L’idée que les mathématiques sont le langage naturel de la physique est devenue banale et semble claire.. Elle peut toutefois s’interpréter d’au moins deux façons, qui ne sont pas du tout équivalentes du point de vue épistémologique philosophique : - soit ce langage est pensé comme étant celui de la nature même, ce qui implique que celui qui étudie la nature devra l’assimiler pour la comprendre ; - soit, à l’inverse, ce langage est pensé comme étant le langage de l’homme, et c’est donc nécessairement dans ce langage-là que devront être traduits les faits de la nature pour nous devenir compréhensibles. Les progrès récents de la physique aident-ils à départager ces deux approches ?
Mot(s) clés libre(s) : langage naturel, mathématiques, physqiue

Comment définir l’écriture aujourd’hui ? C’est à cette question que tente de répondre Clarisse Herrenschmidt en apportant des exemples explicites de la transformation majeure de l’écriture et des signes dans les 20 dernières années avec l’émergence des nouvelles technologies et l’usage de plus en plus diffus de l’ordinateur. Cette révolution graphique se traduit par la transformation de l’écriture en information: à un caractère ou une police correspond un nombre traduit par la machine. Contrairement au langage humain, le langage informatique n’est pas ambigu; il est le produit de la logique informatisée et permet par un ensemble écrit de caractères, de mots, de donner des instructions à l’ordinateur. Cette transformation sémiologique en écriture informatique et téléinformatique change notre mode de pensée et nos habitudes de travail. Nous traitons aujourd’hui la langue, les nombres et la monnaie (via la carte bleue) avec le même outil : l’ordinateur. Dès le départ, la machine a été pensé comme un cerveau informatique; l’organe de pensée humain a été externalisé et projeté dans un artéfact qui est une machine à signes. Mais pour Clarisse Herrenschmidt les interrogations sont ailleurs : que vaut la parole humaine ? Les usages de la parole se sont affadis, aplatis, au détriment des variations infinies que propose une langue. Comment allons-nous parler ? toujours de façon plate et dé-symbolisée ou assisterons-nous à un redéploiement des possibilités ?La conférence a été donnée à l'Université Victor Segalen Bordeaux 2 dans le cadre du cycle de conférences "L'invité du Mercredi" / Saison 2007-2008 sur le thème "Demain, Après-demain". Service culturel Université Victor Segalen de Bordeaux 2 / DCAM /
Mot(s) clés libre(s) : écriture, interaction homme-ordinateur, langage humain, langage informatique, linguistique, sémiologie, signe, traitement automatique du langage naturel

Conférence du 16 février 2000 par Laurence Danlos. La linguistique informatique est un domaine scientifique neuf, né du développement conjoint des modèles mathématiques et informatiques (théorie des langages formels) et de la formalisation des descriptions linguistiques. Il a pour objectif le traitement automatique du langage naturel et il se situe au carrefour de la linguistique et de l'intelligence artificielle ou des sciences cognitives dans leurs recherches sur le langage naturel.Les recherches en linguistiques informatiques débouchent sur des applications qui relèvent des Industries de la Langue. L'application la plus connue et la plus ancienne est la Traduction Automatique. Nous exposerons les principales difficultés rencontrées en Traduction Automatique et nous dresserons un bilan sur les systèmes existants et sur les perspectives. Nous présenterons ensuite un panorama des autres applications, en particulier celles issues de l'émergence du Web (La Toile) dans lesquelles les calculs statistiques se combinent avec les calculs linguistiques.
Mot(s) clés libre(s) : ambiguité lexicale, intelligence artificielle, langage naturel, lemmatisation, linguistique informatique, modèle mathématique, sciences cognitives, sémantique, traduction assistée par ordinateur, traduction automatique

L'objet du projet Biomedical Knowledge Network est de gérer des connaissances biomédicales, en permettant de les recueillir à partir d'expertises, de la littérature ou des guides de bonnes pratiques, de les modéliser de manière unifiée sous forme de réseaux de connaissance, de les représenter sous forme de graphes. Toutes ces connaissances sont indexées en langage naturel et en Mesh semi automatique. Ce système est utile au raisonnement médical, à la mise à jour des connaissances et à la pédagogie. Origine IPM 2005. Internet et Pédagogie Médicale. Rennes : décembre 2005 Générique SCD médecine Nancy
Mot(s) clés libre(s) : base de connaissances, Bikini, douleur épaule, expertise, la, langage naturel, questionnaire

Mot(s) clés libre(s) : traitement automatique du langage naturel, taln2015

Sessions orales TALN 2015 – Mardi 23 juin 2015Conférence invitée Pourquoi construire des ressources terminologiques et pourquoi le faire différemment ? Marie-Claude L’HommePrésident de session : Pierre Beust Résumé : Dans cette présentation, je défendrai l’idée selon laquelle des ressources terminologiques décrivant les propriétés lexico-sémantiques des termes constituent un complément nécessaire, voire indispensable, à d’autres types de ressources, À partir d’exemples anglais et français empruntés au domaine de l’environnement, je montrerai, d’une part, que les ressources lexicales générales (y compris celles qui ont une large couverture) n’offrent pas un portait complet du sens des termes ou de la structure lexicale observée du point de vue d’un domaine de spécialité. Je montrerai, d’autre part, que les ressources terminologiques (thésaurus, ontologies, banques de terminologie) souvent d’obédience conceptuelle, se concentrent sur le lien entre les termes et les connaissances dénotées par eux et s’attardent peu sur leur fonctionnement linguistique. Je présenterai un type de ressource décrivant les propriétés lexico-sémantiques des termes d’un domaine (structure actantielle, liens lexicaux, annotations contextuelles, etc.) et des éléments méthodologiques présidant à son élaboration.
Mot(s) clés libre(s) : traitement automatique du langage naturel, taln2015

