Le développement croissant des données numériques et l'explosion des accès multimédia à l'information, sont confrontés au manque d'outils automatiques efficaces. Dans ce cadre, plusieurs approches relatives à l'indexation et la structuration de la bande sonore de documents audiovisuels sont proposées. Leurs buts sont de détecter les composantes primaires telles que la parole, la musique et les sons clés (jingles, sons caractéristiques, mots clés...). Pour la classification parole/musique, trois paramètres inhabituels sont extraits : la modulation de l'entropie, la durée des segments (issue d'une segmentation automatique) et le nombre de ces segments par seconde. Les informations issues de ces trois paramètres sont ensuite fusionnées avec celle issue de la modulation de l'énergie à quatre hertz. Des expériences sur un corpus radiophonique montrent la robustesse de ces paramètres : notre système possède un taux de classification correcte supérieur à 90%. Le système est ensuite comparé, puis fusionné à un système classique basé sur des Modèles de Mélanges de lois Gaussiennes (MMG) et une analyse cepstrale. Un autre partitionnement consiste à détecter des sons clés. La sélection de candidats potentiels est effectuée en comparant la « signature » de chacun des jingles au flux de données. Ce système est simple par sa mise en œuvre mais rapide et très efficace : sur un corpus audiovisuel d'une dizaine d'heures (environ 200 jingles) aucune fausse alarme n'est présente. Il y a seulement deux omissions dans des conditions extrêmes. Les sons caractéristiques (applaudissements et rires) sont modélisés à l'aide de MMG dans le domaine spectral. Un corpus télévisuel permet de valider cette première étude par des résultats encourageants. La détection de mots clés est effectuée de manière classique : il ne s'agit pas ici d'améliorer les systèmes existants mais de se placer toujours dans un besoin de structuration. Ainsi, ces mots clés renseignent sur le type des émissions (journal, météo, documentaire...). Grâce à l'extraction de ces composantes primaires, les émissions audiovisuelles peuvent être annotées de manière automatique. Au travers de deux études, une réflexion est conduite quant à l'utilisation de ces composantes afin de trouver une structure temporelle aux documents. La première étude permet une détection d'un motif récurrent dans une collection d'émissions, dites de plateau, alors que la seconde réalise la structuration en thèmes d'un journal télévisé. Quelques pistes de réflexions sur l'apport de l'analyse vidéo sont développées et les besoins futurs sont explorés.

Les lexiques sémantiques sont des ressources indispensables pour permettre à de nombreuses applications de traitement automatique des langues (résumé automatique, recherche d'information, traduction automatique, etc.) d'accéder au sens d'un texte. La question de la pertinence des informations présentes dans de tels lexiques est cruciale : le sens d'un mot comme navet, par exemple, varie considérablement selon que le texte étudié est consacré à la gastronomie ou à la cinématographie. Un moyen économique et linguistiquement motivé de disposer de descriptions de sens de mots réellement pertinentes est d'« apprendre » celles-ci à partir de l'utilisation effective des mots dans un corpus, collection de textes représentative d'un domaine d'expression. Nous proposons pour tenter de répondre à ce défi une méthodologie d'acquisition automatique sur corpus d'informations lexicales sémantiques en trois étapes, fondée sur les principes linguistiques de la Sémantique interprétative de F. Rastier. Par analyse statistique et comparaison des modes d'emploi des mots, en utilisant des méthodes classiques ou originales, nous parvenons tout d'abord à rapprocher des mots appartenant à un même domaine (par exemple donnée, transfert, réseau pour les NTIC), puis des mots de sens similaires (donnée et information). Enfin, nous proposons une première méthode permettant la mise au jour de nuances fines marquant des distinctions de sens entre mots proches (donnée est plus « concret » que information), ce qui constitue un résultat encore inédit en acquisition automatique d'informations lexicales sémantiques.

