|
Apprentissage automatique et sciences du langage| old_uid | 15623 |
|---|
| title | Apprentissage automatique et sciences du langage |
|---|
| start_date | 2015/05/15 |
|---|
| schedule | 09h-12h15 |
|---|
| online | no |
|---|
| location_info | salle B011 |
|---|
| details | Organisateur : Laurent Prévot ; Contact : Caterina Petrone |
|---|
| summary | L'apprentissage automatique (AA) (ou Machine Learning ML) a d'abord
constitué une ligne de fracture entre le traitement automatique des
langues (TAL) et les sciences du langage en raison d'une part du grain
relative grossier des premiers travaux de ML et de petite taille des
corpus linguistiques. L'évolution de ces deux domaines renouvelle
cependant l'intérêt de travaux croisés. D'une part, les techniques
d'AA ont évolué très rapidement au point de proposer des méthodes
d'apprentissage de structures complexes (voir en en particulier
l'exposé de Pascal Denis sur les résolutions anaphores des
coréférences en discours). Par ailleurs, les outils d'apprentissage
automatique sont devenus beaucoup plus accessibles aux non-
spécialistes qu'ils ne l'étaient via (i) des package pour les outils
statistiques (e.g R), (ii) des API pour des langages de scripts
(Orange, Scikit,...), (iii) des outils stand-alone (Weka,...).
D'autre part, la taille des corpus utilisés en linguistique a
considérablement évolué, tant pour l'écrit (où utiliser le web comme
corpus est devenu pratique courante) qu'à l'oral où la taille des
corpus de parole augmente de manière régulière. Le contexte est donc
favorable à l'émergence de méthodologies permettant par exemple
d'ajouter des contraintes à l'approche typiquement data-driven de
l'apprentissage automatique (en particulier présentation de Philippe
Muller). Cette journée est aussi l'occasion d'écouter des collègues
d'AMU et de l'Université d'Avignon travaillant sur ces domaines. |
|---|
| responsibles | Bigi |
|---|
| |
|