From Word Embeddings to Large Vocabulary Neural Machine Translation

Dans ce mémoire, nous examinons certaines propriétés des représentations distribuées de mots et nous proposons une technique pour élargir le vocabulaire des systèmes de traduction automatique neurale. En premier lieu, nous considérons un problème de résolution d'analogies bien connu et examinons l'effet de poids adaptés à la position, le choix de la fonction de combinaison et l'impact de l'apprentissage supervisé. Nous enchaînons en montrant que des représentations distribuées simples basées sur la traduction peuvent atteindre ou dépasser l'état de l'art sur le test de détection de synonymes TOEFL et sur le récent étalon-or SimLex-999. Finalament, motivé par d'impressionnants résultats obtenus avec des représentations distribuées issues de systèmes de traduction neurale à petit vocabulaire (30 000 mots), nous présentons une approche compatible à l'utilisation de cartes graphiques pour augmenter la taille du vocabulaire par plus d'un ordre de magnitude. Bien qu'originalement développée seulement pour obtenir les représentations distribuées, nous montrons que cette technique fonctionne plutôt bien sur des tâches de traduction, en particulier de l'anglais vers le français (WMT'14).

Coefficients de Clebsch-Gordan de la super-algèbre osp(1|2)

Les fonctions génératrices des coefficients de Clebsch Gordan pour la superalgèbre de Lie osp(1|2) sont dérivées en utilisant deux approches. Une première approche généralise une méthode proposée par Granovskii et Zhedanov pour l'appliquer dans le cas de osp(1|2), une algèbre dont le coproduit est torsadé. Une seconde approche repose sur la réalisation de osp(1|2) en tant qu'algèbre dynamique d'un oscillateur parabosonique et utilise une équivalence dans cette réalisation entre le changements de coordonnées polaires à cartésiennes et le problème de Clebsch-Gordan. Un chapitre moins formel précède ces dérivations et présente comment le problème de Clebsch-Gordan s'interprète en tant que réalisation d'une algèbre de fusion. La notion abstraite de fusion est introduite, soulignant son importance en physique, pour en venir au cas particulier du problème de Clebsch-Gordan. Un survol du cas de l'algèbre osp(1|2) et de ses utilisations en physique mathématique conclut ce chapitre.

Imperfect flâneurs : anti-heroes of modern life

Cette thèse commence comme une simple question en réponse au modèle du « parfait flâneur » que Baudelaire a élaboré dans Le peintre de la vie moderne (1853): un flâneur peut-il être imparfait? Je suggère trois interprétations possibles du mot « imparfait ». Il permet d’abord de sortir le flâneur du strict contexte du Paris du dix-neuvième siècle et permet des traductions imparfaites de personnages dans d’autres contextes. Ensuite, le flâneur déambule dans la dimension « imparfaite » de l’imagination fictionnelle – une dimension comparable à l’image anamorphique du crâne dans la peinture Les ambassadeurs de Holbein. Enfin, il réfère à l’imparfait conjugué, « l’imparfait flâneur » peut rappeler le personnage antihéroïque de l’humain dont l’existence est banale et inachevée, comme la phrase « il y avait ». Ces trois visions contribuent à la réinterprétation du flâneur dans le contexte de la fin du vingtième siècle. Mon hypothèse est que l’expérience urbaine du flâneur et la flânerie ne sont possibles que si l’on admet être imparfait(e), qu’on accepte ses imperfections et qu’elles ne nous surprennent pas. Quatre études de romans contemporains et de leurs villes respectives forment les principaux chapitres. Le premier étudie Montréal dans City of forgetting de Robert Majzels. J’examine les façons par lesquelles les personnages itinérants peuvent être considérés comme occupant (ou en échec d’occupation) du Montréal contemporain alors qu’ils sont eux-mêmes délogés. Quant au deuxième chapitre, il se concentre sur le Bombay de Rohinton Mistry dans A fine balance. Mon étude portera ici sur la question de l’hospitalité en relation à l’hébergement et au « dé-hébergement » des étrangers dans la ville. Le troisième chapitre nous amène à Hong-Kong avec la série Feituzhen de XiXi. Dans celle-ci, j’estime que la méthode spéciale de la marelle apparait comme une forme unique de flânerie imparfaite. Le quatrième chapitre étudie Istanbul à travers The black book d’Orhan Pamuk. Inspiré par les notions de « commencement » d’Edward Saïd, mon argumentaire est construit à partir de l’interrogation suivante : comment et quand commence une narration? En lieu de conclusion, j’ai imaginé une conversation entre l’auteur de cette thèse et les personnages de flâneurs imparfaits présents dans les différents chapitres.