Sessions orales TALN 2015 – Mardi 23 juin 2015Session PlénièreUtiliser les interjections pour détecter les émotions Amel Fraisse et Patrick Paroubek Résumé : Bien que les interjections soient un phénomène linguistique connu, elles ont été peu étudiées et cela continue d’être le cas pour les travaux sur les microblogs. Des travaux en analyse de sentiments ont montré l’intérêt des émoticônes et récemment des mots-dièses, qui s’avèrent être très utiles pour la classification en polarité. Mais malgré leur statut grammatical et leur richesse sémantique, les interjections sont restées marginalisées par les systèmes d’analyse de sentiments. Nous montrons dans cet article l’apport majeur des interjections pour la détection des émotions. Nous détaillons la production automatique, basée sur les interjections, d’un corpus étiqueté avec les émotions. Nous expliquons ensuite comment nous avons utilisé ce corpus pour en déduire, automatiquement, un lexique affectif pour le français. Ce lexique a été évalué sur une tâche de détection des émotions, qui a montré un gain en mesure F1 allant, selon les émotions, de +0,04 à +0,21.
Mot(s) clés libre(s) : traitement automatique du langage naturel, taln2015

Sessions orales TALN 2015 – Mardi 23 juin 2015Session Plénière…des conférences enfin disons des causeries… Détection automatique de segments en relation de paraphrase dans les reformulations de corpus oraux Natalia Grabar et Iris Eshkol Résumé : Notre travail porte sur la détection automatique des segments en relation de reformulation paraphrastique dans les corpus oraux. L’approche proposée est une approche syntagmatique qui tient compte des marqueurs de reformulation paraphrastique et des spécificités de l’oral. Les données de référence sont consensuelles. Une méthode automatique fondée sur l’apprentissage avec les CRF est proposée afin de détecter les segments paraphrasés. Différents descripteurs sont exploités dans une fenêtre de taille variable. Les tests effectués montrent que les segments en relation de paraphrase sont assez difficiles à détecter, surtout avec leurs frontières correctes. Les meilleures moyennes atteignent 0,65 de F-mesure, 0,75 de précision et 0,63 de rappel. Nous avons plusieurs perspectives à ce travail pour améliorer la détection des segments en relation de paraphrase et pour étudier les données d’autres points de vue.
Mot(s) clés libre(s) : traitement automatique du langage naturel, taln2015

Sessions orales TALN 2015 – Mardi 23 juin 2015Session SémantiqueDéclasser les voisins non sémantiques pour améliorer les thésaurus distributionnels Olivier Ferret Résumé : La plupart des méthodes d’amélioration des thésaurus distributionnels se focalisent sur les moyens – représentations ou mesures de similarité – de mieux détecter la similarité sémantique entre les mots. Dans cet article, nous proposons un point de vue inverse : nous cherchons à détecter les voisins sémantiques associés à une entrée les moins susceptibles d’être liés sémantiquement à elle et nous utilisons cette information pour réordonner ces voisins. Pour détecter les faux voisins sémantiques d’une entrée, nous adoptons une approche s’inspirant de la désambiguïsation sémantique en construisant un classifieur permettant de différencier en contexte cette entrée des autres mots. Ce classifieur est ensuite appliqué à un échantillon des occurrences des voisins de l’entrée pour repérer ceux les plus éloignés de l’entrée. Nous évaluons cette méthode pour des thésaurus construits à partir de cooccurrents syntaxiques et nous montrons l’intérêt de la combiner avec les méthodes décrites dans (Ferret, 2013) selon une stratégie de type vote.
Mot(s) clés libre(s) : traitement automatique du langage naturel, taln2015

Sessions orales TALN 2015 – Mardi 23 juin 2015Session SémantiqueExtraction automatique de relations sémantiques dans les définitions : approche hybride, construction d’un corpus de relations sémantiques pour le français Emmanuel Cartier Résumé : Cet article présente une expérimentation visant à construire une ressource sémantique pour le français contemporain à partir d’un corpus d’environ un million de définitions tirées de deux ressources lexicographiques (Trésor de la Langue Française, Wiktionary) et d’une ressource encyclopédique (Wikipedia). L’objectif est d’extraire automatiquement dans les définitions différentes relations sémantiques : hyperonymie, synonymie, méronymie, autres relations sémantiques. La méthode suivie combine la précision des patrons lexico-syntaxiques et le rappel des méthodes statistiques, ainsi qu’un traitement inédit de canonisation et de décomposition des énoncés. Après avoir présenté les différentes approches et réalisations existantes, nous détaillons l’architecture du système et présentons les résultats : environ 900 000 relations d’hyperonymie et près de 100 000 relations de synonymie, avec un taux de précision supérieur à 90% sur un échantillon aléatoire de 500 relations. Plus de 2 millions de prédications définitoires ont également été extraites.
Mot(s) clés libre(s) : traitement automatique du langage naturel, taln2015