LSA : les limites d'une approche statistique
|
|
- Pascale Bernier
- il y a 8 ans
- Total affichages :
Transcription
1 LSA : les limites d'une approche statistique Atelier «Fouille de Données Complexes» (FDC'6), 7 janvier 26 Mathieu Roche et Jacques Chauché Equipe TAL, LIRMM, Université Montpellier 2
2 Plan Motivations LSA Méthode Exemple Les limites de LSA Influence de la taille des contextes Influence du vocabulaire Ajout de connaissances syntaxiques Syntaxe et LSA : Etat de l'art Perspectives Conclusion 2
3 Motivations Motivations But de LSA (Latent Semantic Analysis) [Landauer et al., 998] : trouver la similarité entre deux mots ou deux textes. Cadre de travail : ensemble de documents textuels. Méthode non supervisée qui s appuie sur le contexte des mots. Questions : Quelles sont les limites de LSA? Quelles perspectives pour améliorer cette méthode? 3
4 Méthode (/4) Matrice relative aux mots du texte : - phrases - paragraphes - documents LSA > Méthode X = mots Occurrence des mots de chaque contexte 4
5 Méthode (2/4) LSA > Méthode Normalisation X X' X'' Décomposition en valeurs propres + Approximation 5
6 Méthode (3/4) LSA > Méthode Décomposition en valeurs propres : une matrice de rang r peut se décomposer de la manière suivante X m x n U m x r S r x r V T r x n 6
7 Méthode (4/4) LSA > Méthode Approximation de la matrice X : construction sur seulement d dimensions d une matrice X qui est une approximation de la matrice d origine. X m x n U m x r S r x r V T r x n 7
8 Exemple (/4) LSA > Exemple c: Human machine interface for ABC computer applications c2: A survey of user opinion of computer system response time c3: The EPS user interface management system c4: System and human system enginneering testing of EPS c5: Relation of user perceived response time to error measurement m: The generation of random, binary, orered trees m2: The intersection graph of paths in trees m3: Graph minors IV: Widths of trees and well-quasi-ordering m4: Graph minors: A survey 8
9 9 LSA > Exemple Exemple (2/4) 2 R=-.38 R=-.29 minors graph trees survey EPS time response system user computer interface human m4 m3 m2 m c5 c4 c3 c2 c X =
10 Exemple (3/4) LSA > Exemple Intuition de l approximation : m: The generation of random, binary, orered trees m2: The intersection graph of paths in trees m3: Graph minors IV: Widths of trees and well-quasiordering m4: Graph minors: A survey c c2 c3 c4 c5 m m2 m3 m survey trees graph minors.66
11 Exemple (4/4) LSA > Exemple R=-.83 X '' c c2 c3 c4 c5 m m2 m3 m4 human interface computer user system response time EPS survey trees graph minors R=.94
12 Plan Motivations LSA Méthode Exemple Les limites de LSA Influence de la taille des contextes Influence du vocabulaire Ajout de connaissances syntaxiques Syntaxe et LSA : Etat de l'art Perspectives Conclusion 2
13 Les limites de LSA Les limites de LSA Deux exemples : Classification de termes : corpus écrit en français issu des Ressources Humaines (société PerformanSe). Classification de textes : corpus écrit en anglais d'articles journalistiques (corpus de TREC Novelty 24). 3
14 Taille des contextes Les limites de LSA > Taille des contextes Objectif : Classification de termes (corpus des Ressources Humaines). Résultats décevants particulièrement en terme de couverture [Roche et Kodratoff, 23]. Similarité (cosinus) % de termes correctement associés 9.2 % (3/6) 32.% (9/28) 42.9 % (3/7) 75. % (3/4) % de termes de la classification 9.8 % (8/842) 2.7 % (49/842).8 % (4/842).4 % (8/842) Influence de la taille des contextes : Taille des contextes de moins de 6 mots résultats décevants [Rehder et al., 998] Taille moyenne à partir du corpus des Ressources Humaines : 27 mots! 4
15 Influence du vocabulaire Les limites de LSA > Influence du vocabulaire Objectif : Classification de textes (corpus de TREC Novelty 24). Caractéristique : utilisation de contextes plus grands. Résultats : Cas : 29 textes dont 4 non pertinents de la même thématique : les textes non pertinents ne sont pas retrouvés avec LSA. Cas 2 : 29 textes dont 4 non pertinents de thématiques différentes : les textes non pertinents sont retrouvés avec LSA. 5