En 2015, le nombre de nouveaux cas de cancer du sein en France s'élève à 54 000. Le taux de survie 5 ans après le diagnostic est de 89 %. Si les traitements modernes permettent de sauver des vies, certains sont difficiles à supporter. De nombreux projets de recherche clinique se sont donc focalisés sur la qualité de vie (QdV) qui fait référence à la perception que les patients ont de leurs maladies et de leurs traitements. La QdV est un critère d'évaluation clinique pertinent pour évaluer les avantages et les inconvénients des traitements que ce soit pour le patient ou pour le système de santé. Dans cette thèse, nous nous intéresserons aux histoires racontées par les patients dans les médias sociaux à propos de leur santé, pour mieux comprendre leur perception de la QdV. Ce nouveau mode de communication est très prisé des patients car associé à une grande liberté du discours due notamment à l'anonymat fourni par ces sites.L’originalité de cette thèse est d’utiliser et d'étendre des méthodes de fouille de données issues des médias sociaux pour la langue Française. Les contributions de ce travail sont les suivantes : (1) construction d’un vocabulaire patient/médecin ; (2) détection des thèmes discutés par les patients; (3) analyse des sentiments des messages postés par les patients et (4) mise en relation des différentes contributions citées.Dans un premier temps, nous avons utilisé les textes des patients pour construire un vocabulaire patient/médecin spécifique au domaine du cancer du sein, en recueillant divers types d'expressions non-expertes liées à la maladie, puis en les liant à des termes biomédicaux utilisés par les professionnels de la santé. Nous avons combiné plusieurs méthodes de la littérature basées sur des approches linguistiques et statistiques. Pour évaluer les relations obtenues, nous utilisons des validations automatiques et manuelles. Nous avons ensuite transformé la ressource construite dans un format lisible par l’être humain et par l’ordinateur en créant une ontologie SKOS, laquelle a été intégrée dans la plateforme BioPortal.Dans un deuxième temps, nous avons utilisé et étendu des méthodes de la littérature afin de détecter les différents thèmes discutés par les patients dans les médias sociaux et de les relier aux dimensions fonctionnelles et symptomatiques des auto-questionnaires de QdV (EORTC QLQ-C30 et EORTC QLQ-BR23). Afin de détecter les thèmes, nous avons appliqué le modèle d’apprentissage non supervisé LDA avec des prétraitements pertinents. Ensuite, nous avons proposé une méthode permettant de calculer automatiquement la similarité entre les thèmes détectés et les items des auto-questionnaires de QdV. Nous avons ainsi déterminé de nouveaux thèmes complémentaires à ceux déjà présents dans les questionnaires. Ce travail a ainsi mis en évidence que les données provenant des forums de santé sont susceptibles d'être utilisées pour mener une étude complémentaire de la QdV.Dans un troisième temps, nous nous sommes focalisés sur l’extraction de sentiments (polarité et émotions). Pour cela, nous avons évalué différentes méthodes et ressources pour la classification de sentiments en Français. Ces expérimentations ont permis de déterminer les caractéristiques utiles dans la classification de sentiments pour différents types de textes, y compris les textes provenant des forums de santé. Finalement, nous avons utilisé les différentes méthodes proposées dans cette thèse pour quantifier les thèmes et les sentiments identifiés dans les médias sociaux de santé.De manière générale, ces travaux ont ouvert des perspectives prometteuses sur diverses tâches d'analyse des médias sociaux pour la langue française et en particulier pour étudier la QdV des patients à partir des forums de santé. / In 2015, the number of new cases of breast cancer in France is 54,000.The survival rate after 5 years of cancer diagnosis is 89%.If the modern treatments allow to save lives, some are difficult to bear. Many clinical research projects have therefore focused on quality of life (QoL), which refers to the perception that patients have on their diseases and their treatments.QoL is an evaluation method of alternative clinical criterion for assessing the advantages and disadvantages of treatments for the patient and the health system. In this thesis, we will focus on the patients stories in social media dealing with their health. The aim is to better understand their perception of QoL. This new mode of communication is very popular among patients because it is associated with a great freedom of speech, induced by the anonymity provided by these websites.The originality of this thesis is to use and extend social media mining methods for the French language. The main contributions of this work are: (1) construction of a patient/doctor vocabulary; (2) detection of topics discussed by patients; (3) analysis of the feelings of messages posted by patients and (4) combinaison of the different contributions to quantify patients discourse.Firstly, we used the patient's texts to construct a patient/doctor vocabulary, specific to the field of breast cancer, by collecting various types of non-experts' expressions related to the disease, linking them to the biomedical terms used by health care professionals. We combined several methods of the literature based on linguistic and statistical approaches. To evaluate the relationships, we used automatic and manual validations. Then, we transformed the constructed resource into human-readable format and machine-readable format by creating a SKOS ontology, which is integrated into the BioPortal platform.Secondly, we used and extended literature methods to detect the different topics discussed by patients in social media and to relate them to the functional and symptomatic dimensions of the QoL questionnaires (EORTC QLQ-C30 and EORTC QLQ-BR23). In order to detect the topics discussed by patients, we applied the unsupervised learning LDA model with relevant preprocessing. Then, we applied a customized Jaccard coefficient to automatically compute the similarity distance between the topics detected with LDA and the items in the auto-questionnaires. Thus, we detected new emerging topics from social media that could be used to complete actual QoL questionnaires. This work confirms that social media can be an important source of information for the study of the QoL in the field of cancer.Thirdly, we focused on the extraction of sentiments (polarity and emotions). For this, we evaluated different methods and resources for the classification of feelings in French.These experiments aim to determine useful characteristics in the classification of feelings for different types of texts, including texts from health forums.Finally, we used the different methods proposed in this thesis to quantify the topics and feelings identified in the health social media.In general, this work has opened promising perspectives on various tasks of social media analysis for the French language and in particular the study of the QoL of patients from the health forums.

