Traitement de Langages et Dialogues Naturels par Ordinateur
|
|
- Mauricette Ducharme
- il y a 7 ans
- Total affichages :
Transcription
1 Traitement de Langages et Dialogues Naturels par Ordinateur Une introduction 3 janvier 2005
2 Plan du cours Introduction les applications les problèmes l analyse syntaxique automatique la représentation du sens des phrases l au-delà travaux pratiques
3 Pour quoi faire : les applications traduction automatique interface homme-machine (IHM) systèmes de dialogues (oral ou non) interrogation de bases de données génération de textes résumé automatique recherche d information et indexation
4 Les domaines concernés la linguistique l intelligence artificielle la philosophie du langage la psychologie Plusieurs appelations linguistique informatique (Computational Linguistics CL) traitement automatique des langues naturelles TALN Natural Language Processing (NLP)
5 La traduction automatique La traduction automatique, c est facile, non? It is not hard, I think? Ce est pas dur, je pense? Automated translation is not hard, isn t it? automatisé traduction est pas dur, est pas ce? la traduction automatique, c est facile, non? is machine translation, it easy, not? (altavista.com) problème des constructions (adjectifs, genre, articles) structures différentes entre langages
6 Problèmes du mot à mot Time flies like an arrow. Temps mouche comme une flèche. Les mouches du temps aiment une flèche. Le temps vole comme une flèche. Le temps file comme une flèche. les enfants et les femmes enceintes pregnant children and women Problèmes majeurs : ambiguïté lexicale ambiguïté grammaticale
7 Interface homme-machine M où voulez vous aller? H je veux un billet pour paris M ok, en 1ere ou 2e classe? M euh non je me suis trompé sur la première réponse, je veux aller à Bordeaux H en première classe. ce sera XXXX euros SVP.
8 La recherche d information répondre à des questions : Qui a gagné Roland-Garros [chez les femmes]? Qui a découvert la radioactivité? Qui a le record du 100m haies?
9 La recherche d information Ex : lister tous les records sportifs et les mettre sous la forme : Nom/Discipline Bidule a battu le record du 100m.
10 La recherche d information Ex : lister tous les records sportifs et les mettre sous la forme : Nom/Discipline Bidule a battu le record du 100m. Bidule a explosé l ancien record de Machin.
11 La recherche d information Ex : lister tous les records sportifs et les mettre sous la forme : Nom/Discipline Bidule a battu le record du 100m. Bidule a explosé l ancien record de Machin. Le 100 mètres a un nouveau recordman : Bidule.
12 La recherche d information Ex : lister tous les records sportifs et les mettre sous la forme : Nom/Discipline Bidule a battu le record du 100m. Bidule a explosé l ancien record de Machin. Le 100 mètres a un nouveau recordman : Bidule. Bidule a presque battu le record du 100m.
13 La recherche d information Ex : lister tous les records sportifs et les mettre sous la forme : Nom/Discipline Bidule a battu le record du 100m. Bidule a explosé l ancien record de Machin. Le 100 mètres a un nouveau recordman : Bidule. Bidule a presque battu le record du 100m. Le record du 100m a été battu par bidule.
14 La recherche d information Ex : lister tous les records sportifs et les mettre sous la forme : Nom/Discipline Bidule a battu le record du 100m. Bidule a explosé l ancien record de Machin. Le 100 mètres a un nouveau recordman : Bidule. Bidule a presque battu le record du 100m. Le record du 100m a été battu par bidule. Bidule a fait forte impression au 100m. Il a battu le record.
15 La recherche d information Ex : lister tous les records sportifs et les mettre sous la forme : Nom/Discipline Bidule a battu le record du 100m. Bidule a explosé l ancien record de Machin. Le 100 mètres a un nouveau recordman : Bidule. Bidule a presque battu le record du 100m. Le record du 100m a été battu par bidule. Bidule a fait forte impression au 100m. Il a battu le record. La compagnie Truc produit plus de 100 mètres de couturière par jour, un record.
16 La génération automatique input : x entier naturel(x) y y = successeur(x) output : Tout entier naturel a un successeur.
17 Le résumé automatique input : ce cours
18 Le résumé automatique input : ce cours output : Traiter le langage naturel par ordinateur, c est compliqué mais on y arrive à peu près.
19 Grammaire et analyse Pourquoi la grammaire? structuration du sens phrase liste de mots Justine Henin a battu Kim Clijsters Kim Clijsters a battu Justine Henin mais Kim Clijsters a été battue par Justine Henin je (ne) veux (pas) un billet pour Paris (Pierre et Marie Curie) ont découvert la radioactivité
20 Les niveaux de traitement phonologie : les sons les mots morphologie : la forme des mots (conjugaisons, etc) syntaxe/lexique : l organisation des mots en structures sémantique : le sens des mots le sens de la phrase pragmatique : le sens des phrases en contexte (dans un texte, un dialogue).
21 Deuxième partie : la syntaxe de la bonne vieille grammaire...? des règles structurales pouvoir décrire les structures de phrase possibles pouvoir analyser les phrases en structure pouvoir retrouver certaines structures
22 Des règles structurales pourquoi certaines phrases sont correctes et pas d autres règles de bonne formation L ignorance toujours est prête à s admirer. Admirer toujours prête est ignorance l à s la grammaticalité d une phrase ne vient pas de ce qu on l a déjà entendu. de la vérité de la phrase Je connais un homme politique sincère. du fait qu on peut lui donner un sens ou non Des idées vertes sans couleur dorment furieusement.