16 Plan Motivations LSA Méthode Exemple Les limites de LSA Influence de la taille des contextes Influence du vocabulaire Ajout de connaissances syntaxiques Syntaxe et LSA : Etat de l'art Perspectives Conclusion 6
17 Syntaxe et LSA : Etat de l'art Ajout de connaissances syntaxiques > Syntaxe et LSA : Etat de l'art Associer la syntaxe à LSA [Wiemer-Hastings, 999]. Chaque phrase est décomposée en (sujet, verbe, objet). Avantages : Prise en compte de mots vides («if», «because», «have», etc.). Décomposition des phrases ayant un même verbe associé à plusieurs sujets ou plusieurs objets. 7
18 Perspectives (/2) Ajout de connaissances syntaxiques > Perspectives Utilisation de connaissances syntaxiques issues de SYGMART [Chauché, 984] Exemple : L'ajout de connaissances syntaxiques à la méthode statistique LSA caractérise notre projet-de-recherche à moyenterme. Décomposition : sujet(ajout, connnaissance, complément (méthode, LSA)) verbe(caractériser) objet(projet-de-recherche, complément(moyen-terme)) Exemple 2 : L'ajout de connaissances sémantiques significatives à notre approche ouvre également d'ambitieuses-perspectives. Décomposition : sujet(ajout, connnaissance, complément (approche)) verbe(ouvrir) objet(ambitieuses-perspectives) 8
19 Perspectives (2/2) Ajout de connaissances syntaxiques > Perspectives Ajouter un poids aux mots partageant les mêmes structures syntaxiques. Donner un poids plus importants à certaines structures syntaxiques (par exemple, les verbes). Mettre en oeuvre des méthodes d'apprentissage supervisé pour déterminer ces poids. Premières expérimentations : Ajout des deux phrases précédentes parmi les phrases composant l'introduction de notre article. Conclusion : ajout de connaissances syntaxiques permet de privilégier les deux phrases en question. 9
20 Conclusion Plusieurs limites à LSA : L'ordre des mots n'est pas pris en compte. Exemple : le mot français est écrit dans le corpus le corpus est écrit avec des mots français Taille des contextes a des conséquences significatives sur le résultat. Influence de la proximité du vocabulaire utilisé. Contact : mroche@lirmm.fr chauche@lirmm.fr Solution proposée : Ajouter des connaissances syntaxiques à LSA. 2
Apprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailRecherche d information en langue arabe : influence des paramètres linguistiques et de pondération de LSA
RÉCITAL 2005, Dourdan, 6-10 juin 2005 Recherche d information en langue arabe : influence des paramètres linguistiques et de pondération de LSA Siham Boulaknadel (1,2), Fadoua Ataa-Allah (2) (1) LINA FRE
Plus en détail«Dire et écrire» pour réaliser une composition en travail collaboratif en géographie. Agnès Dullin, lycée J. Racine 20 rue du Rocher, 75008 Paris
«Dire et écrire» pour réaliser une composition en travail collaboratif en géographie Agnès Dullin, lycée J. Racine 20 rue du Rocher, 75008 Paris OBJECTIFS 1- Niveau et insertion dans la programmation 2-
Plus en détailLe Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs
Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique
Plus en détailJADT 2010-11/06/2010 Rome Utilisation de la visualisation en nuage arboré pour l'analyse littéraire
JADT 2010-11/06/2010 Rome Utilisation de la visualisation en nuage arboré pour l'analyse littéraire Delphine Amstutz (CELLF Université Paris-Sorbonne Paris 4 / CNRS) Philippe Gambette (LIRMM Université
Plus en détailRessources lexicales au service de recherche et d indexation des images
RECITAL 2011, Montpellier, 27 juin - 1er juillet 2011 Ressources lexicales au service de recherche et d indexation des images Inga Gheorghita 1,2 (1) ATILF-CNRS, Nancy-Université (UMR 7118), France (2)
Plus en détailLearning Object Metadata
Page 1 of 7 Learning Object Metadata Le LOM (Learning Object Metadata), est un schéma de description de ressources d enseignement et d apprentissage. Le LOM peut être utilisé pour décrire des ressources
Plus en détailLES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES
LES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES 1e partie : encoder et structurer les données Gautier Poupeau Antidot http://www.lespetitescases.net Twitter @lespetitescases Emmanuelle Bermès
Plus en détailComment déterminer les définitions les plus pertinentes d un sigle donné?
