www.presemt.euwww.presemt.eu
The  PRESEMTPRESEMT project  is  intended  to  lead  to  a 
flexible  and  adaptable  MT  system,  based  on  a 
language‐independent  method,  whose  principles 
ensure easy portability to new language pairs. This 
method  attempts  to  overcome  well‐known 
problems of other MT approaches, e.g. compilation 
of  extensive  bilingual  corpora  or  creation  of  new 
rules per language pair. PRESEMT will address the 
issue  of  effectively  managing  multilingual  content 
and is expected to suggest a language‐independent 
machine‐learning‐based methodology.
Pattern REcognitionPattern REcognition‐‐based Statistically Enhanced MTbased Statistically Enhanced MT
George Tambouratzis, Coordinator (ILSP)
e‐mail: giorg_t@ilsp.gr 
Tel: +30 210 6875411
Fax: +30 210 6854270
Contact pointContact point
The research leading to these results has 
received  funding  from  the  European 
Community's  Seventh  Framework 
Programme (FP7/2007‐2013) under Grant 
Agreement n° 248307.
Time frame
Start date: 1 January 2010
End date: 31 December 2012
ConsortiumConsortium
ILSP
Institute for Language & Speech Processing / R.C. "Athena“
GFAI
Gesellschaft zur Förderung der Angewandten Informationsforschung
NTNU
Norges Teknisk‐Naturvitenskapelige Universitet
ICCS
Institute of Communication and Computer Systems
MU
Masaryk University
LCL
Lexical Computing Ltd.
www.presemt.euwww.presemt.eu
Pattern Pattern REcognitionREcognition‐‐based Statistically Enhanced MTbased Statistically Enhanced MT
Key innovationKey innovation
The PRESEMT  project  proposes  a  novel 
approach  to  the  problem  of  Machine 
Translation  by  introducing  cross‐
disciplinary techniques, mainly borrowed 
from  the  machine  learningmachine  learning and 
computational  intelligencecomputational  intelligence domains,  in 
the MT paradigm. 
To this end, a flexible MT system will be 
developed, which will be enhanced with 
(a)  pattern  recognitionpattern  recognition approaches 
(such  as  extended  clustering  or  neural 
networks) towards the  development  of 
a language‐independent analysis and 
(b)  evolutionary  computationevolutionary  computation (such  as 
Genetic  Algorithms  or  Swarm  Intelli‐
gence) for system optimisation.
ResultResult
The PRESEMT project will result in a fully 
functional  system  prototype,  available 
both as a stand‐alone application as well 
as a web‐based service. 
Furthermore, it will provide a language‐
independent methodology for effective‐
ly handling new language pairs.
Language pairsLanguage pairs
Development phases 1 & 2
Czech  English
German  English
Greek  English
Norwegian  English
Czech  German
Greek  German
English  German
Norwegian  German
Development phase 3
Czech  Italian
German  Italian
Greek  Italian
English  Italian
Norwegian  Italian
S&T objectivesS&T objectives
 Development of a novel method based on 
generalised  clustering  techniques,  for 
creating  a  language‐independent  phrase 
aligner also  adaptable  to  phrasing 
principles designated by the end users
 Use of pattern recognition approaches for 
defining syntactic structure
 Employment of techniques inspired by the 
functional  biological  systems for  disambi‐
guating translations
 Extensive  use  of  automated  optimisation 
techniques to  define  a  mature  system  for 
methodically optimising system parameters
 Application  of  machine  learning  methods 
for allowing system adaptation
 Use of parallel computing architectures as 
well as mainstream multi‐core architectures 
for  PCs  for  substantial  advances  in 
translation speed