23 Catégories syntaxiques certains mots sont complètement substituables dans les mêmes contextes catégories syntaxiques (=parties de discours/ part of speech) Je vois un (problème)/je vois un (chien) certains groupes de mots sont complètement substituables constituants ( syntagme / phrase en anglais) Je vois (un problème) arriver/je vois (le chien du voisin) arriver
24 Tests de constituants pour savoir si un groupe de mots forme un constituant peut-il exister seul? réponse à une question, titre Que font les gens riches? manger dans des restaus chic Les restaus chics font-ils des affaires? oui, les gens riches mangent dans (titre)manger dans des restaus chics à Toulouse (titre)manger dans des (exceptions? si par une nuit d hiver un voyageur ) est-il substituable par une forme pronominale? (ça, tel, là, y,...) Beaucoup de gens riches font ça[, manger dans des restaus chics] peut-on le déplacer? Dans des restaus chics, les riches mangent souvent mangent souvent dans des restaus, les riches chics
25 Constituants (suite) ce qui forme un constituant peut être dépendant du contexte Agnès et Yves élèvent des enfants. Lila est gardée par Agnès et Yves s occupe de Salomé. la structure de constituants est hiérarchique (pas de recouvrement) on peut donc représenter la structure syntaxique en constituants par un arbre syntaxique
26 Notions de grammaire formelle Pour rendre compte de ces régularités, un modèle de base serait assimilable à un système de production/réécriture ( générativisme ) : S NP VP NP DET N VP V VP V NP DET le DET la N chien N chat V mange V dort symbole non-terminaux / symboles terminaux (catégories syntaxiques)/(mots) structure/lexique
27 Complétude et correction On essaie de faire coller le langage généré avec le langage naturel. Parmi les phrases acceptées : Le chien mange le chat. Le chien dort. Le chien dort le chat. La chien mange. surgénération (grammaire incorrecte) Phrase refusée : Le chien marche dans le parc. sous-génération (grammaire incomplète)
28 Différents types de grammaire règle générale de réécriture : A 1, A 2,..., A i B 1, B 2,... B j même chose avec i j même chose avec i = 1 A B C D même chose avec symbole terminal à gauche de toute partie droite de règle A x B C D hiérarchie de complexité de Chomsky : type 3 type 2 type 1 type 0
29 Utilisation en analyse Analyse de Le chien mange le chat
30 Utilisation en analyse Analyse de Le chien mange le chat S NP VP DET N V NP le chien mange DET N le chat
31 Concevoir la grammaire Problèmes : que mettre dans le lexique? (mot, racine) quels constituants? quelles hiérarchies? contraintes lexicales (transitivité,...)
32 Expressivité et performances l exemple plus haut ne contient pas de récursivité : on peut définir simplement l analyse par un automate à état fini. grammaire trop simple la grammaire des langages naturels est intrinsèquement récursive : NP NP PROP RELATIVE PROP RELATIVE QUI V NP
33 Expressivité et performances règle générale de réécriture : A 1, A 2,..., A i B 1, B 2,... B j trop complexe à analyser (reconnaissance en grammaire transformationnelle indécidable) type 1 : à peine mieux, complexité exponentielle. Plus simple et praticable : context-free grammar (type 2) A B 1, B 2,... B j squelette commun aux formalismes grammaticaux modernes
34 La question de l expressivité besoin d exprimer plus de généralités : accord en genre : GN DET feminin Nom féminin GN DET masculin Nom masc accord en nombre : explosion! GN DET feminin sg Nom féminin GN DET masculin sg Nom féminin GN DET feminin pl Nom masc pl GN DET masculin pl Nom masc pl
35 Grammaires avec traits syntaxiques la solution : factoriser GN[genre=a] DET[genre=a] Nom[genre=a] GN[nombre=a] DET[nombre=a] Nom[nombre=a] signifie que l accord doit se faire avec deux traits : genre+nombre= accord grammatical GN[gen=a,nb=b] DET[gen=a,nb=b] Nom[gen=a,nb=b] factoriser : une structure accord=gen+nb
36 Structures de traits Problème : dans les chiens, les est ambigu entre féminin et masculin structure de traits : matrice de paires d attributs-valeurs, pas nécessairement instanciées acc [ genre nombre ] masc vs [ acc pluriel [ nombre ] pluriel
37 La subsomption Une ST S1 subsume une ST S2, si toute l information contenue [ dans S1 est aussi] dans S2 (S1 est plus générale que [ S2) ] genre masc? nombre pluriel nombre pluriel genre masc [ ] [ ] nombre pluriel? nombre pluriel personne 2
38 L unification L unification de deux structures S1 et S2 correspond à la fusion des informations qu elles contiennent, si elles sont compatibles. Formellement : l unification de S1 et S2, si elle existe, est une ST S3 telle que S3 est subsumée par S1 et S2, et S3 est minimale par rapport à la subsomption. ex : [ ] [ ] genre masc nombre pluriel nombre pluriel personne 3 nombre pluriel personne 3 genre masc
39 Unification (suite) l accord est alors l unification des structures de traits les Det [ ] +chiens N [ ] acc nombre pluriel genre masc acc nombre pluriel [GN les chiens]= GN [ genre acc nombre grammaire d unification ] masc pluriel
40 Structures de traits complexes st structure [ récursive : ] valeurs peuvent etre des ST accord nombre sg genre féminin pers 3 accord nombre sg cas datif pers 3 cas accusatif
41 Structures de traits complexes on peut contraindre une ST avec des liens réentrants : A= [ ] nombre sg sujet acc 1 pers 2 [ ] verbe acc 1 différent de : B= sujet acc verbe acc [ ] nombre sg pourquoi? pers 2 [ ] nombre sg pers 2
42 Réponse C= sujet [ acc [ genre ] masc quel est le résultat de A C, et B C?
43 Réponse C= sujet [ acc [ genre ] masc A C= sujet verbe genre masc acc 1 nombre sg pers 2 [ ] acc 1
44 Réponse C= sujet B C= sujet acc verbe acc [ acc [ genre genre masc nombre sg pers 2 [ ] nombre sg pers 2 ] masc A C= sujet verbe genre masc acc 1 nombre sg pers 2 [ ] acc 1
45 Structure de traits réentrantes elles sont en fait formellement équivalentes à des graphes dirigés non-cycliques (DAG : directed acyclic graphs). sujet acc pers 2 verbe acc nb sg
46 Techniques d analyse des CFG problème : à partir d une grammaire, comment extraire la structure d une phrase donnée? recherche top-down dans graphe et/ou (profondeur ou largeur) bottom-up à partir de la chaine (de G à D ou de D à G). éventuellement plusieurs résultats possibles reconnaissance : une phrase est-elle admise ( correcte ) pour une grammaire analyse : quelles sont les règles qui expliquent la bonne formation (ou les bonnes formations)
47 Analyse Top-down Le chien mange le chat. (objectif : S)
48 Analyse Top-down Le chien mange le chat. (objectif : S) S NP VP
49 Analyse Top-down Le chien mange le chat. (objectif : S) S NP VP NP DET N VP V NP
50 Analyse Top-down Le chien mange le chat. (objectif : S) S NP VP NP DET N DET le N chien VP V NP
51 Analyse Top-down Le chien mange le chat. (objectif : S) S NP VP NP DET N DET le N chien VP V NP V mange NP DET N...
52 Analyse Top-down gauche à droite // droite à gauche profondeur ou largeur d abord problèmes : règles du type NP NP PP doit stocker une grande partie de l arbre de recherche en cas de largeur d abord.
