scholarly journals « Langage insolite » ou « langage naturel » ? Jean-Louis Barrault et Antoine Vitez face au verset claudélien

2019 ◽  
Author(s):  
Pascal Lécroart
Keyword(s):  
Langage Naturel

scholarly journals La Saison de l’ombre de Léonora Miano : « récitation » d’une Afropéenne

2016 ◽  
Vol 46 (1) ◽  
pp. 95-104
Author(s):  
Emmanuel Mbégane Ndour
Keyword(s):  
Langage Naturel

Cet article se propose d’éclairer les procédés par lesquels Léonora Miano tente de construire une identité afropéenne dans son roman La Saison de l’ombre. Ainsi, la mobilisation d’un « langage naturel » qui réalise l’accrétion du romanesque et du poétique et qui donne au langage romanesque une littéralité autochtone, constitue une expérience stylistique qui tente d’accomplir cette nouvelle poétique du monde. De même, une « épopée du poétique » contribue à l’élaboration esthétique de cette nouvelle identité à travers une écriture polyphonique et une conception simultanée de l’espace-temps. L’identité afropéenne s’élabore également à travers l’invention de nouvelles métaphores qui reconstituent des territoires existentiels à travers le rêve, une écriture adéquate capable d’habiter la frontière, de tisser de nouvelles identités, afropéennes.

Accès aux brevets en langage naturel

2001 ◽  
Vol 38 (2) ◽  
pp. 100
Author(s):  
Sabine Darrigade ◽  
Michele Lyon-Bougeat ◽  
Bernard Marx ◽  
Annie Buisson ◽  
Marcel Cantet ◽  
...  
Keyword(s):  
Langage Naturel

Les Programmes Qui "Comprennent' Le Langage Naturel

1980 ◽  
Vol 4 (2) ◽  
pp. 395-414
Author(s):  
Jacques Pitrat
Keyword(s):  
Langage Naturel

scholarly journals Un modèle probabiliste pour la détection de l’incertitude dans le langage naturel

2016 ◽  
Vol 19 (2-3) ◽  
pp. 53-73
Author(s):  
Pierre-Antoine Jean ◽  
Sébastien Harispe ◽  
Sylvie Ranwez ◽  
Patrice Bellot ◽  
Jacky Montmain
Keyword(s):  
Langage Naturel

scholarly journals Corpus issus du Web : constitution et analyse informationnelle

2006 ◽  
Vol 32 (1) ◽  
pp. 111-134 ◽  
Author(s):  
Christophe Fouqueré ◽  
Fabrice Issac
Keyword(s):  
Langage Naturel ◽  
Base De Données

Résumé Comparé à d’autres sources d’informations (documents techniques, articles de journaux, ...), le Web est une source quasi infinie d’informations de toute nature. Cet avantage peut s’avérer contreproductif si une information pertinente se trouve noyée dans une masse d’informations diverses. Notre travail tente donc d’évaluer dans quelle mesure des techniques de traitement automatique du langage naturel peuvent aider dans la recherche d’informations lorsque la base de données textuelles est non organisée. Plus concrètement, notre étude vise la spécification de mécanismes de reformulation de requêtes. Nous tentons ici de décrire la méthodologie de constitution de corpus suivie, puis nous analysons la pertinence informationnelle des pages récupérables sur le web lorsqu’on fait varier la requête initiale.

scholarly journals Introduction aux carnets Jupyter

2020 ◽  
Author(s):  
Quinn Dombrowski ◽  
Tassie Gniady ◽  
David Kloster
Keyword(s):  
Langage Naturel

Les carnets Jupyter proposent un environnement dans lequel il est possible de combiner librement le code informatique et le texte en langage naturel. Cette leçon explique comment installer le logiciel Jupyter Notebook, comment créer et exécuter des carnets Jupyter, et dans quels contextes ces carnets peuvent se révéler particulièrement utiles.

scholarly journals AI Opaqueness: What Makes AI Systems More Transparent?

2020 ◽  
Author(s):  
Victoria Rubin
Keyword(s):  
Natural Language Processing ◽  
Natural Language ◽  
Language Processing ◽  
Lessons Learned ◽  
Nous Proposons ◽  
Judicial Decision ◽  
Langage Naturel ◽  
Transparency And Accountability

Artificially Intelligent (AI) systems are pervasive, but poorly understood by their users and, at times, developers. It is often unclear how and why certain algorithms make choices, predictions, or conclusions. What does AI transparency mean? What explanations do AI system users desire? This panel discusses AI opaqueness with examples in applied context such as natural language processing, people categorization, judicial decision explanations, and system recommendations. We offer insights from interviews with AI system users about their perceptions and developers’ lessons learned. What steps should be taken towards AI transparency and accountability for its decisions?  Les systèmes artificiellement intelligents (IA) sont omniprésents, mais mal compris par leurs utilisateurs et, parfois, par les développeurs. On ne sait souvent pas comment et pourquoi certains algorithmes font des choix, des prédictions ou des conclusions. Que signifie la transparence de l'IA? Quelles explications les utilisateurs du système d'IA souhaitent-ils? Ce panel examine l'opacité de l'IA avec des exemples dans un contexte appliqué tels que le traitement du langage naturel, la catégorisation des personnes, les explications des décisions judiciaires et les recommandations système. Nous proposons des informations issues d'entretiens avec des utilisateurs de systèmes d'IA sur leurs perceptions et les leçons apprises par les développeurs. Quelles mesures devraient être prises pour assurer la transparence et la responsabilité de l'IA pour ses décisions?

Sign in / Sign up

Export Citation Format

Share Document