Relating Dependent Terms in Information Retrieval

Les moteurs de recherche font partie de notre vie quotidienne. Actuellement, plus d’un tiers de la population mondiale utilise l’Internet. Les moteurs de recherche leur permettent de trouver rapidement les informations ou les produits qu'ils veulent. La recherche d'information (IR) est le fondement de moteurs de recherche modernes. Les approches traditionnelles de recherche d'information supposent que les termes d'indexation sont indépendants. Pourtant, les termes qui apparaissent dans le même contexte sont souvent dépendants. L’absence de la prise en compte de ces dépendances est une des causes de l’introduction de bruit dans le résultat (résultat non pertinents). Certaines études ont proposé d’intégrer certains types de dépendance, tels que la proximité, la cooccurrence, la contiguïté et de la dépendance grammaticale. Dans la plupart des cas, les modèles de dépendance sont construits séparément et ensuite combinés avec le modèle traditionnel de mots avec une importance constante. Par conséquent, ils ne peuvent pas capturer correctement la dépendance variable et la force de dépendance. Par exemple, la dépendance entre les mots adjacents "Black Friday" est plus importante que celle entre les mots "road constructions". Dans cette thèse, nous étudions différentes approches pour capturer les relations des termes et de leurs forces de dépendance. Nous avons proposé des méthodes suivantes: ─ Nous réexaminons l'approche de combinaison en utilisant différentes unités d'indexation pour la RI monolingue en chinois et la RI translinguistique entre anglais et chinois. En plus d’utiliser des mots, nous étudions la possibilité d'utiliser bi-gramme et uni-gramme comme unité de traduction pour le chinois. Plusieurs modèles de traduction sont construits pour traduire des mots anglais en uni-grammes, bi-grammes et mots chinois avec un corpus parallèle. Une requête en anglais est ensuite traduite de plusieurs façons, et un score classement est produit avec chaque traduction. Le score final de classement combine tous ces types de traduction. Nous considérons la dépendance entre les termes en utilisant la théorie d’évidence de Dempster-Shafer. Une occurrence d'un fragment de texte (de plusieurs mots) dans un document est considérée comme représentant l'ensemble de tous les termes constituants. La probabilité est assignée à un tel ensemble de termes plutôt qu’a chaque terme individuel. Au moment d’évaluation de requête, cette probabilité est redistribuée aux termes de la requête si ces derniers sont différents. Cette approche nous permet d'intégrer les relations de dépendance entre les termes. Nous proposons un modèle discriminant pour intégrer les différentes types de dépendance selon leur force et leur utilité pour la RI. Notamment, nous considérons la dépendance de contiguïté et de cooccurrence à de différentes distances, c’est-à-dire les bi-grammes et les paires de termes dans une fenêtre de 2, 4, 8 et 16 mots. Le poids d’un bi-gramme ou d’une paire de termes dépendants est déterminé selon un ensemble des caractères, en utilisant la régression SVM. Toutes les méthodes proposées sont évaluées sur plusieurs collections en anglais et/ou chinois, et les résultats expérimentaux montrent que ces méthodes produisent des améliorations substantielles sur l'état de l'art.