53 Analyse Bottom-Up exemple en gauche droite Le chien mange le chat.
54 Analyse Bottom-Up exemple en gauche droite Le chien mange le chat. DET N V DET N
55 Analyse Bottom-Up exemple en gauche droite Le chien mange le chat. DET N V DET N NP DET N NP V DET N
56 Analyse Bottom-Up exemple en gauche droite Le chien mange le chat. DET N V DET N NP DET N NP DET N NP V DET N NP V NP
57 Analyse Bottom-Up exemple en gauche droite Le chien mange le chat. DET N V DET N NP DET N NP DET N VP V NP NP V DET N NP V NP NP VP
58 Analyse Bottom-Up exemple en gauche droite Le chien mange le chat. DET N V DET N NP DET N NP DET N VP V NP S NP VP NP V DET N NP V NP NP VP S
59 Analyse Bottom-Up exemple en gauche droite Le chien mange le chat. DET N V DET N NP DET N NP DET N VP V NP S NP VP gauche à droite // droite à gauche profondeur ou largeur d abord NP V DET N NP V NP NP VP S
60 Analyse Coin gauche left-corner parsing top-down : méthode trop aveugle (beaucoup de règles dans une grammaire par rapport à celles effectivement appliquée sur une phrase particulière, ignore les mots de la phrase. bottom-up : méthode aussi peu informée : on essaye tout, en partant du bas, sans s occuper de ce qu on cherche au final. intermédiaire : bottom up au départ, en cherchant à continuer à reconnaître ce qu on a commencé (top-down à ce moment)
61 Exemple d analyse Le chien mange le chat. DET N V DET N DET N NP bottom-up NP est le début de la production S NP VP (coin gauche) on va chercher à vérifier cette règle on cherche donc maintenant un VP (si on regarde de droite à gauche : coin droit de la règle. )
62 Analyse avec trace chart parsing encore un problème : toutes les analyses précédentes jettent les hypothèses infirmées, même quand elles pourraient servir plus tard exemple : VP V NP ADV / VP V NP PP J ai vu (l homme qui a tiré sur Jacques Chirac) de mes propres yeux. on cherche à satisfaire la première règle (échec), on passe à la seconde travail fait deux fois.
63 Analyse avec trace solution : garder tous les constituants reconnus, et mettre en attente toutes les règles les faisant potentiellement intervenir chart (une trace de ce qui a été fait) sur l exemple on garde en mémoire : (règles pointées) VP V NP ADV VP V NP PP il ne reste plus qu à trouver un ADV ou un PP.
64 Vers une grammaire plus poussée On commence par l anglois : catégories? règles? traits syntaxiques? principes?
65 Vers une grammaire plus poussée On commence par l anglois : catégories? Adj, Adv, Pro, Rel, Prep,... règles? traits syntaxiques? principes?
66 Vers une grammaire plus poussée On commence par l anglois : catégories? Adj, Adv, Pro, Rel, Prep,... règles? traits syntaxiques? cas, genre, nombre, personne, forme, mode, temps, verbale,... principes?
67 Vers une grammaire plus poussée On commence par l anglois : catégories? Adj, Adv, Pro, Rel, Prep,... règles? traits syntaxiques? cas, genre, nombre, personne, forme, mode, temps, verbale,... principes? accord, arguments du verbe
68 Un début S NP VP NP PN NP PN Rel NP Det Nbar Nbar N Nbar N Rel Rel Wh VP VP IV VP TV NP VP DV NP PP VP SV S PP P NP
69 Quelques problèmes non triviaux dépendances longue distance Myriam a promis à Philippe d être à l heure. J ai vu l homme qui a tiré sur Jacques Chirac. Les Corses sont fiers, les Belges aussi. ambiguité syntaxique : je (vois (un chien) (avec un téléscope)) (dans le parc) je (vois (un quidam avec un chapeau) (dans le parc)) même forme de surface / 2 interprétations
70 Quelques formalismes d unification (1) : GPSG Generalized Phrase Structure Grammar pas de réentrance, récursion finie sémantique : Montague
71 Quelques formalismes d unification (2) : LFG Lexical Functional Grammar Forme générale S NP VP ( sujet = ) ( = ) traits disjonctifs, contraintes sémantique : C-structures
72 Quelques formalismes d unification (3) : HPSG Head-driven Phrase Structure Grammar principes généralisant encore plus : chaque catégorie possède un trait tête, qui dirige la composition de structures. traits disjonctifs, ST typés+héritage sémantique : théorie des situations (situation theory)
73 Quelques formalismes d unification (4) : CG grammaire catégorielle (categorial grammar) Forme générale : sémantique : Montague X (X /Y ) Y X Z (X \Z)
74 Problèmes globaux couverture : modèle de grammaire complèt très difficile à faire (mots inconnus, structures oubliées, etc) complexité : trop de lectures possibles rend inexploitables si grammaire trop ambiguë importance de l information lexicale pour désambiguiser (ex : verbes transitifs ou non, structure argumentale), coûteuse à rassembler. quelques alternatives : modèles d apprentissage statistiques, analyse superficielle
75 Analyse probabiliste idée : ne garder que les analyses les plus probables en cas d ambiguïté pour cela on attribue une probabilité aux règles de la grammaire = PCFG Probabilistic Context-Free Grammar la probabilité d une analyse syntaxique est la combinaison de la probabilité des règles utilisées dans sa dérivation nécessite un corpus d entraînement, de phrases avec leurs analyses syntaxiques variante : probabilité sur des arbres problèmes : voir le cours d apprentissage!
76 Analyse superficielle (shallow parsing) idée : découpage en ilôts, non récursifs, non recouvrants = tranches / chunks tout ce qui n est pas reconnu est ignoré Exemple : si on n a des règles de reconnaissance basiques d un GN Jacques a vu brièvement le président américain hier Jacquesa vu brièvement [le président américain] hier ne pas décider en cas d ambiguité je vois (un chien) (avec une jumelle) peut correspondre à attachements divers, mais pas de problèmes pour groupes basiques (GN simples,...)
