Les fonds d'archives forment de grandes quantités de documents difficiles à interpréter automatiquement : les approches classiques imposent un lourd effort de conception, sans parvenir à empêcher la production d'erreurs qu'il faut corriger après les traitements. Face à ces limites, notre travail vise à améliorer la processus d'interprétation, en conservant un fonctionnement page par page, et en lui apportant des informations contextuelles extraites du fonds documentaire ou fournies par des opérateurs humains. Nous proposons une extension ciblée de la description d'une page qui permet la mise en place systématique d'échanges entre le processus d'interprétation et son environnement. Un mécanisme global itératif gère l'apport progressif d'informations contextuelles à ce processus, ce qui améliore l'interprétation. L'utilisation de ces nouveaux outils pour le traitement de documents du XVIIIe siècle a montré qu'il était facile d'intégrer nos propositions à un système existant, que sa conception restait simple, et que l'effort de correction pouvait être diminué.

Este estudo teve como objectivo determinar e formalizar as propriedades léxico-sintácticas dos adjectivos intransitivos, i.e., sem complementos, e que se constroem com sujeito humano, em português europeu contemporâneo. Uma das motivações subjacentes à escolha deste tema foi a aparente falta de economia descritiva resultante da dupla classificação de numerosas unidades lexicais como nomes e adjectivos. Efectivamente, muitos destes adjectivos têm sido classificados como nomes, por forma a dar conta dos casos em que aparecem em posições sintácticas tipicamente nominais. Esta ambiguidade encontra eco no fenómeno de criação lexical tradicionalmente designado como derivação imprópria (ou conversão). Nesta dissertação, defendemos que certos adjectivos humanos têm a propriedade de desempenhar superficialmente a função de núcleo de grupos nominais. Esta análise baseia-se na constatação de que, nessas construções sintácticas, os adjectivos exibem, geralmente, algumas propriedades que exibiriam se se encontrassem em contexto adnominal e de que é possível reconstituir o nome (humano) a que os mesmos se encontram associados. Entre as várias estruturas aqui analisadas, tratámos (i) as construções caracterizadoras indefinidas, em que o adjectivo aparece precedido de artigo indefinido; (ii) as construções cruzadas, em que o adjectivo ocupa a posição típica de núcleo de um grupo nominal; (iii) as orações exclamativas de insulto; e outras, cujas especificidades sintácticas, semânticas e discursivas procurámos igualmente clarificar. A investigação baseou-se na análise de 4.250 lemas adjectivais, que organizámos em diversas subclasses sintáctico-semânticas, de acordo com os princípios teórico-metodológicos do Léxico-Gramática, fundados na gramática transformacional de operadores harrissiana. As informações linguísticas foram formalizadas em matrizes léxico-sintácticas, o que permite, como ilustraremos, a sua utilização em diversas tarefas de processamento de linguagem natural (PLN), nomeadamente, na desambiguação e análise sintáctica automática de textos.

Ce mémoire porte sur mes travaux de recherche en traitement automatique des langues (TAL) et en fouille de données textuelles. Il présente comment ces travaux s'organisent autour de la problématique de l'accès à l'information dans les textes. Notre démarche s'appuie sur la prise en compte de l'aspect sémantique de la langue sous forme de modélisation linguistique et de ressources linguistiques pour le développement d'applications. La méthodologie de l'accès à l'information est donc ici vue comme un accès au sens à partir d'une modélisation linguistique relative à l'application visée plutôt qu'un accès aux formes de surface comme l'utilisent par exemple actuellement les méthodes prédominantes des moteurs de recherche. En retour, la formalisation du modèle linguistique et son expérimentation sur corpus visent à améliorer notre connaissance des phénomènes traités et permettre un retour qualitatif, c'est-à-dire explicatif, sur le modèle. L'intérêt pour les méthodes de fouille fondées sur les motifs et la volonté de les intégrer au TAL -- par exemple, pour acquérir automatiquement des ressources linguistiques et alimenter à moindre coût les systèmes de TAL -- procède de la même démarche. Une telle combinaison vise d'une part à repenser la manière dont les processus de TAL peuvent tirer bénéfice de méthodes de fouille spécifiquement adaptées au texte, et d'autre part à renforcer les processus de fouille, en fonction des spécificités de la donnée textuelle, par une prise en compte d'informations de nature linguistique visant notamment à sélectionner l'information la plus pertinente.

