Le traitement automatique des langues : comprendre les textes grâce à l'intelligence artificielle

Auteur(s) :

Chaumartin, François

Résumé

Une synthèse sur le traitement automatique du langage, branche de l'intelligence artificielle et du machine learning. Sont expliqués les fondements théoriques et informatiques, les approches linguistiques classiques et celles statistiques plus modernes. ©Electre 2020

Autre(s) auteur(s)
- Lemberger, Pirmin
Contributeur(s)
- Delabroy, Olivier. Préfacier, etc.
Éditeur(s)
- Dunod
Date
- 2020
Langues
- Français
Description matérielle
- 1 vol. (320 p.) ; 25 x 18 cm
Collections
- InfoPro
ISBN
- 978-2-10-080188-6
Indice
- 803.5 Linguistique et informatique
Quatrième de couverture
- Le traitement automatique des langues
  Comprendre les textes grâce à l'intelligence artificielle
  Cet ouvrage s'adresse à tous ceux qui cherchent à tirer parti de l'énorme potentiel des technologies de traitement automatique des langues (natural language processing ou NLP), notamment celles d'analyse sémantique et de fouille de textes (text mining).
  Il est destiné aux non-spécialistes de l'intelligence artificielle qui brassent au quotidien des textes dans le cadre de leur activité professionnelle. Il sera aussi précieux pour les data scientists, DSI, chefs de projet et consultants qui souhaitent analyser des textes pour en extraire de l'information.
  Ce livre présente un large panorama de cas d'usages. Il détaille aussi les technologies sous-jacentes, allant des classiques systèmes symboliques aux dernières avancées du machine learning et du deep learning.
  Combinant la théorie et la pratique, il présente :
  
  des applications du traitement du langage ;
  
  les bases de la linguistique informatique ;
  
  des formalismes de représentation du sens ;
  
  les principales tâches de traitement du langage ;
  
  les modèles récents de deep learning appliqués au NLP ;
  
  l'organisation typique d'un projet de ce type.
Tables des matières
- - Le traitement automatique des langues
  - Comprendre les textes grâce à l'intelligence artificielle
  - François-Régis Chaumartin
  - Pirmin Lemberger
  - Olivier Delabroy
  - Dunod
  - PréfaceVII
  - Avant-proposIX
  - 1 Les applications et usages du NLP 1
  - 1.1 Panorama des types d'application1
  - 1.2 Applications par famille de technologie3
  - 1.3 Commerce et marketing25
  - 1.4 Ressources humaines42
  - 1.5 Juridique47
  - 1.6 Santé51
  - 1.7 Industrie55
  - 1.8 Politique56
  - Références61
  - 2 Les bases de la linguistique informatique 63
  - 2.1 De la linguistique à la linguistique informatique63
  - 2.2 Quelques ambiguïtés des langues naturelles66
  - 2.3 Les constituants du texte67
  - 2.4 Petit bestiaire de l'ambiguïté lexicale72
  - Références80
  - 3 La représentation du sens 81
  - 3.1 Les formalismes de représentation du sens81
  - 3.2 Les bases de connaissances96
  - 3.3 Le sens commun118
  - Références121
  - 4 Les principales tâches du NLP 123
  - 4.1 Panorama des tâches123
  - 4.2 Détection de la langue126
  - 4.3 Segmentation129
  - 4.4 Correction d'orthographe131
  - 4.5 Classification automatique133
  - 4.6 Analyse syntaxique134
  - 4.7 Reconnaissance d'entités141
  - 4.8 Extraction de relations entre entités146
  - 4.9 Analyse d'opinions et de sentiments149
  - 4.10 Anaphores et coréférences153
  - 4.11 Génération de texte157
  - 4.12 Extraction terminologique162
  - 4.13 Le saut quantique du deep learning166
  - Références171
  - 5. L'approche statistique 173
  - 5.1 On oublie la linguistique !173
  - 5.2 Le machine learning174
  - 5.3 Le deep learning186
  - 5.4 L'état de l'art en NLP205
  - 5.5 Les limites de l'approche statistique223
  - Références225
  - 6 L'art difficile de la conversation artificielle 227
  - 6.1 Pourquoi aujourd'hui ?227
  - 6.2 Des simulacres228
  - 6.3 Le problème lancinant du contexte229
  - 6.4 Anatomie d'un agent conversationnel230
  - 6.5 Zoom sur deux approches end-to-end235
  - Références243
  - 7 Les étapes d'un projet 245
  - 7.1 Prétraitements préalables à l'analyse sémantique245
  - 7.2 Méthodes de gestion de projets de NLP251
  - 7.3 La mise en place d'un projet de NLP du point de vue du client263
  - 7.4 Evaluation et mesure de la qualité264
  - 7.5 Des ressources de NLP disponibles273
  - 7.6 Le Grand débat national : un cas d'école277
  - Références284
  - 8 Perspectives et problèmes ouverts 285
  - 8.1 Où en est-on aujourd'hui ?285
  - 8.2 Quelques pistes pour améliorer le NLP289
  - 8.3 Conclusion293
  - Références294
  - Annexes 295
  - Les rôles thématiques295
  - Une représentation sémantique « idéale »297
  - Index 301
Origine de la notice:
- Electre