Doctorat en philosophie et lettres / info:eu-repo/semantics/nonPublished

Doctorat en philosophie et lettres / info:eu-repo/semantics/nonPublished

Doctorat en philosophie et lettres / info:eu-repo/semantics/nonPublished

Doctorat en philosophie et lettres / info:eu-repo/semantics/nonPublished

Un nombre croissant de sources de données est publié sur le Web, décrites dans les langages proposés par le W3C tels que RDF, RDF(S) et OWL. Une quantité de données sans précédent est ainsi disponible pour les utilisateurs et les applications, mais l'exploitation pertinente de ces sources constitue encore un défi : l'interrogation des sources est en effet limitée d'abord car elle suppose la maîtrise d'un langage de requêtes tel que SPARQL, mais surtout car elle suppose une certaine connaissance de la source de données qui permet de cibler les ressources et les propriétés pertinentes pour les besoins spécifiques des applications. Le travail présenté ici s'intéresse à l'exploration de sources de données RDF, et ce selon deux axes complémentaires : découvrir d'une part les thèmes sur lesquels porte la source de données, fournir d'autre part un support pour l'interrogation d'une source sans l'utilisation de langage de requêtes, mais au moyen de mots clés. L'approche d'exploration proposée se compose ainsi de deux stratégies complémentaires : l'exploration thématique et la recherche par mots clés. La découverte de thèmes dans une source de données RDF consiste à identifier un ensemble de sous-graphes, non nécessairement disjoints, chacun représentant un ensemble cohérent de ressources sémantiquement liées et définissant un thème selon le point de vue de l'utilisateur. Ces thèmes peuvent être utilisés pour permettre une exploration thématique de la source, où les utilisateurs pourront cibler les thèmes pertinents pour leurs besoins et limiter l'exploration aux seules ressources composant les thèmes sélectionnés. La recherche par mots clés est une façon simple et intuitive d'interroger les sources de données. Dans le cas des sources de données RDF, cette recherche pose un certain nombre de problèmes, comme l'indexation des éléments du graphe, l'identification des fragments du graphe pertinents pour une requête spécifique, l'agrégation de ces fragments pour former un résultat, et le classement des résultats obtenus. Nous abordons dans cette thèse ces différents problèmes, et nous proposons une approche qui permet, en réponse à une requête mots clés, de construire une liste de sous-graphes et de les classer, chaque sous-graphe correspondant à un résultat pertinent pour la requête. Pour chacune des deux stratégies d'exploration d'une source RDF, nous nous sommes intéressés à prendre en compte de la connaissance externe, permettant de mieux répondre aux besoins des utilisateurs. Cette connaissance externe peut représenter des connaissances du domaine, qui permettent de préciser le besoin exprimé dans le cas d'une requête, ou de prendre en compte des connaissances permettant d'affiner la définition des thèmes. Dans notre travail, nous nous sommes intéressés à formaliser cette connaissance externe et nous avons pour cela introduit la notion de pattern. Ces patterns représentent des équivalences de propriétés et de chemins dans le graphe représentant la source. Ils sont évalués et intégrés dans le processus d'exploration pour améliorer la qualité des résultats. / An increasing number of datasets is published on the Web, expressed in languages proposed by the W3C to describe Web data such as RDF, RDF(S) and OWL. The Web has become a unprecedented source of information available for users and applications, but the meaningful usage of this information source is still a challenge. Querying these data sources requires the knowledge of a formal query language such as SPARQL, but it mainly suffers from the lack of knowledge about the source itself, which is required in order to target the resources and properties relevant for the specific needs of the application. The work described in this thesis addresses the exploration of RDF data sources. This exploration is done according to two complementary ways: discovering the themes or topics representing the content of the data source, and providing a support for an alternative way of querying the data sources by using keywords instead of a query formulated in SPARQL. The proposed exploration approach combines two complementary strategies: thematic-based exploration and keyword search. Theme discovery from an RDF dataset consists in identifying a set of sub-graphs which are not necessarily disjoints, and such that each one represents a set of semantically related resources representing a theme according to the point of view of the user. These themes can be used to enable a thematic exploration of the data source where users can target the relevant theme and limit their exploration to the resources composing this theme. Keyword search is a simple and intuitive way of querying data sources. In the case of RDF datasets, this search raises several problems, such as indexing graph elements, identifying the relevant graph fragments for a specific query, aggregating these relevant fragments to build the query results, and the ranking of these results. In our work, we address these different problems and we propose an approach which takes as input a keyword query and provides a list of sub-graphs, each one representing a candidate result for the query. These sub-graphs are ordered according to their relevance to the query. For both keyword search and theme identification in RDF data sources, we have taken into account some external knowledge in order to capture the users needs, or to bridge the gap between the concepts invoked in a query and the ones of the data source. This external knowledge could be domain knowledge allowing to refine the user's need expressed by a query, or to refine the definition of themes. In our work, we have proposed a formalization to this external knowledge and we have introduced the notion of pattern to this end. These patterns represent equivalences between properties and paths in the dataset. They are evaluated and integrated in the exploration process to improve the quality of the result.