La problématique de l'analyse d'opinion connaît un intérêt croissant depuis une quinzaine d'années. Cette problématique mène à de nombreux travaux ayant des objectifs allant de la constitution de ressources lexicales à l'identification des cibles d'une opinion. Le cadre applicatif de notre étude est l'analyse automatique d'articles de journaux pour la veille d'opinion. Ce cadre est ambitieux vis-à-vis de l'état de l'art puisque nous sommes amené à étudier un grand nombre de critères propres à l'analyse d'opinion. Nous proposons un modèle conceptuel permettant de caractériser une opinion par la polarité, l'intensité, la prototypicalité, la cible, la source, l'engagement de l'auteur, etc. En particulier, nous modélisons la négation et ses effets sur l'intensité et la polarité. En plus des cas classiques de négation, nous sommes en mesure de modéliser des effets de rhétoriques tels que l'euphémisme ou la litote, très présents dans le genre journalistique. À partir de ce modèle conceptuel, nous présentons un ensemble de choix techniques permettant de préciser les ressources et traitements nécessaires à l'automatisation. Nous mettons en œuvre deux applications (en chinois et en français) de la chaîne de traitements issue du modèle permettant de confirmer la validité du modèle conceptuel ainsi que l'efficacité des traitements automatiques.

Cette thèse porte sur la fouille de graphes et propose un ensemble de méthodes pour la découverte de contrastes entre classes et leurs contributions à des problématiques de prédictions de propriétés (éco)toxicologiques de composés chimiques. Nous présentons un nouveau type de motifs, les motifs émergents de graphes - les conjonctions de graphes dont la présence est liée à la classification donnée en entrée - afin de cibler l'information caractérisant les différentes lasses. Notre méthode repose sur un changement de description des graphes permettant de revenir à un contexte de fouille de données tabulaires. L'étendue des contraintes utilisées en fouille de données tabulaires peut ainsi être exploitée, telle que la contrainte d'émergence. Nous montrons également qu'il est possible d'étendre aux motifs de graphes les représentations condensées de motifs sur la contrainte d'émergence. Cette méthode synthétise les motifs de graphes et facilite leur exploration et leur usages. Le fil conducteur de ce travail est celui de l'évaluation de propriétés (éco)toxicologiques de molécules par l'usage de modèles in silico, conformément à la norme européenne REACH. Dans ce contexte, les méthodes de fouille de graphes proposées permettent d'extraire des toxicophores (i.e. des fragments de molécules qui peuvent influencer le comportement toxique des molécules) à partir des exemples d'une chimiothèque. Une série expérimentale montre l'apparition de nouvelles structures lorsque le niveau de toxicité des molécules augmente. Ces travaux contribuent à l'acquisition de nouvelles connaissances sur les mécanismes de toxicité des molécules venant compléter les connaissances expertes humaines.

