Descrizione del progetto DEENESFRITPL Una nuova era nella traduzione automatica Nel campo dell’elaborazione del linguaggio naturale si persegue da lungo tempo l’obiettivo di tradurre automaticamente il linguaggio umano. Tuttavia, gli approcci attuali esistenti, come la traduzione automatica statistica (SMT, Statistical Machine Translation), spesso trascurano indizi contestuali di fondamentale importanza, che invece vengono presi in considerazione nelle traduzioni umane. Ciò determina traduzioni che spesso risultano prive di informazioni rilevanti o trasmettono significati errati, ostacolando la comprensione della lettura e comportandone in numerosi casi l’inutilizzabilità. Alla luce di queste premesse, il progetto MultiMT, finanziato dal CER, sta adottando un approccio innovativo basato sull’impiego di informazioni multimodali globali. MultiMT svilupperà metodi volti a incorporare indizi contestuali quali immagini, documenti correlati e metadati nei modelli di traduzione avvalendosi di post pubblicati su Twitter e di recensioni di prodotti come insiemi di dati di prova. Questa iniziativa interdisciplinare combina competenze in svariati ambiti, quali elaborazione del linguaggio naturale, visione artificiale e apprendimento automatico. Mostra l’obiettivo del progetto Nascondi l’obiettivo del progetto Obiettivo Automatically translating human language has been a long sought-after goal in the field of Natural Language Processing (NLP). Machine Translation (MT) can significantly lower communication barriers, with enormous potential for positive social and economic impact. The dominant paradigm is Statistical Machine Translation (SMT), which learns to translate from human-translated examples.Human translators have access to a number of contextual cues beyond the actual segment to translate when performing translation, for example images associated with the text and related documents. SMT systems, however, completely disregard any form of non-textual context and make little or no reference to wider surrounding textual content. This results in translations that miss relevant information or convey incorrect meaning. Such issues drastically affect reading comprehension and may make translations useless. This is especially critical for user-generated content such as social media posts -- which are often short and contain non-standard language -- but applies to a wide range of text types. The novel and ambitious idea in this proposal is to devise methods and algorithms to exploit global multi-modal information for context modelling in SMT. This will require a significantly disruptive approach with new ways to acquire multilingual multi-modal representations, and new machine learning and inference algorithms that can process rich context models. The focus will be on three context types: global textual content from the document and related texts, visual cues from images and metadata including topic, date, author, source. As test beds, two challenging user-generated datasets will be used: Twitter posts and product reviews.This highly interdisciplinary research proposal draws expertise from NLP, Computer Vision and Machine Learning and claims that appropriate modelling of multi-modal context is key to achieve a new breakthrough in SMT, regardless of language pair and text type. Campo scientifico humanitieslanguages and literaturegeneral language studiesnatural sciencescomputer and information sciencesdata sciencenatural language processingnatural sciencescomputer and information sciencesartificial intelligencecomputer visionnatural sciencescomputer and information sciencesartificial intelligencemachine learning Programma(i) H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC) Main Programme Argomento(i) ERC-StG-2015 - ERC Starting Grant Invito a presentare proposte ERC-2015-STG Vedi altri progetti per questo bando Meccanismo di finanziamento ERC-STG - Starting Grant Istituzione ospitante IMPERIAL COLLEGE OF SCIENCE TECHNOLOGY AND MEDICINE Contribution nette de l'UE € 1 010 513,67 Indirizzo SOUTH KENSINGTON CAMPUS EXHIBITION ROAD SW7 2AZ LONDON Regno Unito Mostra sulla mappa Regione London Inner London — West Westminster Tipo di attività Higher or Secondary Education Establishments Collegamenti Contatta l’organizzazione Opens in new window Sito web Opens in new window Partecipazione a programmi di R&I dell'UE Opens in new window Rete di collaborazione HORIZON Opens in new window Costo totale € 1 010 513,67 Beneficiari (2) Classifica in ordine alfabetico Classifica per Contributo netto dell'UE Espandi tutto Riduci tutto IMPERIAL COLLEGE OF SCIENCE TECHNOLOGY AND MEDICINE Regno Unito Contribution nette de l'UE € 1 010 513,67 Indirizzo SOUTH KENSINGTON CAMPUS EXHIBITION ROAD SW7 2AZ LONDON Mostra sulla mappa Regione London Inner London — West Westminster Tipo di attività Higher or Secondary Education Establishments Collegamenti Contatta l’organizzazione Opens in new window Sito web Opens in new window Partecipazione a programmi di R&I dell'UE Opens in new window Rete di collaborazione HORIZON Opens in new window Costo totale € 1 010 513,67 THE UNIVERSITY OF SHEFFIELD Partecipazione conclusa Regno Unito Contribution nette de l'UE € 483 257,33 Indirizzo FIRTH COURT WESTERN BANK S10 2TN Sheffield Mostra sulla mappa Regione Yorkshire and the Humber South Yorkshire Sheffield Tipo di attività Higher or Secondary Education Establishments Collegamenti Contatta l’organizzazione Opens in new window Sito web Opens in new window Partecipazione a programmi di R&I dell'UE Opens in new window Rete di collaborazione HORIZON Opens in new window Costo totale € 483 257,33