Comment déterminer les définitions les plus pertinentes d un sigle donné? Application au Domaine Biomédical Mathieu Roche, Violaine Prince LIRMM, Université Montpellier 2 CNRS UMR5506, {mroche,prince}@lirmm.fr
Plus en détailOPITER : Fouille de données d opinionpour les territoires
OPITER : Fouille de données d opinionpour les territoires Eric Kergosien 1,2, Pierre Maurel 2, Mathieu Roche 1,Maguelonne Teisseire 1,2 1.Lirmm, CNRS, Université Montpellier 2 161, rue Ada, 34392 Montpellier,
Plus en détailUn dictionnaire électronique pour apprenant de l'arabe (langue seconde) basé sur corpus
JEP-TALN 2004, Traitement Automatique de l Arabe, Fès, 20 avril 2004 Un dictionnaire électronique pour apprenant de l'arabe (langue seconde) basé sur corpus ZAAFRANI Riadh Faculté des Sciences Juridiques,
Plus en détailVers la conception automatique de filtres d'informations efficaces. Towards the Automatic Design of Efficient Custom Filters
Vers la conception automatique de filtres d'informations efficaces Towards the Automatic Design of Efficient Custom Filters Mathieu Stricker *, **, Frantz Vichot *, Gérard Dreyfus **, Francis Wolinski
Plus en détailMémoire DEA Système d'information Management and Technology of Information Systems
Mémoire DEA Système d'information Management and Technology of Information Systems Titre : Expérience sur l'utilisation de conjonctions de termes et la prise en compte des dépendances entre termes d'indexation
Plus en détailTEXT MINING Tour d Horizon
TEXT MINING Tour d Horizon Media Campus WAN IFRA "Structurer, optimiser et valoriser son contenu éditorial : les outils de text mining" 24 novembre 2009, PARIS Philippe BONNY Cabinet de Conseil et d Etudes
Plus en détailGrammaires d unification
Cours sur le traitement automatique des langues (IV) Violaine Prince Université de Montpellier 2 LIRMM-CNRS Grammaires d unification Grammaire catégorielle Grammaire syntagmatique généralisée (GPSG) Les
Plus en détailTRAITEMENT AUTOMATIQUE DES LANGUES. Licence d'informatique 2ème Année Semestre 1. Département d'informatique Université de Caen Basse-Normandie
TRAITEMENT AUTOMATIQUE DES LANGUES Licence d'informatique 2ème Année Semestre 1 Département d'informatique Université de Caen Basse-Normandie https://dias.users.greyc.fr/?op=paginas/tal.html Plan Définition
Plus en détailLuc GRIVEL, (*, **), Olivier BOUSQUET (**, ***) luc.grivel@univ-paris1.fr, olivier.obousquet@gmail.com
Vers une méthodologie d'analyse des discours sur Internet fondée sur de principes sémantiques. Application à l'analyse de discours de marques, de journalistes et de clients. Luc GRIVEL, (*, **), Olivier
Plus en détailMorphosyntaxe de l'interrogation en conversation spontanée : modélisation et évaluations
U Université dumaine Faculté des Lettres, Langues et Sciences humaines Morphosyntaxe de l'interrogation en conversation spontanée : modélisation et évaluations Carole Lailler 1 L interrogation : une modalité
Plus en détailLinked Open Data. Le Web de données Réseau, usages, perspectives. Eric Charton. Eric Charton
Linked Open Data Le Web de données Réseau, usages, perspectives Sommaire Histoire du Linked Open Data Structure et évolution du réseau Utilisations du Linked Open Data Présence sur le réseau LOD Futurs
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailEcole Technique «Transformation de données documentaires» Poitiers, 14-16 mars 2011. Atelier 1: Sphinx. import, conversion, export de données
Ecole Technique «Transformation de données documentaires» Poitiers, 14-16 mars 2011 Atelier 1: Sphinx import, conversion, export de données Introduction à la Recherche d'ist via le Web INRA Grignon, 03/2011
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailAVIS D'INFORMATIONS COMPLÉMENTAIRES, AVIS D'INFORMATIONS SUR UNE PROCÉDURE INCOMPLÈTE OU AVIS RECTIFICATIF
1/ 9 BE001 09/07/2010- ID:2010-506144 Formulaire type 14 - FR Publication du Supplément au Journal officiel de l Union européenne 2, rue Mercier, L-2985 Luxembourg Fax (352) 29 29-42670 E-mail: ojs@publications.europa.eu
Plus en détailStructuration des décisions de jurisprudence basée sur une ontologie juridique en langue arabe