Dans les bibliothèques et les médiathèques, une caractéristique importante des fonds documentaires mis à disposition est qu'ils contiennent d'abondantes références a l'histoire, à la géographie, au patrimoine, en somme au territoire, et il est primordial pour ces centres de valoriser ces spécificités territoriales pour répondre à des objectifs d'information et d'éducation. Dans ce contexte, nous faisons l'hypothèse qu'en utilisant un point de vue géographique pour mod eliser un ensemble de ressources terminologiques utilisées pour indexer un fond documentaire, il est possible de faire émerger une représentation du territoire qui y est implicitement décrite. Concernant la modélisation de la connaissance en géomatique, de nombreux travaux s'appliquent à construire une représentation sémantique structurée géographique de domaines cibles. Cependant, il ne semble pas exister d'approche permettant de construire une représentation d'un territoire à partir de fonds documentaires annotés. Nous proposons donc une méthodologie complète et automatisée permettant de construire une couche conceptuelle de type ontologie d'un territoire, sur la base d'un fonds documentaire indexé par des experts. Nous positionnons nos travaux dans l'extraction et la structuration de la connaissance que nous appliquons dans le domaine de la géomatique en nous appuyant notamment sur des techniques provenant du Traitement Automatique du Langage Naturel. Nous entendons ici par territoire un ensemble de lieux que l'on peut mettre en relation selon un ensemble de thèmes en fonction d'une période donnée. Ainsi, nous présentons un complément original s'appuyant sur le travail d'indexation réalisé par les experts documentalistes sur un fonds documentaire pour faire émerger une ontologie d'un territoire implicitement décrit dans les documents. Une contribution importante de notre travail concerne l'enrichissement de fa con incrémentale de la représentation d'un territoire. Nous proposons pour cela une chaine de TALN qui permet de marquer dans des documents textes annotés un ensemble d'informations spatiales, temporelles et thématiques qui nous sert de base pour l'enrichissement de la représentation d'un territoire. Une perspective à ces travaux est de pouvoir valider notre approche sur plusieurs fonds documentaires d'origines diverses. L'intérêt sera de proposer une méthode qui, sur la base des représentations de territoires obtenues, permettrait d'identifier et de représenter les spécificités de chaque fonds documentaire.

Les technologies de traduction automatique existantes sont à présent vues comme une approche prometteuse pour aider à produire des traductions de façon efficace et à coût réduit. Cependant, l'état de l'art actuel ne permet pas encore une automatisation complète du processus et la coopération homme/machine reste indispensable pour produire des résultats de qualité. Une pratique usuelle consiste à post-éditer les résultats fournis par le système, c'est-à-dire effectuer une vérification manuelle et, si nécessaire, une correction des sorties erronées du système. Ce travail de post-édition effectué par les utilisateurs sur les résultats de traduction automatique constitue une source de données précieuses pour l'analyse et l'adaptation des systèmes. La problématique abordée dans nos travaux s'intéresse à développer une approche capable de tirer avantage de ces retro-actions (ou post-éditions) d'utilisateurs pour améliorer, en retour, les systèmes de traduction automatique. Les expérimentations menées visent à exploiter un corpus d'environ 10 000 hypothèses de traduction d'un système probabiliste de référence, post-éditées par des volontaires, par le biais d'une plateforme en ligne. Les résultats des premières expériences intégrant les post-éditions, dans le modèle de traduction d'une part, et par post-édition automatique statistique d'autre part, nous ont permis d'évaluer la complexité de la tâche. Une étude plus approfondie des systèmes de post-éditions statistique nous a permis d'évaluer l'utilisabilité de tels systèmes ainsi que les apports et limites de l'approche. Nous montrons aussi que les post-éditions collectées peuvent être utilisées avec succès pour estimer la confiance à accorder à un résultat de traduction automatique. Les résultats de nos travaux montrent la difficulté mais aussi le potentiel de l'utilisation de post-éditions d'hypothèses de traduction automatiques comme source d'information pour améliorer la qualité des systèmes probabilistes actuels.