77 En pratique réalisé avec des patrons syntaxiques = expressions régulières nécessite un prétraitement = étiquettage morpho-syntaxique ex : Jacques a vu brièvement le président américain hier NP V V ADV DET N ADJ ADV
78 Analyse superficielle en cascade une méthode populaire : cascade d automates finis grammaire non récursive, à base d expressions régulières chunking, découpage successifs en composants plus complexes d abord groupes nominaux basiques, verbes, puis GN coordonnés, puis groupes prépositionnels, puis clauses, puis etc
79 Exemple étage 0 : morpho-syntaxe je vois un gros chien et un chat avec une jumelle
80 Exemple étage 0 : morpho-syntaxe étage 1 : nx prp (det adj* nn adj*) nam vx v [nx je] [vx vois] [nx un gros chien] et [nx un chat] avec [nx une jumelle]
81 Exemple étage 0 : morpho-syntaxe étage 1 : nx prp (det adj* nn adj*) nam vx v étage 2 : np nx (et nx)* [np [nx je]] [vx vois] [np [nx un gros chien] et [nx un chat]] avec [np [nx une jumelle]]
82 Exemple étage 0 : morpho-syntaxe étage 1 : nx prp (det adj* nn adj*) nam vx v étage 2 : np nx (et nx)* étage 3 : pp prep np [np [nx je]] [vx vois] [np [nx un gros chien] et [nx un chat]] [pp avec [np [nx une jumelle]]]
83 Exemple étage 0 : morpho-syntaxe étage 1 : nx prp (det adj* nn adj*) nam vx v étage 2 : np nx (et nx)* étage 3 : pp prep np étage 4 (clauses) c np vx np* pp* [c [np [nx je]] [vx vois] [np [nx un gros chien] et [nx un chat]] [pp avec [np [nx une jumelle]]]]
84 [c ] [np [nx je]] [vx vois] [np [nx un gros chien] et [nx un chat]] [pp avec [np [nx une jumelle]]]
85 Troisième partie : la sémantique objectifs : représentation & désambiguisation But de la sémantique formelle : construire une représentation de l information véhiculée par des expressions en langage naturel. au niveau de la phrase ; au niveau d une suite de phrases (discours).
86 Représentation du discours la mise en relation d une forme (obéissant à des règles de bonne formulation la syntaxe) avec un contenu, le sens, déterminé par le sens des parties. Deux problèmes principaux : 1 quelle est la forme logique d une phrase, d un discours (la sémantique) 2 comment faire correspondre à une phrase sa forme logique par un processus de composition à partir des expressions du langage. (c est l interface entre l ensemble syntaxe/lexique et la sémantique).
87 Sémantique simple à base de traits un trait sem ou trad ou... S [ ] pred 1 sem sujet 2 syn... NP [ sem 2 syn... ] [ ] VP sem 1 syn...
88 Plus généralement S(sem :f(semnp,semvp)) NP(sem :semnp) VP(sem :semvp) les formalismes varient sur la nature de la fonction de composition du sens représentation exprimable sous forme logique
89 Rappel rapide de logique termes : variables x i, constantes c j, images de fonctions f (x) propositions atomiques : prédicats P(x), Q(x 1, x 2, x 3 ) propositions construites avec,,, : P(x) Q(y) quantificateurs :, x[(oiseau(x) pingouin(x)) vole(x)]
90 Forme logique la question de la sémantique est : quelle est la forme logique d une phrase?
91 Forme logique la question de la sémantique est : quelle est la forme logique d une phrase? Jean dort.
92 Forme logique la question de la sémantique est : quelle est la forme logique d une phrase? Jean dort. dort(jean) dort(j) nom(j, Jean ) dort(j, t) dormir(e) agent(e) = j dormir(e, j) e t now
93 Interface syntaxe / sémantique Si l on admet que la représentation de la phrase suivante : Un homme dort. est la formule Les questions à résoudre sont : x (homme(x) dort(x)) 1 quelle est la contribution de chaque élément lexical à l ensemble de la formule? 2 quelles sont les règles de combinaison de ces éléments qui donnent la formule finale?
94 Exemple avec une CFG S NP V NP D N N homme D un V dort syntaxe + lexique FL de un x... FL de dort prédicat FL de homme prédicat
95 Rappel (rapide) de lambda-calcul une façon abstraite de définir une fonction et ses arguments on va ici n utiliser que des fonctions dont le résultat final est une formule logique du premier ordre. ex : λx(oiseau(x)) mécanisme de beta-réduction : composition de formules lambda [λx(oiseau(x))](y) donne oiseau(y) arguments des fonctions peuvent être des prédicats ou même des formules : λp( x(oiseau(x) P(x))
96 Exemple (suite) Il faut considérer la sémantique des expressions comme des lambda-abstractions en attente de leurs arguments. Ainsi la sémantique d un verbe peut être : [[dort]] = λx dort(x) Celle d un nom commun est similaire : [[homme]] = λx homme(x) Et celle du déterminant peut aussi s écrire : [[un]] = λpλr ( x P(x) R(x))
97 Composition sémantique [[un]] ([[homme]]) = = λr (homme(x) R(x)) ([[un]] ([[homme]]))([[dort]]) = = x(homme(x) dort(x))
98 Le processus de traduction category1(sem :f(semnp,semvp)) categorie2(sem :semnp) categorie3(sem :semvp)... ici par exemple, f = application lambda (pour toutes les règles)
99 Le processus de traduction S :( x (homme(x) dormir(x))) NP :λr ( x homme(x) R(x)) VP :λx(dormir(x)) dort DET :λpλr ( x P(x) R(x)) N :λx(homme(x)) un homme
100 Exercice : plus de sémantique noms, verbes intransitifs : ok noms propres (Marie) verbes transitifs (Bernadette aime Jacques) adjectifs (Un bon chien) pronom relatif (Un chien qui passe aboie) quantification : (chaque homme possède un cerveau)
101 Noms propres Jerry dort. S NP VP PN Jerry [[dort]] = λx dormir(x) V dort
102 Noms propres Jerry dort. S NP VP PN Jerry [[dort]] = λx dormir(x) [[Jerry]] = j V dort
103 Noms propres Jerry dort. S NP VP PN Jerry [[dort]] = λx dormir(x) [[Jerry]] = j [[Jerry]] = λp(p(x)) V dort
104 Verbes transitifs Georges ennuie Elaine. S NP VP PN V NP Georges ennuie PN Elaine
105 Adjectifs Jerry est malade. Un petit chien aboie. S NP VP PN V ADJ Jerry est malade S NP VP V DET ADJ N un petit chien aboie
106 Le verbe être Jerry est un comique. Jerry est malade. S NP VP PN V NP Jerry est DET N un comique
107 Quantification universelle Chaque homme aime une femme. S NP VP DET N V NP Chaque homme aime DET N une femme
108 Quantification définie Le voisin dort. S NP VP DET N V le voisin dort
109 Verbes enchâssés Kramer préfère dormir. S NP VP PN V VP Kramer préfère V dormir
110 Traduction sur mesure on a vu avec un ordre fixe = pas souple pour chaque règle de syntaxe, une règle différente et on ajuste S(semNP(semVP)) NP VP VP(semNP(semV)) V NP...