Structuration des décisions de jurisprudence basée sur une ontologie juridique en langue arabe Karima Dhouib, Sylvie Després Faiez Gargouri ISET - Sfax Tunisie, BP : 88A Elbustan ; Sfax karima.dhouib@isets.rnu.tn,
Plus en détailTravaux pratiques avec RapidMiner
Travaux pratiques avec RapidMiner Master Informatique de Paris 6 Spécialité IAD Parcours EDOW Module Algorithmes pour la Fouille de Données Janvier 2012 Prise en main Généralités RapidMiner est un logiciel
Plus en détailLamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013
Cube de textes et opérateur d'agrégation basé sur un modèle vectoriel adapté Text Cube Model and aggregation operator based on an adapted vector space model Lamia Oukid, Ounas Asfari, Fadila Bentayeb,
Plus en détailmodèle d atelier de LECTURE-ÉCRITURE
modèle d atelier de LECTURE-ÉCRITURE à partir du tableau SIMDUT et des fiches signalétiques Les commissions scolaires, les experts de la formation en entreprise. Durée : 3 heures Les étapes de l atelier
Plus en détaile-recrutement : recherche de mots-clés pertinents dans le titre des annonces d emploi
e-recrutement : recherche de mots-clés pertinents dans le titre des annonces d emploi Julie Séguéla 1, 2, Gilbert Saporta 1, Stéphane Le Viet 2 1 Laboratoire Cédric CNAM 292 rue Saint Martin 75141 Paris
Plus en détailSystème binaire. Algèbre booléenne
Algèbre booléenne Système binaire Système digital qui emploie des signaux à deux valeurs uniques En général, les digits employés sont 0 et 1, qu'on appelle bits (binary digits) Avantages: on peut utiliser
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailCurriculum Vitae - Emmanuel Hebrard. Emmanuel Hebrard
Emmanuel Hebrard Adresse 5 Tuckey Street Cork, Ireland emmanuel.hebrard@gmail.com http ://4c.ucc.ie/ ehebrard/home.html Adresse Professionnelle Cork Constraint Computation Centre Cork, Ireland Telephone
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailMéthode du commentaire de document en Histoire
Méthode du commentaire de document en Histoire I. Qu est-ce qu un commentaire de document? En quelques mots, le commentaire de texte est un exercice de critique historique, fondé sur la démarche analytique.
Plus en détailL usage des concepts du web sémantique dans le filtrage d information collaboratif
Ministère de l enseignement Supérieur et de la recherche scientifique Institut National d Informatique Alger Mémoire présenté pour l obtention du diplôme de Magistère Option : Ingénierie des Systèmes d
Plus en détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
Plus en détailLaboratoire 4 Développement d un système intelligent
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement
Plus en détailQu est-ce qu un résumé?
Méthodologie d analyse et de mémoire Résumer un texte Quelques astuces et techniques Licence GSINFO Département GEII IUT d Évry N. Abchiche Mimouni 1 Qu est-ce qu un résumé? Exprime de façon brève, les
Plus en détailTrois approches du GREYC pour la classification de textes
DEFT 2008, Avignon (associé à TALN 08) Trois approches du GREYC pour la classification de textes Thierry Charnois Antoine Doucet Yann Mathet François Rioult GREYC, Université de Caen, CNRS UMR 6072 Bd
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailLa syllabe (1/5) Unité intuitive (différent du phonème) Constituant essentiel pour la phonologie au même titre que phonème et trait
La syllabe (1/5) Unité intuitive (différent du phonème) Variation des structures syllabiques d une langue à une autre et dans une même langue (cf strict vs à : une seule syllabe mais des structures bien
Plus en détailJournées d études IARD
Journées d études IARD Gestion des risques liés à la refonte tarifaire d un portefeuille automobile Niort, le 20 mars 2014 Marie Foucher mfoucher@galea-associes.eu Pierre Thérond ptherond@galea-associes.eu
Plus en détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Plus en détailAnalyse des réclamations d allocataires de la CAF : un cas d étude en fouille de données
Analyse des réclamations d allocataires de la CAF : un cas d étude en fouille de données Sabine Loudcher, Julien Velcin, Vincent Forissier, Cyril Broilliard et Philippe Simonnot Laboratoire ERIC, Université
