1 / 28

Traitements Algorithmiques

des Langages. Traitements Algorithmiques. Objectifs. Maîtriser la communication Concevoir un artefact Qui accepte des productions langagières Qui les interprète Applications Traductions Recherches d’informations. Thèmes de recherche. Outils et méthodes

azize
Download Presentation

Traitements Algorithmiques

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. desLangages TraitementsAlgorithmiques

  2. Objectifs • Maîtriser la communication • Concevoir un artefact • Qui accepte des productions langagières • Qui les interprète • Applications Traductions Recherches d’informations

  3. Thèmes de recherche • Outils et méthodes • Pour le traitement algorithmique des langages • Langage = naturel et/ou artificiel • Systèmes transformationnels  Toujours un résultat • Langages Spécialisés  SYGMART

  4. Modèle • Un mode de représentation R Textes, Formes logiques, Arbres, Graphes, Vecteurs, … • Les instances potentielles : Univers de R Structure S(M) = Un objet acceptable dans M • Des opérations internes associées : Transformations S1(M)  S2(M)  Modèle =

  5. Compréhension • Appréhension • transformation avec chgt de modèle • f : S1(M1)  S2(M2) S1(LN)  S2(Logique) Pierre aime Marie  aimer(Pierre, Marie) • Compréhension • Appréhension + Évaluation de la structure obtenue / structure cible • Par exemple, une « bonne » compréhension Min. distance(arbre obtenu / arbre désiré) Min. rappel / (silence + bruit)

  6. Moyens • Modèle • Textes (flots de caractères) - T • Forêts à multi-étiquette partagées - F • Vecteurs conceptuels - V • Transformation • Projections S1(T)  S2 (F) • S1(F)  S2 (F) • Traitement • algorithme de Markov sur F

  7. Moyens • Algorithmes • Définition de linguiciels • Variables + Dictionnaires + Grammaires • Etiquettes • Instanciation du jeu de variables • Structures • Forêts à étiquettes partagés • Simulation de graphes, de treillis, etc.

  8. Moyens • SYGMART • Rapide • Traitement sur de gros volumes Texte de 256 Ko (50000 mots - 100 pages) --> 20Min sur un pentium III 500 Mhz (128 Mo) --> structure de > 84000 points --> sortie (texte) > 1 Mo

  9. Domaines Ressources lexicales Dictionnaires Vecteurs Contrôle Grammaire Réseau Applications LN LP

  10. Projets Vecteur conceptuel lexique sémantique Fe* (Malais -Thai - Vietnamien) Intégration d’ontologies (Castro) Traduction interprétation - Cstar FranSYG (Français) Analyseur LaSYG Traduction et optimisation LP - IBM

  11. Projets Vecteur conceptuel lexique sémantique Fe* (Malais -Thai - Vietnamien) Intégration d’ontologies (Castro) Traduction interprétation - Cstar FranSYG (Français) Analyseur LaSYG Traduction et optimisation LP - IBM

  12. Vecteurs conceptuels • Un jeu de concepts • Th. Larousse (873 idées de bases) • Une idée = un 873 uplet d’entiers

  13. Propagation • Sur des arbres d’analyse P GN GVA Les termites GV rapidement GNP attaquent les fermes GN du toit

  14. Propagation • Sur des arbres d’analyse P GN GVA Les termites GV rapidement • Commencer • Agresser • Critiquer GNP attaquent les fermes GN du toit • Expl. Agricoles • Elément de charpente • Loyer • Toiture • Structure anat. • Haut, dessus

  15. Propagation • Sur des arbres d’analyse P GN GVA Les termites GV rapidement • V5 • V1 GNP attaquent • V2= V2.1+V2.2+V2.3 les fermes GN • V3= V3.1+V3.2+V3.23 du toit • V4= V4.1+V4.2+V4.23

  16. Propagation • Sur des arbres d’analyse P GN GVA Les termites GV rapidement • V1 • V5 GNP attaquent • V2 les fermes GN • V3 du toit • V4

  17. Propagation • Sur des arbres d’analyse P GN GVA Les termites GV rapidement • V1 • V5 GNP attaquent • V2 les fermes GN • V3 du toit • V4

  18. Propagation • Sur des arbres d’analyse P GN GVA Les termites GV rapidement • V1 • V5 GNP attaquent • V2 les fermes GN • V3 du toit • V4

  19. Propagation • Sur des arbres d’analyse P GN GVA Les termites GV rapidement • V1 • V5 GNP attaquent • V2 les fermes GN • V3 du toit • V4

  20. Propagation • Sur des arbres d’analyse P GN GVA Les termites GV rapidement • V1 • V5 GNP attaquent • V2 les fermes GN • V3 du toit • V4

  21. Propagation • Sur des arbres d’analyse P GN GVA Les termites GV rapidement • V1’ • V5’ GNP attaquent • V2’ les fermes GN • V3’ du toit • V4’

  22. Propagation • Tri sur les sens = selon dist(Vi.j, V’i). P GN GVA Les termites GV rapidement • Commencer • Agresser • Critiquer GNP attaquent les fermes GN du toit • Expl. Agricoles • Elément de charpente • Loyer • Toiture • Structure anat. • Haut, dessus

  23. Vecteurs conceptuels • Distance • Angle entre deux vecteurs • Si 0 alors colinéaires - même idée • Si pi/2 alors ortho. - rien à voir.

  24. Fonctions vectorielles • S: NP(ART,N) • --> V(NP) = V(N) • S: NP1(NP2,N) • --> V(NP1) = aV(NP1)+V(N) 0<a<1 • V(bateau à voile) = V(bateau) + 1/2V(voile) • V(voile de bateau) = 1/2V(bateau) + V(voile)

  25. Fonctions vectorielles • Pas seulement linéaire • S: GA(GADV(ADV),ADJ) • --> V(GA) = V(ADJ)^p(ADV) • p(très) = 2 • V(très content) = V(content)^2 • p(peu) = 1/2 • V(peu content) = V(content)^1/2

  26. Rétropropagation • V(Ni j) = V(Ni j)  V(Ni) • produit terme à terme  GNP   les fermes GN • V3’ du toit • V4’

  27. Application • Indexation de documents • Multilingue • Représente le domaine chevaux <--> équitation • Granularité Document, paragraphe, etc. • Index = (Vi, doc i)* rechercher = minimiser dist angle (V(requette) , V(doc i) )

  28. FIN

More Related