111 Ordre d application l ordre est pénible à lister typage sémantique des cat. syntaxiques t : type booléen e : type objet types construits : (T1/T2) est une fonction d un domaine T1 vers un domaine T2, si T1 et T2 sont des types. un prédicat est par exemple de type (e/t) ex de règle (on considère que le type de s est t) : s np vp np= λ P (..P(x)) (attend un prédicat) type ((e/t)/t) vp= λ x (..(x)) (attend un objet) type (e/t) l ordre de composition est nécessairement [[np]] ([[vp]])
112 Retour sur les applications Par rapport aux modèles théoriques : problème de passage à l échelle (scalability) problème des ressources (lexicales essentiellement) problèmes des performances (complexité temps et mémoire) problème de validation
113 Simplifications domaines restreints (dialogue, base de données) approches robustes (syntaxe) approches presque exactes, statistiques (recherche d information)...
114 Exemple : le dialogue faux départs je ne il ne faut pas faire ça répétition je je ne sais pas relâchement de syntaxe (négation) je sais pas mots manquants fragments tu as vu quoi? un film
115 L au-delà la pragmatique : le langage en contexte présupposition : Le roi de France est chauve. temps : Je suis parti avant qu il arrive/ Je suis parti avant d être saoûl. temps :Jerry alla au restaurant et mangea du homard. / Jerry alla au restaurant et alla au cinema. anaphore : Hillary 1 ne parle pas à Monica 2. Elle 1 ne l 2 aime pas. une certaine forme de raisonnement est nécessaire
Grammaires 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 détailTD 1 - Structures de Traits et Unification
TD 1 - Structures de Traits et Unification 1 Définitions Un trait (en: feature) est un couple attribut-valeur. Une structure de traits (en: feature structure) est un ensemble de traits. On peut les représenter
Plus en détailChap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1
Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-
Plus en détailfiche D AUTOCORRECTION Frimousse, une petite chienne qu'on a adoptée le mois dernier, est intelligente et docile.
fiche D AUTOCORRECTION 3.4 Les accords sont corrects dans chaque groupe du nom. On met souvent sur le dos de l inattention les erreurs d orthographe grammaticale. Bien accorder les mots exige de l observation
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailDocument d aide au suivi scolaire
Document d aide au suivi scolaire Ecoles Famille Le lien Enfant D une école à l autre «Enfants du voyage et de familles non sédentaires» Nom :... Prénom(s) :... Date de naissance :... Ce document garde
Plus en détailDétection des propositions syntaxiques du français : en vue de l alignement des propositions de textes parallèles français-japonais
Détection des propositions syntaxiques du français : en vue de l alignement des propositions de textes parallèles français-japonais Yayoi Nakamura-Delloye To cite this version: Yayoi Nakamura-Delloye.
Plus en détailÉvaluation et implémentation des langages
Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation
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 détailLES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN
LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas
Plus en détaildans un cadre richement typé
Sémantique des déterminants dans un cadre richement typé Christian Retoré Université de Bordeaux & IRIT, Toulouse (en 2012 2013) TALN 2013, les Sables d Olonne A Sémantique des déterminants A.1. Pourquoi
Plus en détailIII- Raisonnement par récurrence
III- Raisonnement par récurrence Les raisonnements en mathématiques se font en général par une suite de déductions, du style : si alors, ou mieux encore si c est possible, par une suite d équivalences,
Plus en détailSystèmes décisionnels et programmation avancée
Systèmes décisionnels et programmation avancée M1 SIR Philippe Muller et Mustapha Mojahid, Matthieu Serrurier, Marie-Christine Scheix 2014-2015 Introduction structure du cours intervenants introduction
Plus en détailLa phonétisation de "plus", "tous" et de certains nombres : une analyse phono-syntaxique
La phonetisation de "plus", "tous" et de certains nombres. La phonétisation de "plus", "tous" et de certains nombres : une analyse phono-syntaxique Jean-Philippe Goldman, Christopher Laenzlinger et Eric
Plus en détailTP1 - Prise en main de l environnement Unix.