Plus en détailZazie : Être et avoir
Zazie : Être et avoir Paroles et musique : Zazie / Philippe Paradis Mercury / Universal Music Thèmes La consommation, le bonheur. Objectifs Objectifs communicatifs : Décrire une pièce. Donner une définition
Plus en détailExpériences de formalisation d un guide d annotation : vers l annotation agile assistée
Expériences de formalisation d un guide d annotation : vers l annotation agile assistée Bruno Guillaume 1,2 Karën Fort 1,3 (1) LORIA 54500 Vandœuvre-lès-Nancy (2) Inria Nancy Grand-Est (3) Université de
Plus en détailJe catalogue, tu FRBRises, il/elle googlise. L évolution des catalogues et les bibliothécaires Vendredi 29 mars 2013 Manufacture des tabacs
Je catalogue, tu FRBRises, il/elle googlise. L évolution des catalogues et les bibliothécaires Vendredi 29 mars 2013 Manufacture des tabacs Journée organisée par le CRFCB Midi-Pyrénées / Languedoc-Roussillon
Plus en détail2 Serveurs OLAP et introduction au Data Mining
2-1 2 Serveurs OLAP et introduction au Data Mining 2-2 Création et consultation des cubes en mode client-serveur Serveur OLAP Clients OLAP Clients OLAP 2-3 Intérêt Systèmes serveurs et clients Fonctionnalité
Plus en détail3. Hypothèses 4. Méthodologie
Céline Paganelli Evelyne Mounier GRESEC, Université Stendhal Grenoble III Institut de la Communication et des Médias 11, Avenue du 8 mai 1945 38130 Échirolles Influence des variables métier et expertise
Plus en détailLES TYPES DE DONNÉES DU LANGAGE PASCAL
LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.
Plus en détailPartie 1. La structure des réseaux sociaux
Partie 1. La structure des réseaux sociaux Analyse et Modélisation des Réseaux, Université Bordeaux IV Sections : Introduction 1 Introduction 2 3 L expérience de Milgram Les réseaux aléatoires 4 Le clustering
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailAVIS D'INFORMATIONS COMPLÉMENTAIRES, AVIS D'INFORMATIONS SUR UNE PROCÉDURE INCOMPLÈTE OU AVIS RECTIFICATIF
1/ 5 Formulaire type 14 - FR Bulletin des Adjudications Publication du Service Fédéral e-procurement SPF P&O - 51, rue de la Loi B-1040 Bruxelles +32 27905200 e.proc@publicprocurement.be www.publicprocurement.be
Plus en détail! Text Encoding Initiative
Format XML: suite! le contenu d un élément est la concaténation de! texte! et d éléments (imbrication)! => structure arborescente! pas de chevauchement de balises! => exemple : une analyse syntagmatique
Plus en détailExtraction de mots-clefs dans des vidéos Web par Analyse Latente de Dirichlet
Extraction de mots-clefs dans des vidéos Web par Analyse Latente de Dirilet RÉSUMÉÑÓ Ñ ºÑÓÖ ÙÒ Ú¹ Ú ÒÓÒº Ö ÓÖ ºÐ Ò Ö ÙÒ Ú¹ Ú ÒÓÒº Ö Mohamed Morid 1 Georges Linarès 1 (1) LIA-CERI, Université d Avignon
Plus en détailPLAN DE COMMUNICATION TACTIQUE COMM 3302. Faculté des lettres : Département d'information et de communication PLAN DE COURS
PLAN DE COMMUNICATION TACTIQUE COMM 3302 Faculté des lettres : Département d'information et de communication PLAN DE COURS TITRE : PLAN TACTIQUE DE COMMUNICATION COM 3302 CHARGÉ DE COURS Michel Dumas :
Plus en détailAVIS D'INFORMATIONS COMPLÉMENTAIRES, AVIS D'INFORMATIONS SUR UNE PROCÉDURE INCOMPLÈTE OU AVIS RECTIFICATIF
1/ 5 BE001 19/03/2014 - Numéro BDA: 2014-505853 Formulaire type 14 - FR Bulletin des Adjudications Publication du Service Fédéral e-procurement SPF P&O - 51, rue de la Loi B-1040 Bruxelles +32 27905200
Plus en détailVers une architecture générique de système de dialogue oral homme-machine
RÉCITAL 2003, Batz-sur-Mer, 11-14 juin 2003 Vers une architecture générique de système de dialogue oral homme-machine Hoá NGUYEN Laboratoire CLIPS - IMAG Université Joseph Fourier 385, rue de la Bibliothèque
Plus en détailACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES
ACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES Techniques symboliques de traitement automatique du langage pour l indexation thématique et l extraction d information temporelle Thèse Défense publique
Plus en détailSéquence inaugurale qui conduira les étudiants à soulever les problématiques essentielles.