Frequent translation strategies used by Iranian translators in subtitles to translate metaphors

En tant que moyen de communication qui détermine les structures de base des langues, la métaphore se classe parmi les enjeux les plus importants du domaine de la traductologie, d’où la complexité de la rendre traduisible. La nature indirecte de la métaphore étant problématique, celle-ci exige une étude approfondie, surtout vis-à-vis le transfert de la culture d’une langue à une autre. Un survol de la littérature académique traitant des théories et des approches différentes en traductologie révèle une façon de rendre possible la traduction de la métaphore. Cette étude traite de la traduction des métaphores du perse aux sous-titres anglais. Elle indique également les approches et les stratégies appliquées à la traduction des expressions linguistiques métaphoriques telles que proposées par Newmark (1988). En se fondant sur des exemples authentiques tirés des textes sources (deux films perses bien connus) et leurs traductions anglaises, cette étude démontre la façon dont certains traducteurs iraniens traduisent des expressions métaphoriques en se servant d’une des sept stratégies proposées par Newmark. Elle explique également comment certains éléments (par ex. les difficultés de la traduction) ont été influents sur leurs conclusions, tout en soutenant l’hypothèse que la reproduction d’une même image d’une langue source dans une langue cible ainsi que l’effacement sont respectivement la plus fréquente et la moins fréquente des stratégies employées par les sous-titreurs iraniens.

Biology and characterisation of polyalanine as an emerging pathological marker

Dix-huit maladies humaines graves ont jusqu'ici été associées avec des expansions de trinucléotides répétés (TNR) codant soit pour des polyalanines (codées par des codons GCN répétés) soit pour des polyglutamines (codées par des codons CAG répétés) dans des protéines spécifiques. Parmi eux, la dystrophie musculaire oculopharyngée (DMOP), l’Ataxie spinocérébelleuse de type 3 (SCA3) et la maladie de Huntington (MH) sont des troubles à transmission autosomale dominante et à apparition tardive, caractérisés par la présence d'inclusions intranucléaires (IIN). Nous avons déjà identifié la mutation responsable de la DMOP comme étant une petite expansion (2 à 7 répétitions supplémentaires) du codon GCG répété du gène PABPN1. En outre, nous-mêmes ainsi que d’autres chercheurs avons identifié la présence d’événements de décalage du cadre de lecture ribosomique de -1 au niveau des codons répétés CAG des gènes ATXN3 (SCA3) et HTT (MH), entraînant ainsi la traduction de codons répétés hybrides CAG/GCA et la production d'un peptide contenant des polyalanines. Or, les données observées dans la DMOP suggèrent que la toxicité induite par les polyalanines est très sensible à leur quantité et leur longueur. Pour valider notre hypothèse de décalage du cadre de lecture dans le gène ATXN3 dans des modèles animaux, nous avons essayé de reproduire nos constatations chez la drosophile et dans des neurones de mammifères. Nos résultats montrent que l'expression transgénique de codons répétés CAG élargis dans l’ADNc de ATXN3 conduit aux événements de décalage du cadre de lecture -1, et que ces événements sont néfastes. À l'inverse, l'expression transgénique de codons répétés CAA (codant pour les polyglutamines) élargis dans l’ADNc de ATXN3 ne conduit pas aux événements de décalage du cadre de lecture -1, et n’est pas toxique. Par ailleurs, l’ARNm des codons répétés CAG élargis dans ATXN3 ne contribue pas à la toxicité observée dans nos modèles. Ces observations indiquent que l’expansion de polyglutamines dans nos modèles drosophile et de neurones de mammifères pour SCA3 ne suffit pas au développement d'un phénotype. Par conséquent, nous proposons que le décalage du cadre de lecture ribosomique -1 contribue à la toxicité associée aux répétitions CAG dans le gène ATXN3. Pour étudier le décalage du cadre de lecture -1 dans les maladies à expansion de trinucléotides CAG en général, nous avons voulu créer un anticorps capable de détecter le produit présentant ce décalage. Nous rapportons ici la caractérisation d’un anticorps polyclonal qui reconnaît sélectivement les expansions pathologiques de polyalanines dans la protéine PABPN1 impliquée dans la DMOP. En outre, notre anticorps détecte également la présence de protéines contenant des alanines dans les inclusions intranucléaires (IIN) des échantillons de patients SCA3 et MD.