Mise à niveau UNIX Licence Bio-informatique TP1 - Prise en main de l environnement Unix. Les sujets de TP sont disponibles à l adresse http://www.pps.jussieu.fr/~tasson/enseignement/bioinfo/ Les documents
Plus en détailUtilisation des tableaux sémantiques dans les logiques de description
Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailCompte-rendu de Hamma B., La préposition en français
Compte-rendu de Hamma B., La préposition en français Badreddine Hamma To cite this version: Badreddine Hamma. Compte-rendu de Hamma B., La préposition en français. Revue française de linguistique appliquée,
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
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 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 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 détailMaple: premiers calculs et premières applications
TP Maple: premiers calculs et premières applications Maple: un logiciel de calcul formel Le logiciel Maple est un système de calcul formel. Alors que la plupart des logiciels de mathématiques utilisent
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 détailAtelier ATOLL pour les grammaires d arbres adjoints
TALN 2001, Tours, 2-5 juillet 2001 Atelier ATOLL pour les grammaires d arbres adjoints François Barthélemy 1, Pierre Boullier 2, Philippe Deschamp 2, Linda Kaouane 2 et Éric Villemonte de la Clergerie
Plus en détailmajuscu lettres accent voyelles paragraphe L orthographe verbe >>>, mémoire préfixe et son enseignement singulier usage écrire temps copier mot
majuscu conjugaison >>>, L orthographe singulier syllabe virgule mémoire lettres et son enseignement graphie suffixe usage accent ; écrire féminin temps voyelles mot point Renforcer l enseignement de l
Plus en détailM06/5/COMSC/SP1/FRE/TZ0/XX INFORMATIQUE NIVEAU MOYEN ÉPREUVE 1. Mardi 2 mai 2006 (après-midi) 1 heure 30 minutes INSTRUCTIONS DESTINÉES AUX CANDIDATS
IB INFORMATIQUE NIVEAU MOYEN ÉPREUVE 1 DIPLOMA PROGRAMME PROGRAMME DU DIPLÔME DU BI PROGRAMA DEL DIPLOMA DEL BI M06/5/COMSC/SP1/FRE/TZ0/XX 22067017 Mardi 2 mai 2006 (après-midi) 1 heure 30 minutes INSTRUCTIONS
Plus en détailmes m est mets/met mais mets
GRAMMATICAUX DE CATÉGORIES DIFFÉRENTES MES HOMOPHONES M EST METS/MET MAIS METS 1 Homophones grammaticaux de catégories différentes mes m est mets/met mais mets mes : déterminant possessif pluriel, féminin
Plus en détailIntelligence Artificielle et Robotique
Intelligence Artificielle et Robotique Introduction à l intelligence artificielle David Janiszek david.janiszek@parisdescartes.fr http://www.math-info.univ-paris5.fr/~janiszek/ PRES Sorbonne Paris Cité
Plus en détailConstruction et maintenance d une ressource lexicale basées sur l usage
Construction et maintenance d une ressource lexicale basées sur l usage Laurie Planes 1, (1) Inbenta France, 164 route de Revel, 31400 TOULOUSE lplanes@inbenta.com Résumé. Notre société développe un moteur
Plus en détailADAPT: un modèle de transcodage des nombres. Une application des systèmes de production au développement
ADAPT: un modèle de transcodage des nombres Une application des systèmes de production au développement Référence Barrouillet, P., Camos, V., Perruchet, P., & Seron, X. (2004). A Developmental Asemantic
Plus en détailDéterminants possessifs
POSSESSIFS MATÉRIEL POUR ALLOPHONES 1 Déterminants Déterminants référents Déterminants possessifs Le déterminant possessif indique une relation d appartenance, de possession, de parenté, d origine, etc.,
Plus en détailUn guide du trading des Options Binaires, étape par étape. www.cedarfinance.com
Un guide du trading des Options Binaires, étape par étape www.cedarfinance.com Index 3 Les meilleures raisons pour commencer le trading d Options Binaires 4 Les Options Binaires: Histoire 5 Comment réaliser
Plus en détailces ses c est s est sais / sait
GRAMMATICAUX DE CATÉGORIES DIFFÉRENTES CES HOMOPHONES SES C EST S EST SAIS / SAIT 1 Homophones grammaticaux de catégories différentes ces ses c est s est sais / sait ces : déterminant démonstratif pluriel
Plus en détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détailThèmes et situations : Agenda et Emploi du temps. Fiche pédagogique
Ressources pour les enseignants et les formateurs en français des affaires Activité pour la classe : CFP Crédit : Joelle Bonenfant, Jean Lacroix Thèmes et situations : Agenda et Emploi du temps Objectifs
Plus en détailUML (Diagramme de classes) Unified Modeling Language
UML (Diagramme de classes) Unified Modeling Language Sommaire Introduction Objectifs Diagramme de classes Classe (Nom, attribut, opération) Visibilité et portée des constituants d une classe Association
Plus en détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
Plus en détailThomas Dutronc : Demain
Thomas Dutronc : Demain Paroles et musique : Thomas Dutronc Mercury / Universal Music Thèmes La conception de la vie, la joie de vivre, l insouciance. Objectifs Objectifs communicatifs : Donner son avis,
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailOCL - Object Constraint Language
OCL - Object Constraint Language Laëtitia Matignon laetitia.matignon@univ-lyon1.fr Département Informatique - Polytech Lyon Université Claude Bernard Lyon 1 2012-2013 Laëtitia Matignon SIMA - OCL - Object
Plus en détailLangue Française. Syllabus A1. Description globale du niveau A1 utilisateur élémentaire
Langue Française Redatto da Dott.ssa Annie Roncin Syllabus A1 Description globale du niveau A1 utilisateur élémentaire L étudiant peut : -comprendre et utiliser des expressions familières et quotidiennes
Plus en détailLogiciel Libre Cours 3 Fondements: Génie Logiciel
Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/
Plus en détailDistinction des questions et des consignes
ET ŒIL DES CONSIGNES (OUTILS D EXPLORATION ET D INTÉGRATION DE LA LECTURE) 1 Questions et consignes Distinction des questions et des consignes Théorie Comment différencier les questions et les consignes
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 détailMots interrogatifs. Quand,comment,pourquoi,qui... sont des mots interrogatifs qui servent à introduire une phrase interrogative.
1 Mots interrogatifs Quand,comment,pourquoi,qui... sont des mots interrogatifs qui servent à introduire une phrase interrogative. ous pouvons principalement les classer en 3 groupes. *Les adjectifs interrogatifs
Plus en détailDESCRIPTEURS NIVEAU A2 du Cadre européen commun de référence pour les langues
DESCRIPTEURS NIVEAU A2 du Cadre européen commun de référence pour les langues ACTIVITÉS DE COMMUNICATION LANGAGIÈRE ET STRATÉGIES Activités de production et stratégies PRODUCTION ORALE MONOLOGUE SUIVI
Plus en détailquelque quelque(s) quel(s) que/quelle(s) que quel(s) / quelle(s) qu elle(s)
GRAMMATICAUX DE CATÉGORIES DIFFÉRENTES QUELQUE HOMOPHONES QUELQUE(S) QUEL(S) QUE/QUELLE(S) QUE QUEL(S)/QUELLE(S) QU ELLE(S) 1 Homophones grammaticaux de catégories différentes quelque quelque(s) quel(s)
Plus en détailNotes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence
Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence Gwenole Fortin To cite this version: Gwenole Fortin. Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence. 2006.
