicts.com/
Ontologie
WordNet:
http://en.wikipedia.org/wiki/WordNet
MultiWordNet:
http://multiwordnet.fbk.eu/english/home.php
http://multiwordnet.fbk.eu/online/multiwordne
t.php
http://wndomains.fbk.eu/wnaffect.html
Licenze per dati linguistici
http://creativecommons.org/
Enti che rilasciano risorse:
European Language Resource Association
http://catalog.elra.info/
Linguistic Data Consortium (negli USA)
https://www.ldc.upenn.edu/
Licenze per dati linguistici
Per molti dati la licenza è un problema … ad es. i
dati dei social media.
Non si possono pubblicare i Tweet di Twitter, ma
solo un riferimento al loro identidicativo.
Es. Twitter
Es. Twitter
Valutazione e Italiano
Campagna di valutazione per il NLP della lingua
italiana
http://www.evalita.it/