1 Thèmes, problématiques Objectifs méthodologiques Activités Supports Compléments, soutien, Séquence inaugurale qui conduira les étudiants à soulever les problématiques essentielles. S 1 Le livre, un objet
Plus en détailEn direct de la salle de presse du Journal virtuel
Français En direct de la salle de presse du Journal virtuel Écrire des textes variés Guide En direct de notre salle de presse Guide R ENSEIGNEMENTS GÉNÉRA UX EN DIRECT DE NOTRE SA LLE DE PRESSE MISE À
Plus en détailSécurité logicielle. École de technologie supérieure (ÉTS) MGR850 Automne 2012 Automne 2012. Yosr Jarraya. Chamseddine Talhi.
MGR850 Automne 2012 Automne 2012 Sécurité logicielle Yosr Jarraya Chargé de cours Chamseddine Talhi Responsable du cours École de technologie supérieure (ÉTS) 1 Plan Motivations & contexte Développement
Plus en détailConcevoir un modèle de données Gestion des clients et des visites
page 1 MCD Concevoir un modèle de données Gestion des clients et des visites La gestion des informations d une organisation est un élément essentiel de son efficacité. L obligation de les trouver et de
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailAnnexe 1 Programmes des classes préparatoires aux Grandes Ecoles
Annexe 1 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Physique, chimie et sciences de l ingénieur (PCSI) Discipline : Mathématiques Première année Classe préparatoire
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailTRAVAUX DE RECHERCHE DANS LE
TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détail5. Apprentissage pour le filtrage collaboratif
686 PARTIE 5 : Au-delà de l apprentissage supervisé 5. Apprentissage pour le filtrage collaboratif Il semble que le nombre de choix qui nous sont ouverts augmente constamment. Films, livres, recettes,
Plus en détailAVIS D'INFORMATIONS COMPLÉMENTAIRES, AVIS D'INFORMATIONS SUR UNE PROCÉDURE INCOMPLÈTE OU AVIS RECTIFICATIF
1/ 5 BE001 17/02/2011 - Numéro BDA: 2011-503183 Formulaire type 14 - FR Bulletin des Adjudications Publication du Service Fédéral e-procurement SPF P&O - 51, rue de la Loi B-1040 Bruxelles +32 27905200
Plus en détailGFM 296 UNIVERSITE LA SAGESSE FACULTÉ DE GESTION ET DE FINANCE GUIDE POUR LA REDACTION DU MEMOIRE DE MASTER MBA (FORMULAIRE D)
GFM 296 UNIVERSITE LA SAGESSE FACULTÉ DE GESTION ET DE FINANCE GUIDE POUR LA REDACTION DU MEMOIRE DE MASTER MBA (FORMULAIRE D) Introduction Ce guide a été préparé pour assister l étudiant dans la rédaction
Plus en détailFusion et consolidation RFC - Réflexion -comptabilité - Décembre 2010-438 p. 44-48
Fusion et consolidation RFC - Réflexion -comptabilité - Décembre 2010-438 p. 44-48 Résumé de l article Les regroupements d entreprises peuvent se traduire en comptabilité par une fusion régie par le règlement
Plus en détailITIL : Premiers Contacts
IT Infrastructure Library ITIL : Premiers Contacts ou Comment Optimiser la Fourniture des Services Informatiques Vincent DOUHAIRIE Directeur Associé vincent.douhairie douhairie@synopse. @synopse.fr ITIL
Plus en détailRTDS G3. Emmanuel Gaudin emmanuel.gaudin@pragmadev.com
RTDS G3 Emmanuel Gaudin emmanuel.gaudin@pragmadev.com PragmaDev Dédiée au développement d un AGL pour le développement des applications temps réel et embarquées. Réseau de partenaires: Formations, Service,
Plus en détailEuropresse : Découvrir la recherche avancée
Europresse : Découvrir la recherche avancée La recherche avancée permet de modifier les critères de recherche par défaut, d'augmenter la pertinence des résultats et d'en réduire la quantité à traiter.
Plus en détailJérôme Mathieu janvier 2007. Débuter avec R. Ce document est disponible sur le site web : http://www.jerome.mathieu.freesurf.