Certaines applications du traitement automatique des langues sont amenées à traiter des flux de données textuelles caractérisés par l'emploi d'un vocabulaire en perpétuelle évolution, que ce soit au niveau de la création des mots que des sens de ceux existant déjà. En partant de ce constat, nous avons mis au point un algorithme incrémental pour construire automatiquement et faire évoluer une base lexicale qui répertorie des unités lexicales non étiquetées sémantiquement observées dans des flux. Cette base lexicale est représentée par un treillis de Galois qui organise des concepts formels (assimilés à des unités de sens) sur des niveaux de granularité allant du très spécifique au très général. Cette représentation est complétée par une modélisation vectorielle visualisable qui tient compte des aspects continus du sens et de la proximité sémantique entre concepts. Ce modèle est alors exploité pour propager l'étiquetage manuel d'un petit nombre d'entités nommées (EN : unités lexicales qui se référent habituellement à des personnes, des lieux, des organisations...) à d'autres EN non étiquetées observées dans un flux pendant la construction incrémentale du treillis. Les concepts de ce treillis sont enrichis avec les étiquettes d'EN observées dans un corpus d'apprentissage. Ces concepts et leurs étiquettes attachées sont respectivement employés pour l'annotation non supervisée et la classification supervisée des EN d'un corpus de test.

L'extraction de connaissances à partir de données incomplètes constitue un axe de recherche en plein essor. Dans cette thèse, nous y contribuons par la proposition d'une méthode de complétion des valeurs manquantes. Nous commençons par aborder cette problématique par la définition de modèles d'apparition des valeurs manquantes. Nous en proposons une nouvelle typologie en fonction des données connues et nous les caractérisons de façon non redondante grâce à la base d'implications propres. Un algorithme de calcul de cette base de règles, formalisé à partir de la théorie des hypergraphes, est également proposé dans cette thèse. Ensuite, nous exploitons les informations fournies lors de l'étape de caractérisation afin de proposer une méthode de complétion contextualisée, qui complète les valeurs manquantes selon le type aléatoire/non-aléatoire et selon le contexte. La complétion des valeurs manquantes non aléatoires est effectuée par des valeurs spéciales, renfermant intrinsèquement les origines des valeurs manquantes et déterminées grâce à des schémas de caractérisation. Finalement, nous nous intéressons aux techniques d'évaluation des méthodes de complétion et nous proposons une nouvelle technique fondée sur la stabilité d'un clustering entre les données de référence et les données complétées.

Submitted by Osvaldo Barreto Oliveira Júnior (osvaldobojr@yahoo.com.br) on 2016-02-13T15:56:18Z No. of bitstreams: 1 TESE OSVALDO.pdf: 3699200 bytes, checksum: 9fa113614874c42f8260d789127aa702 (MD5) / Approved for entry into archive by Maria Auxiliadora da Silva Lopes (silopes@ufba.br) on 2016-02-15T14:55:25Z (GMT) No. of bitstreams: 1 TESE OSVALDO.pdf: 3699200 bytes, checksum: 9fa113614874c42f8260d789127aa702 (MD5) / Made available in DSpace on 2016-02-15T14:55:25Z (GMT). No. of bitstreams: 1 TESE OSVALDO.pdf: 3699200 bytes, checksum: 9fa113614874c42f8260d789127aa702 (MD5) / Fundação de Amparo à Pesquisa do Estado da Bahia (FAPESB) / As concepções de coerência e coesão apreendidas pelos professores, no continuum formação docente e exercício profissional, ressoam significativamente nas abordagens do texto em sala de aula, uma vez que, como sujeitos do conhecimento, os professores produzem saberes que mantêm íntima relação com o trabalho que desenvolvem no exercício da docência. Por essa razão, diante do desafio de atribuir ao texto centralidade no processo de ensino-aprendizagem da língua na escola, os saberes docentes sobre coerência e coesão influenciam as atividades de leitura e de escrita desenvolvidas em sala de aula. Fundada nesse argumento, esta pesquisa objetivou compreender como professores de língua portuguesa do Ensino Médio concebem fenômenos centrais abordados nos estudos textuais, como coerência e coesão, e quais as ressonâncias dessas concepções nas atividades de ensino-aprendizagem da leitura e da escrita que esses profissionais desenvolvem com seus alunos. Para isso, foi desenvolvida uma pesquisa qualitativa - com amostragem por caso único, do tipo meio institucional - acionando dois procedimentos: a entrevista compreensiva e a observação participante. A pesquisa contou com a colaboração voluntária de três professora de língua portuguesa do meio institucional onde foi realizada. Pela entrevista