Thèse en cotutelle : Université Laval Québec, Canada et Ghent University, Gent, Belgique / Notre étude porte sur un corpus transnational (États-Unis, France, Italie, Espagne et Canada) de romans et de récits qui traitent des guerres d'Irak et d'Afghanistan et qui ont été écrits à la fois par des civils et des anciens combattants. Dans le contexte du retrait progressif des troupes occidentales dans la région jusqu'à la fin de la mission américaine en 2021, nous nous sommes demandé quel sens la fiction peut donner à vingt années d'interventions armées dans ces conflits et de quelle manière elle raconte la sortie de guerre. Après avoir relevé la présence de références subtiles, mais récurrentes, aux traumatismes sociaux de la guerre du Vietnam, nous avons remarqué que l'affect négatif entourant ces représentations finissait par se transformer en force positive. Le syndrome de stress post-traumatique devient croissance post-traumatique, la prison devient purgation, le mensonge devient fiction, l'Agent Orange devient fertilisation et les tueurs de bébés deviennent sauveurs d'enfants. Les personnages, qui sont le plus souvent traumatisés par leur expérience en Irak ou en Afghanistan, mobilisent paradoxalement l'imaginaire du Vietnam pour se libérer de l'emprise de la guerre. Enfermés dans un espace traduisant leur état mental, ils s'enfuient par procuration au sein d'espaces symboliques qui refigurent les deux univers traumatiques. Nous avons entrepris de retracer ce repli imaginaire qui prend la forme d'une stratégie de sortie, car il révèle le fantasme des sociétés occidentales, qui rêvent d'un désengagement militaire et cherchent à conjurer leurs démons. Les critiques font souvent référence aux termes de tactiques, d'opérations et de stratégies narratives, mais nous avons cherché à retrouver le sens militaire de ces concepts pour analyser la littérature de guerre. / This study focuses on a transnational corpus (United States, France, Italy, Spain, and Canada) of novels and stories written by both civilians and veterans about the Iraq and Afghanistan wars. Against the background of the gradual withdrawal of Western troops from the region until the disengagement of the U.S. forces in 2021, we asked ourselves what meaning fiction can give to twenty years of armed intervention in these conflicts and what kind of picture it paints of the aftermath. After identifying subtle but repeated references to the social traumas of the Vietnam War, we observed that the negative emotion associated with such portrayals was eventually transformed into a constructive and empowering force. Post-traumatic stress disorder becomes post-traumatic growth, prison becomes purgation, lies become fiction, Agent Orange becomes a fertilizer, and baby killers become saviors of children. Paradoxically, characters who are often traumatized by their experience in Iraq or Afghanistan harness the mythos of the Vietnam war to free themselves from the grip of war. Locked in a space that reflects their mental state, they escape by proxy into symbolic spaces that recast the two traumatic worlds. We set out to investigate this notional withdrawal, which takes the form of an exit strategy