Jérôme Mathieu janvier 2007 Débuter avec R Ce document est disponible sur le site web : http://www.jerome.mathieu.freesurf.fr - 1 - Sommaire 1 Principes de base pour utiliser R... 3 $$$ Démarrer R pour
Plus en détailLIVRE BLANC Décembre 2014
PARSING MATCHING EQUALITY SEARCH LIVRE BLANC Décembre 2014 Introduction L analyse des tendances du marché de l emploi correspond à l évidence à une nécessité, surtout en période de tension comme depuis
Plus en détailPROJET DE FIN D ETUDES
MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE ****** INSTITUT NATIONAL DES SCIENCES APPLIQUEES TOULOUSE Département de Génie Electrique & Informatique ****** PROJET DE FIN D ETUDES ROLE D UNE
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailAVIS D'INFORMATIONS COMPLÉMENTAIRES, AVIS D'INFORMATIONS SUR UNE PROCÉDURE INCOMPLÈTE OU AVIS RECTIFICATIF
1/ 5 BE001 13/11/2012 - Numéro BDA: 2012-526805 Formulaire type 14 - FR Bulletin des Adjudications Publication du Service Fédéral e-procurement SPF P&O - 51, rue de la Loi B-1040 Bruxelles +32 27905200
Plus en détailIntroduction au modèle de la pédagogie culturelle au service de la construction identitaire
Introduction au modèle de la pédagogie culturelle au service de la construction identitaire Présentation conceptualisée par Lise Paiement du projet Pédagogie culturelle et animée par Marc Lauzon Juin 2008
Plus en détailContrôle de gestion des participations de la ville de Lucerne
Contrôle de gestion des participations de la ville de Lucerne Exposé à la conférence spécialisée AFCP du 11 avril 2008 à Berne Bruno Schmidiger, licencié en économie HSG Collaborateur en économie d entreprise
Plus en détailMaster d Informatique M1 Université Paris 7 - Denis Diderot Travail de Recherche Encadré Surf Bayesien
Master d Informatique M1 Université Paris 7 - Denis Diderot Travail de Recherche Encadré Surf Bayesien Denis Cousineau Sous la direction de Roberto di Cosmo Juin 2005 1 Table des matières 1 Présentation
Plus en détailLangage SQL (1) 4 septembre 2007. IUT Orléans. Introduction Le langage SQL : données Le langage SQL : requêtes
Langage SQL (1) Sébastien Limet Denys Duchier IUT Orléans 4 septembre 2007 Notions de base qu est-ce qu une base de données? SGBD différents type de bases de données quelques systèmes existants Définition
Plus en détailAVIS D'INFORMATIONS COMPLÉMENTAIRES, AVIS D'INFORMATIONS SUR UNE PROCÉDURE INCOMPLÈTE OU AVIS RECTIFICATIF
1/ 5 BE001 29/2/2012 - Numéro BDA: 2012-504282 Formulaire type 14 - FR Bulletin des Adjudications Publication du Service Fédéral e-procurement SPF P&O - 51, rue de la Loi B-1040 Bruxelles +32 27905200
Plus en détailN 334 - SIMON Anne-Catherine
N 334 - SIMON Anne-Catherine RÉALISATION D UN CDROM/DVD CONTENANT DES DONNÉES DU LANGAGE ORAL ORGANISÉES EN PARCOURS DIDACTIQUES D INITIATION LINGUISTIQUE A PARTIR DES BASES DE DONNÉES VALIBEL Introduction
Plus en détailEXTRACTION DE CONNAISSANCES À PARTIR DE DONNÉES TEXTUELLES VUE D ENSEMBLE
ème Colloque National AIP PRIMECA La Plagne - 7- avril 7 EXTRACTION DE CONNAISSANCES À PARTIR DE DONNÉES TEXTUELLES VUE D ENSEMBLE Bruno Agard Département de Mathématiques et de Génie Industriel, École
Plus en détailSite Internet de la Ville de Marssac. Comment ouvrir un compte et devenir contributeur PAGE 1
Site Internet de la Ville de Marssac Comment ouvrir un compte et devenir contributeur PAGE 1 Etape 1 : Créer un compte et devenir contributeur 1 / Vous êtes une association et vous n'avez pas encore de
Plus en détail1. Productions orales en continu après travail individuel
Tâches de production orale 2 niveau A2/B1 (Les tâches sont réalisables aussi bien au niveau A2 qu au niveau B1 suivant la complexité des énoncés et des interactions que les élèves sont capables de produire)
