Traitement du langage naturel
Voie Data Science et Marketing
- Année
- 3e année
- Semestre
- Semestre 6
- Unité d’enseignement
- Outils Data Science
- Volume horaire
- 20 h
- Crédits
- 1,5
Les fiches sont renseignées à partir des syllabus RESA/ENEAM et peuvent être actualisées par l’équipe pédagogique. Les modalités d’évaluation indiquées ne remplacent pas les consignes du cours.
Objectif du cours
Le traitement automatique du Langage Naturel est un des domaines de recherche les plus actifs en science des données actuellement. C’est un domaine à l’intersection du Machine Learning et de la linguistique. Il a pour but d’extraire des informations et une signification d’un contenu textuel.
Ce cours vise à présenter aux étudiants la problématique du traitement automatique du langage naturel, de la langue naturelle ou des langues.
Plan du cours
-
Chapitre 1 : Généralités
2 h- Niveaux de traitement d'un langage
- Phonétique, phonologie et orthographe
- Morphologie et syntaxe
- Sémantique
- Pragmatique et discours
- Applications du TALN
- Tâches
- Systèmes
- Affaires (business)
- Défis du TALN
- Ressources
- Compréhension de la langue
- Évaluation
- Éthique
-
Chapitre 2 : Traitements basiques du texte
4 h- Traitements sur les caractères
- Expressions régulières
- Distance d'édition
- Segmentation du texte
- Délimitation de la phrase
- Séparation des mots
- Normalisation du texte
- Filtrage du texte
- Morphologie
- Formation des mots
- Réduction des formes
-
Chapitre 3 : Modèles de langage
2 h- Modèle N-gramme
- Modèles neuronaux
- Évaluation
-
Chapitre 4 : Étiquetage morpho-syntaxique
2 h- Étiquetage de séquences
- Ressources pour l'étiquetage morpho-syntaxique
- Approches d'étiquetage
- Modèle de Markov caché
- Maximum entropy
- Modèle neuronal
-
Chapitre 5 : Analyse syntaxique
2 h- Structures syntaxiques
- Analyse des constituants
- Analyse des dépendances
-
Chapitre 6 : Sémantique des mots
4 h- Bases de données lexicales
- Représentation vectorielle des mots
- Word embedding
- Désambigüisation lexicale
-
Chapitre 7 : Sémantique des phrases
2 h- Rôles sémantiques
- Étiquetage de rôles sémantiques (Semantic role labeling)
- Représentation sémantique des phrases
- Analyse sémantique
-
Chapitre 8 : Quelques applications
2 h- Analyse des sentiments
- Reconnaissance de la parole
- Extraction des caractéristiques
- Synthèse de la parole
Évaluation
1 contrôle écrit et un devoir pratique
Bibliographie
- Daniel Jurafsky, James H. Martin. Speech and Language Processing: An introduction to natural language processing, computational linguistics, and speech recognition, 2nd edition, Prentice-Hall, 2009. Draft of the 3rd edition partly available at https://web.stanford.edu/~jurafsky/slp3.
- Yoav Goldberg. Neural Network Methods for Natural Language Processing. 2017. An earlier draft is freely available online at http://u.cs.biu.ac.il/~yogo/nnlp.pdf.
- Kevin Gimpel's lectures (Toyota Technological Institute at Chicago and UChicago) on Natural Language Processing (https://ttic.uchicago.edu/~kgimpel/teaching/31190-s18/index.html) and on Advanced Natural Language Processing (https://ttic.uchicago.edu/~kgimpel/teaching/31210-s19/index.html).
- Traitement automatique du langage naturel - support de cours par Abdelkrime Aries, https://github.com/projeduc/ESI_2CS_TALN/releases/download/3.0/taln_cours.pdf
- Speech and Language Processing par Dan Jurafsky et James H. Martin https://web.stanford.edu/~jurafsky/slp3/
- Natural language processing par Jacob Esenstein https://cseweb.ucsd.edu/~nnakashole/teaching/eisenstein-nov18.pdf