L'objectif général de ce travail est d'évaluer la possibilité de mise en œuvre de techniques à base de corpus aux différents niveaux de traitement automatique du langage naturel (lexical, syntaxique, sémantique, ...). Nous nous sommes d'abord intéressés aux corpus eux-mêmes, et, en particulier, aux problèmes posés par la manipulation de volumes importants de données textuelles de nature et d'origine variées. L'importance des normes et des standards (ISO, SGML) a été soulignée et les résultats de projets en cours dans le domaine de la structuration des documents (TEI-Text Encoding Initiative) et de la représentation normalisée des unités lexicales (projet MULTEXT, action GRACE) ont été présentés. Pour ce qui est du traitement du langage naturel proprement dit, nous avons présenté les différents modèles d'analyse syntaxique probabiliste utilisé ; en particulier, nous nous sommes intéressés : (1) à la probabilisation des modèles syntaxiques à états finis sous la forme de chaînes de Markov à états cachés ; (2) à la probabilisation des modèles non-contextuels sous la forme de grammaires stochastiques ; (3) à la probabilisation des modèles à base d'arbres, en particulier celle des grammaires à substitution d'arbres et leur application dans le domaine de l'analyse syntaxique guidée par le données (========Prime;Date Oriented Parsing========Prime;). Au niveau sémantique, nous nous sommes consacrés à la définition d'un modèle sémantique, la «sématique distributionnelle», permettant la prise en compte, au niveau du sens, d'informations de co-occurrence entre entités linguistiques élémentaires (lemmes par exemple). Nous avons ensuite appliqué ce modèle, qui peut être vu comme un prolongement des techniques de la lexicomètre et de l'analyse de données textuelles dans le champ de l'informatique linguistique, à deux types d'applications particulières de traitement du langage naturel : (1) la classification automatique de documents, et, (2) la recherche documentaire en texte intégral.

EXPLOR_STEP=$WICRI_ROOT/Wicri/Ticri/explor/TeiVM2/Data/Main/Exploration

HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 000466 | SxmlIndent | more

HfdSelect -h $EXPLOR_AREA/Data/Main/Exploration/biblio.hfd -nk 000466 | SxmlIndent | more

{{Explor lien
   |wiki=    Wicri/Ticri
   |area=    TeiVM2
   |flux=    Main
   |étape=   Exploration
   |type=    RBID
   |clé=     Pascal:98-0302758
   |texte=   APPORTS D'UNE APPROCHE À BASE DE CORPUS AUX TECHNIQUES DE TRAITEMENT AUTOMATIQUE DU LANGAGE NATUREL
}}