Plus en détailModélisation des processus métiers et standardisation
Modélisation des processus métiers et standardisation Table des matières Introduction... 3 Processus métier : un même mot, plusieurs domaines d application... 4 Les défis contemporains de la gestion des
Plus en détailWEBSEMINAIRE INTRODUCTION AU REFERENCEMENT
WEBSEMINAIRE INTRODUCTION AU REFERENCEMENT Animé par A.COMLAN ADCOSOFT 14/02/2014-15H 1 Programme du webséminaire : Introduction Partie I Optimisation des Balises TITLE et META Partie II Optimisation du
Plus en détailSIP. Plan. Introduction Architecture SIP Messages SIP Exemples d établissement de session Enregistrement
SIP Nguyen Thi Mai Trang LIP6/PHARE Thi-Mai-Trang.Nguyen@lip6.fr UPMC - M2 Réseaux - UE PTEL 1 Plan Introduction Architecture SIP Messages SIP Exemples d établissement de session Enregistrement UPMC -
Plus en détailMaster4Light. Caractérisation Optique et Electrique des Sources Lumineuses. Equipement 2-en-1 : source de courant et spectrophotomètre
DSF-M4L-Rev2.0-04/12 Master4Light Equipement 2-en-1 : source de courant et spectrophotomètre Interface graphique logicielle, connexion USB Configuration personnalisable : laboratoire et in-situ http://www.majantys.com
Plus en détailExpression des contraintes. OCL : Object C o n t r a i n t L a n g u a g e
P r o b l é m a t i q u e OCL : O b j e c t C o n s t r a i n t L a n g u a g e Le langage de contraintes d UML Les différents diagrammes d UML permettent d exprimer certaines contraintes graphiquement
Plus en détailEvaluation des modèles non-linéaires à effets mixtes
Evaluation des effets mixtes INSERM UMR738 GDR Statistiques et Santé, 20 octobre 2009 Pharmacométrie Définition modélisation des données obtenues lors d essais cliniques sur des médicaments développement
Plus en détailMagister INFORMATIQUE. Présenté par. Soutenu en Février 2011 devant la commission du jury composée de :
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE ABOUBEKR BELKAID-TLEMCEN FACULTE DES SCIENCES DEPARTEMENT D INFORMATIQUE
Plus en détailÉCOLE SECONDAIRE PÈRE-RENÉ-DE-GALINÉE
ÉCOLE SECONDAIRE PÈRE-RENÉ-DE-GALINÉE FRANÇAIS 12 e année Date: mars-juin 2015 Course Code: FRA 4U Enseignante: Mme L. Campagna et Mme Ducatel NOM DE L ÉLÈVE : Projet : Projet autonome Durée de l unité
Plus en détailCONSOMMATION FINALE. Matérialité de l usage. Productivité de l usage. Effet de l usage. Satisfaction. Usage d un bien SANS effet productif ultérieur
CONSOMMATION FINALE Matérialité de l usage Productivité de l usage Effet de l usage Usure d un bien Usage d un bien SANS effet productif ultérieur Satisfaction Gaspillage Champagne School of Management
Plus en détailMarc Paulet-deodis pour APRIM 1
! "!" # $% ##&# #%'()*+*,--. )/$ '0 1#02� &00. $3040 $3 3 -, 3 # $ %&! $5% # 2& %- $ 678 $ #$ 9 # 1 $ #$& %'% (&"!$ : $ '3, - '&3 0, #&$) # $$23$ &&!#)!&!*&(!#)!&0&33# % #- $ 3 &!$ #$3 $$#33 $1# ; #33#!$
Plus en détailLA SIMULATION: INTERETS EN FORMATIION MEDICALE CONTINUE. C Assouline
LA SIMULATION: INTERETS EN FORMATIION MEDICALE CONTINUE C Assouline Principes «Human error is the price we pay for intelligence» 3 buts principaux de la simulation : détecter les erreurs éviter les erreurs
Plus en détailUTILISATION DU WEB COMME MEGA-BASE DE DONNÉES LINGUISTIQUE : APPLICATION À LA TRADUCTION DE COOCCURRENCES LEXICALES FRANÇAISES-ANGLAISES
UTILISATION DU WEB COMME MEGA-BASE DE DONNÉES LINGUISTIQUE : APPLICATION À LA TRADUCTION DE COOCCURRENCES LEXICALES FRANÇAISES-ANGLAISES Chrystel Millon & Stéphanie Léon Equipe DELIC Université de Provence
Plus en détail