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailInitiation à l algorithmique
Informatique S1 Initiation à l algorithmique procédures et fonctions 2. Appel d une fonction Jacques TISSEAU Ecole Nationale d Ingénieurs de Brest Technopôle Brest-Iroise CS 73862-29238 Brest cedex 3 -
Plus en détailPrésentation du langage et premières fonctions
1 Présentation de l interface logicielle Si les langages de haut niveau sont nombreux, nous allons travaillé cette année avec le langage Python, un langage de programmation très en vue sur internet en
Plus en détailclef primaire ; clef étrangère ; projection ; restriction ; jointure ; SQL ; SELECT ; FROM ; WHERE
Cas Neptune hôtel Base de données et langage SQL Propriété Intitulé long Formation concernée Matière Notions Transversalité Présentation Description Neptune Hôtel. L interrogation d une base de données
Plus en détailAriane Moffatt : Je veux tout
Ariane Moffatt : Je veux tout Paroles et musique : Ariane Moffatt Sony Music France Thèmes La relation amoureuse, les enfants gâtés. Objectifs Objectifs communicatifs : Exprimer un sentiment. Exprimer
Plus en détailRègles d élaboration d une évaluation par Questions à Choix Multiple Joël LECHEVALLIER 1
Règles d élaboration d une évaluation par Questions à Choix Multiple Joël LECHEVALLIER 1 Préambule Les questions à choix multiple (QCM) sont une méthode à la fois fiable, objective, valide et rentable
Plus en détail1. Coordonnées de l expéditeur. Vous avez réalisé, dans nos locaux, des travaux d aménagement, le jeudi 22 décembre dernier.
3. Références Marie Durand Institut des Langues 145 rue Xavier Cigalon 30000 NICE Tel: 0402030405 Courriel : durand@aol.fr 1. Coordonnées de l expéditeur M. Michel Fabre Directeur Fabre associés 24 avenue
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailACTIVITÉS DE COMMUNICATION LANGAGIÈRE ET STRATÉGIES
référence pour les langues ACTIVITÉS DE COMMUNICATION LANGAGIÈRE ET STRATÉGIES Activités de production et stratégies PRODUCTION ORALE GÉNÉRALE MONOLOGUE SUIVI : décrire l'expérience MONOLOGUE SUIVI : argumenter
Plus en détaileduscol Ressources pour la voie professionnelle Français Ressources pour les classes préparatoires au baccalauréat professionnel
eduscol Ressources pour la voie professionnelle Ressources pour les classes préparatoires au baccalauréat professionnel Français Présentation des programmes 2009 du baccalauréat professionnel Ces documents
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailDe la modélisation linguistique aux applications logicielles: le rôle des Entités Nommées en Traitement Automatique des Langues
De la modélisation linguistique aux applications logicielles: le rôle des Entités Nommées en Traitement Automatique des Langues Maud Ehrmann Joint Research Centre Ispra, Italie. Guillaume Jacquet Xerox
Plus en détailbasée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML
basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML http://olivier-augereau.com Sommaire Introduction I) Les bases II) Les diagrammes
Plus en détailUFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018
UFR d Informatique FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 Objectif L UFR d informatique propose au niveau du master, deux spécialités sous la mention informatique
Plus en détailThe Grid 2: Manuel d utilisation
The Grid 2: Manuel d utilisation Bienvenue dans The Grid 2 Merci d avoir choisi The Grid 2! Ce guide va vous apprendre tout ce que vous devez savoir à propos de The Grid 2. Il vous guidera pas à pas pour
Plus en détailANALYSE SÉMANTICO-DISCURSIVE DES COLLOCATIONS LEXICALES EN CORPUS SPÉCIALISÉ : LA BASE CONNAISSANCE-S
ANALYSE SÉMANTICO-DISCURSIVE DES COLLOCATIONS LEXICALES EN CORPUS SPÉCIALISÉ : LA BASE CONNAISSANCE-S Estelle Dubreil et Béatrice Daille LINA FRE CNRS 2729 Université de Nantes France Résumé : L association
Plus en détailContribution aux rapports entre la logique combinatoire et les T[Σ]-algèbres.
UNIVERSITÉ PARIS-SORBONNE ÉCOLE DOCTORALE V «CONCEPTS ET LANGAGES» Laboratoire de recherche «Langues, Logiques, Informatique, Cognition (STIH-LaLIC)» T H È S E pour obtenir le grade de DOCTEUR DE L UNIVERSITÉ
Plus en détailsquelettique Importance pressentie des troubles de santé psychologique Sollicitation par les centres d urgence d
Étude chez les prépos posés s des centres d appels d d urgence : la première phase d une d démarche de prévention des troubles de santé psychologique et musculo-squelettique squelettique Présenté par Louise
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 détailCours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions
Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental
Plus en détailI. Le déterminant Il détermine le nom. Le déterminant indique le genre, le
I. Le déterminant Il détermine le nom. Le déterminant indique le genre, le nombre et le degré de détermination du nom. 1. L article le, la, les, l, d, au, aux, du, des, un, une, des, du, de l, de la, des.
Plus en détailCompte rendu de la formation
Compte rendu de la formation «Expertise de vos pratiques en Méthode Naturelle de la Lecture et de l Ecriture (MNLE)» Animée par Sybille Grandamy Le 10 mars 2015 BILAN QUALITATIF ET QUANTITATIF 9 participant(e)s
Plus en détailGOL502 Industries de services
GOL502 Industries de services Conception d un service Partie IIb Version 2013 Introduction Conception d un service partie IIb Nous verrons dans ce chapitre Modélisation d un service; Langage de modélisation
Plus en détail1 Description générale. Résumé
Station Sensunique: une plateforme Web modulaire, collaborative et évolutive d acquisition assistée de ressources terminologiques et non terminologiques (orientée Langues Contrôlées) Izabella Thomas 1,
Plus en détailAccompagnement personnalisé 6e
éduscol Accompagnement personnalisé 6e Accompagnement personnalisé en 6ème Problème pédagogique : l élève fait des erreurs dans la conjugaison du présent de l indicatif. Compétence 1 : Conjuguer les verbes,
Plus en détailStéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 25/12/2006 Stéphane Tufféry - Data Mining - http://data.mining.free.fr
1 Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE 2 Plan du cours Qu est-ce que le data mining? A quoi sert le data mining? Les 2 grandes familles de techniques Le déroulement d un projet de data
Plus en détailDire à quelqu un de faire quelque chose
PARCOURS 1 Vous avez un problème? Dire à quelqu un de faire quelque chose SÉQUENCE 2 : PAS DE PROBLÈME SANS SOLUTION p. 15 Peut généralement identifier le sujet d une discussion se déroulant en sa présence
Plus en détailRéussir son entrée en grammaire au CE1
CE1 Réussir son entrée en grammaire au CE1 Françoise Bellanger Aurélie Raoul-Bellanger ISBN : 978-2-7256-3249-0 Retz, 2013 pour la présente édition Direction éditoriale : Sylvie Cuchin Édition : Charlotte
Plus en détailCréer le schéma relationnel d une base de données ACCESS
Utilisation du SGBD ACCESS Polycopié réalisé par Chihab Hanachi et Jean-Marc Thévenin Créer le schéma relationnel d une base de données ACCESS GENERALITES SUR ACCESS... 1 A PROPOS DE L UTILISATION D ACCESS...