that brings to light the desire of Western societies to pull out of their military commitments and by the same token, ward off their demons. While critics often refer to terms such as tactics, operations and narrative strategies, we have instead sought to reclaim the military meaning behind these concepts in order to analyze the literature of war. / Ons onderzoek richt zich op een transnationaal corpus (Verenigde Staten, Frankrijk, Italië, Spanje en Canada) van romans en verhalen die handelen over de oorlogen in Irak en Afghanistan en geschreven zijn door zowel burgers als veteranen. In de context van de geleidelijke terugtrekking van de westerse troepen uit de regio tot het einde van de Amerikaanse missie in 2021, vroegen we ons af welke zin fictie kan geven aan twintig jaar gewapende interventie in deze conflicten en hoe literaire teksten het einde van de oorlog verhalen. We stelden vast dat veel verwijzingen naar de sociale trauma's van de Vietnamoorlog op een subtiele manier vaak terug komen, maar merkten tegelijk op dat het negatieve affect rond deze voorstellingen wordt omgevormd tot een positieve kracht. Posttraumatische stress-stoornis wordt vervangen door posttraumatische groei, gevangenis wordt loutering, leugens worden fictie, Agent Orange wordt bevruchting en babymoordenaars worden redders van kinderen. De personages, die meestal getraumatiseerd zijn door hun ervaringen in Irak of Afghanistan, mobiliseren paradoxaal genoeg de verbeelding van Vietnam om zich te bevrijden uit de greep van de oorlog. Opgesloten in een ruimte die hun mentale toestand weerspiegelt, vluchten ze bij volmacht in symbolische ruimtes die de twee traumatische werelden weerspiegelen. Wij hebben getracht deze denkbeeldige terugtrekking, die de vorm aanneemt van een exit-strategie, te traceren omdat ze het droombeeld blootlegt van de westerse samenlevingen die dromen van een militaire terugtrekking en hun demonen proberen te bezweren. Critici verwijzen vaak naar termen als tactieken, operaties en narratieve strategieën, maar wij hebben geprobeerd om de militaire betekenis van deze concepten terug te vinden om de oorlogsliteratuur te analyseren.

Ce mémoire est composé de trois parties distinctes. La première partie consiste en un recueil de fragments, L'Œil de la libellule. Constitué de réflexions, d'aphorismes, de poèmes, de micro-fictions et autres textes brefs, ce recueil explore par facettes des questionnements existentiels, en lien notamment avec la nature humaine, la mémoire, la perception du monde, les relations amoureuses et familiales, la solitude et l'écriture. La seconde partie est un essai critique portant sur les liens unissant écriture fragmentaire, mémoire, mort et survie dans Le Cœur secret de l'horloge d'Elias Canetti. Plus précisément, je discuterai de la stratégie employée par l'auteur pour, d'une part, s'assurer la postérité littéraire, et d'autre part, atteindre l'immortalité par la métamorphose. La troisième partie est un court essai portant sur la notion de doute sous-jacente à l'écriture fragmentaire. J'y effectuerai un retour sur ma propre démarche et y tracerai quelques liens avec l'œuvre de Canetti et d'autres auteurs de fragments.