Identification de caractéristiques communes et rares dans les ARN structurés dans la base de données Rfam

Les ARN non codants (ARNnc) sont des transcrits d'ARN qui ne sont pas traduits en protéines et qui pourtant ont des fonctions clés et variées dans la cellule telles que la régulation des gènes, la transcription et la traduction. Parmi les nombreuses catégories d'ARNnc qui ont été découvertes, on trouve des ARN bien connus tels que les ARN ribosomiques (ARNr), les ARN de transfert (ARNt), les snoARN et les microARN (miARN). Les fonctions des ARNnc sont étroitement liées à leurs structures d’où l’importance de développer des outils de prédiction de structure et des méthodes de recherche de nouveaux ARNnc. Les progrès technologiques ont mis à la disposition des chercheurs des informations abondantes sur les séquences d'ARN. Ces informations sont accessibles dans des bases de données telles que Rfam, qui fournit des alignements et des informations structurelles sur de nombreuses familles d'ARNnc. Dans ce travail, nous avons récupéré toutes les séquences des structures secondaires annotées dans Rfam, telles que les boucles en épingle à cheveux, les boucles internes, les renflements « bulge », etc. dans toutes les familles d'ARNnc. Une base de données locale, RNAstem, a été créée pour faciliter la manipulation et la compilation des données sur les motifs de structure secondaire. Nous avons analysé toutes les boucles terminales et internes ainsi que les « bulges » et nous avons calculé un score d’abondance qui nous a permis d’étudier la fréquence de ces motifs. Tout en minimisant le biais de la surreprésentation de certaines classes d’ARN telles que l’ARN ribosomal, l’analyse des scores a permis de caractériser les motifs rares pour chacune des catégories d’ARN en plus de confirmer des motifs communs comme les boucles de type GNRA ou UNCG. Nous avons identifié des motifs abondants qui n’ont pas été étudiés auparavant tels que la « tetraloop » UUUU. En analysant le contenu de ces motifs en nucléotides, nous avons remarqué que ces régions simples brins contiennent beaucoup plus de nucléotides A et U. Enfin, nous avons exploré la possibilité d’utiliser ces scores pour la conception d’un filtre qui permettrait d’accélérer la recherche de nouveaux ARN non-codants. Nous avons développé un système de scores, RNAscore, qui permet d’évaluer un ARN en se basant sur son contenu en motifs et nous avons testé son applicabilité avec différents types de contrôles.

Language plurality as power struggle, or: Translating politics in Canada

For this paper, heterolingualism or language plurality will be considered as the presence in a single text or in a social environment of both French and English, Canada’s official languages. Language plurality will here be studied from an institutional viewpoint: the influence of the Canadian government on the translation of political speeches. The first part of this article will establish that political speeches are written in a bilingual environment where the two official languages are often in contact. This bilingualism, however, is often homogenised when it comes to speech delivery and publication. Therefore, the second part focuses on the speeches’ paratextual

Don Giovanni. Il dissoluto punito ovvero la possibilità e lo spostamento

Traduction du titre : Don Juan. Le dissolu puni ou bien la possibilité et le déplacement.

"Âme et iPad" de Maurizio Ferraris

Compte rendu critique du livre « Âme et iPad » de Maurizio Ferraris (Les Presses de l'Université de Montréal, coll. Parcours numériques, 2014).

Avec personne : Derek Parfit et la description impersonnelle de la réalité

L'ouvrage Reasons and Persons de Derek Parfit a souvent été interprété par la critique comme une résurrection de la conception humienne de l'identité personnelle, qui pensait la personne comme un simple agrégat de perceptions. De féroces débats se sont concentrés autour de cette inteprétation de Reasons and Persons dans la mesure où elle tend vers un fictionnalisme à propos de l'existence des personnes que des commentateurs comme Sydney Shoemaker et Quassim Cassam pensent carrément intenable. Malmené par la critique, Parfit développera plus tard une version plus subtile de sa théorie, en avançant la possible existence d'un schème conceptuel entièrement impersonnel qui posséderait un pouvoir explicatif et descriptif identique au nôtre. Nous examinerons comment il faut comprendre un tel schème conceptuel et présenterons quelques découvertes empiriques remettant en question la réelle équivalence d'un schème conceptuel impersonnel au nôtre.