compreensiva, consubstanciada em cinco momentos distintos de conversação com cada uma das professoras participantes deste estudo, tornou-se possível construir diálogos sobre questões centrais implicadas nos tratamentos hermenêuticos e pedagógicos do texto, com destaque para coerência e coesão. Essas conversações foram transcritas e analisadas, visando a uma compreensão responsiva ativa sobre as concepções investigadas. Pela observação participante, foi possível participar do acontecimento aula e analisar as abordagens do texto durante as aulas de língua portuguesa. Para a realização dessa análise, acionamos o aporte teórico das proposições construídas pelas pesquisas da Linguística Textual sobre a adoção do texto como eixo central nos processos pedagógicos. A interpretação dos dados obtidos evidenciou dois modos distintos de abordagem do texto em sala de aula: como produto, cujo sentido é pré-definido no momento de produção, ressoando concepções de coerência e de coesão como qualidades formais apresentadas pela superfície textual; e como processo, cujos sentidos podem ser consubstanciados durante a interação, ressoando concepções de coerência e coesão como atividades coconstruídas pelos interlocutores. A realização dessa pesquisa permitiu compreender que os saberes sobre coerência e coesão desenvolvidos pelos sujeitos deste estudo se sobrepõem a outros no que se refere a adoção do texto como eixo central do processo pedagógico de ensino da língua. Isso porque, ao pensarem o texto, formulando um conceito, as docentes parecem ativar uma espécie de frame, associando esse conceito a outros correlatos. Nessa associação, nem sempre o conceito de língua é relacionado diretamente ao de texto, como geralmente se faz nas teorias e pesquisas linguísticas. Então, para que o texto assuma a centralidade das atividades desenvolvidas em sala de aula, é preciso mais investimento em formação do professor, possibilitando-lhe desenvolver concepções que ressoem, em seu fazer pedagógico, abordagens do texto como processo, possibilidade de sentido, em vez de se perpetuarem abordagens estruturais não condizentes como as instabilidades do processamento textual. / ABSTRACT The conceptions of coherence and cohesion thought by teachers in their continuum teaching formation and professional exercise resonate meaningfully in their approaches of texts in the classroom since, as subjects of knowledge, teachers produce knowledge which keep intimate relationship with the work they perform in their teaching exercise. For this reason, before the challenge to assign the text a central role in the teaching-learning process of a language in schools, teachers’ concept about coherence and cohesion influence reading and writing activities performed in the classroom. Based on this argument, this research aimed to understand how high schools teachers of Portuguese Language conceive the central phenomena addressed in the study of texts, like coherence and cohesion, and what are the resonances of the conceptions on the teaching-learning activities when it comes to reading and writing activities performed by these professionals with their students. To understand this, this qualitative research - with sampling taken from a single case, the type institutional environment - drove two methodologies of investigation- comprehensive interviews and participatory observation- and had voluntary collaboration of three teachers of Portuguese Language belonging to the institution where the research took place. Through comprehensive interviews, which were consubstantiated in five distinct moments of a conversation with each one of the informants, it was possible to build dialogs about central issues involved in the hermeneutic and pedagogical treatment of a text, highlighting coherence and cohesion. These conversations were transcribed and analyzed with a view to a responsive and active understanding about the investigated conceptions. Through a participatory observation it was possible to be part of this event- the class- and analyze the approaches of texts during classes of Portuguese Language. To perform this analysis, we linked the theoretical approach of the propositions built through the researches of the textual linguistic about the adoption of the text as the central axis in the pedagogical process. The interpretation of the obtained data made evident two distinct ways of approaching the text in the classroom: as a product on which the meaning is predefined in the moment of the writing process which resonate conceptions of coherence and cohesion as formal qualities presented through the text surface; and as a process on which the meaning may be embodied by the interlocutors. The concretization of this research