Plus en détailTP 1 Prise en main de l environnement Unix
Introduction aux systèmes d exploitation (IS1) TP 1 Prise en main de l environnement Unix Le but de ce premier TP est de commencer à vous familiariser avec l environnement Unix. 1 Ouverture de session
Plus en détailCompléments de documentation Scilab : affichage de texte et formatage de nombres
Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Agrégation externe Année 2002-2003 Compléments de documentation Scilab : affichage de texte et formatage de
Plus en détailCaractéristiques du nom
DU MATÉRIEL NOM POUR ALLOPHONES 1 Nom et groupe nominal Caractéristiques du nom 1 LES CARACTÉRISTIQUES SÉMANTIQUES DU NOM Le nom commun désigne une personne ou une chose qui appartient à une même espèce.
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 détailCarl-Louis-Ferdinand von Lindemann (1852-1939)
Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis
Plus en détailAtelier rédactionnel
Baccalauréat professionnel Gestion - Administration Atelier rédactionnel Exemples de séances réalisées en première et au début de l année de terminale Joëlle PERRETIER & Patrice VIRIEUX Lycée professionnel
Plus en détailApprentissage 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 détail1 On peut consulter et interroger ce corpus sur le site de l équipe DELIC : http://www.up.univmrs.fr/delic/crfp.
Ce que les corpus nous apprennent sur la langue Bilger Mireille (Université de Perpignan) - bilger@univ-perp.fr Cappeau Paul (Université de Poitiers) - Paul.Cappeau@univ-poitiers.fr La description syntaxique
Plus en détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailClub langue française Quiz. Par Julien COUDERC et Maxence CORDIEZ
Club langue française Quiz Par Julien COUDERC et Maxence CORDIEZ Question 1 Quelle est l'orthographe correcte? 1. J'ai vécu des amours passionnés. 2. J'ai vécu des amoures passionés. 3. J'ai vécu des amours
Plus en détailModélisation des données
Modélisation des données Le modèle Entité/Association Le MCD ou modèle Entité/Association est un modèle chargé de représenter sous forme graphique les informations manipulées par le système (l entreprise)
Plus en détailLes règles de base du poker :
Les règles de base du poker : LES RÈGLES DE BASE DU POKER :... 1 A propos du poker...2 Comment jouer?...3 Essayez le poker dés maintenant... 5 Le classement des cartes au poker...6 Classement des Cartes...
Plus en détailNOM : Prénom : Date de naissance : Ecole : CM2 Palier 2
NOM : Prénom : Date de naissance : Ecole : CM2 Palier 2 Résultats aux évaluations nationales CM2 Annexe 1 Résultats de l élève Compétence validée Lire / Ecrire / Vocabulaire / Grammaire / Orthographe /
Plus en détailAuxiliaire avoir au présent + participe passé
LE PASSÉ COMPOSÉ 1 1. FORMATION DU PASSÉ COMPOSÉ Formation : Auxiliaire avoir au présent + participe passé PARLER MANGER REGARDER J ai parlé Tu as parlé Il/elle/on a parlé Nous avons parlé Vous avez parlé
Plus en détailGénie Logiciel avec Ada. 4 février 2013
Génie Logiciel 4 février 2013 Plan I. Généralités II. Structures linéaires III. Exceptions IV. Structures arborescentes V. Dictionnaires I. Principes II. Notions propres à la POO I. Principes Chapitre
Plus en détailBuilding Technologies
Building Technologies SiPass TM : au delà du contrôle d accès. Siemens Building Technologies: la clef universelle pour plus de sécurité pour les personnes, les biens et les informations. Plus de protection
Plus en détailTiLT : plate-forme pour le traitement automatique des langues naturelles
TiLT : plate-forme pour le traitement automatique des langues naturelles Johannes Heinecke * Grégory Smits ** Christine Chardenon * Emilie Guimier De Neef * Estelle Maillebuau * Malek Boualem * * Orange
Plus en détailSTI 20 Édition 3 /Novembre 2002
STI 20 Édition 3 /Novembre 2002 Spécifications Techniques d Interface pour le réseau de France Télécom Directive 1999/5/CE Caractéristiques des interfaces d accès au service Turbo DSL en sites d extrémité
Plus en détailComment valoriser une entreprise et sur quels critères? ISEC 22 novembre 2011 Evaluation d entreprises
1 Comment valoriser une entreprise et sur quels critères? ISEC 22 novembre 2011 Evaluation d entreprises Sommaire Préambule Comment bien évaluer une entreprise? Le diagnostic Le business plan L approche
Plus en détailÉtudes. Certaines filières STS (BTS, BTSA) IUT (DUT) universitaires. Écoles (Social, Santé, Arts, Ingénieurs, Commerce ) Classes préparatoires
sélectives à l entrée STS (BTS, BTSA) IUT (DUT) Études non sélectives à l entrée Certaines filières universitaires Écoles (Social, Santé, Arts, Ingénieurs, Commerce ) Classes préparatoires Certaines filières
Plus en détailPrévalence et étiologie. Le retard mental : langage et communication. Définitions et classifications (2) Définitions et classifications
Le retard mental : langage et communication M. - A. SCHELSTRAETE Unité CODE Prévalence et étiologie Prévalence: 25 / 1000 20 / 1000 déficience légère (QI > 50) 4-5 / 1000 déficience grave (QI < 50) = fréquence
Plus en détail