made possible to comprehend that the knowledge about cohesion and coherence developed by teachers overlap others when it comes to the adoption of the text as the central axis of the pedagogical process in the teaching of the language. That is why, when they think the text and they formulate concepts, students seem activate a kind of frame, linking this concept to others. In this link, not always, the concept of language is mentioned directly to the one of text, as is usually done, in the theories and linguistic research. Thus, in order to make the text to be the central part of the activities developed in the classroom, more investments are necessary on the generation of teachers, allowing them the development of concepts which resonate in their pedagogical practice, approaches of the text as a process, a possibility of meaning instead of perpetuating structural approaches which are not befitting with the instability of text processing. / RESUMEN Los conceptos de coherencia y de cohesión adquiridos por los profesores en el continuum formación docente y práctica profesional resuenan de manera significativa en sus enfoques de textos en el aula, ya que, como sujetos de conocimiento, los maestros producen conocimientos que guardan íntima relación con el trabajo que realizan en su ejercicio docente. Por esta razón, ante el reto de asignar al texto un papel central en el proceso de enseñanza-aprendizaje de la lengua en la escuela, los conceptos de los profesores acerca de la coherencia y la cohesión influyen en las actividades de lectura y escritura realizadas en el aula. Con base en este argumento, esta investigación tuvo como objetivo comprender cómo los maestros de lengua portuguesa en la Enseñanza Media conciben los fenómenos centrales abordados en estudios textuales, tales como la coherencia y la cohesión, y cuáles son las resonancias de estas concepciones sobre las actividades de enseñanza-aprendizaje de lectura y escritura realizadas por estos profesionales con sus alumnos. Para ello, una investigación cualitativa fue desarrollada – con el muestreo tomado de un solo caso del medio institucional – desencadenando dos metodologías de investigación: la entrevista comprensiva y la observación participante. La encuesta contó con la colaboración voluntaria de tres maestras de lengua portuguesa del entorno institucional en el que se celebró. A través de entrevistas comprensivas, consustanciadas en cinco momentos distintos de conversación con cada uno de los informantes, fue posible construir diálogos sobre cuestiones fundamentales que intervienen en el tratamiento hermenéutico y pedagógico del texto, destacando la coherencia y la cohesión. Estas conversaciones fueron transcritas y analizadas, con miras a la comprensión responsiva activa acerca de las concepciones investigadas. Através de la observación participante, fue posible participar en el evento-clase y analizar el enfoque de los textos durante las clases de lengua portuguesa. Para llevar a cabo este análisis, hemos accionado el enfoque teórico de las proposiciones construidas a través de las investigaciones de la Lingüística Textual sobre la adopción del texto como el eje central en el proceso pedagógico. La interpretación de los datos obtenidos mostró dos maneras distintas de abordar el texto en el aula: como un producto cuyo significado está predefinido en el momento de la producción, que resuena concepciones de coherencia y cohesión como cualidades formales presentadas a través de la superficie del texto; y como proceso, cuyos significados pueden ser justificados durante la interacción, resonando concepciones de coherencia y cohesión como actividades coconstruídas por los interlocutores. La concretización de esta investigación hizo posible comprender que los conocimientos sobre la cohesión y la coherencia desarrollados por los profesores se superponen a los demás cuando se trata de la adopción del texto como el eje central del proceso pedagógico en la enseñanza del idioma. Por eso, cuando piensan el texto y formulan un concepto, los estudiantes parecen activar un tipo de frame, que relaciona este concepto a otros. En esta conexión, no es siempre que el concepto de lengua está directamente asociado al concepto de texto, como suele ocurrir en las teorías y investigaciones lingüísticas. Así que, para el texto asumir el centro de las actividades desarrolladas en el aula, son necesarias más inversiones en la formación de los maestros, lo que les permitirá desarrollar conceptos que resuenen en sus actividades pedagógicas enfoques de texto como proceso, posibilidades de significado, en lugar de perpetuar los enfoques estructurales inconsistentes con la inestabilidad del procesamiento textual.