L'objectif de cet article est de proposer, dans le cadre d'une conception récente de la phraséologie fondée sur des critères de fréquence, de récurrence et de mémorisation, et non pas du seul figement, l'intégration d'un nouveau conceptcelui de motif-à l'ensemble conceptuel et terminologique de la discipline. On montre que cette proposition, qui a certes l'inconvénient d'alourdir une terminologie déjà riche et complexe, a aussi deux avantages :-le premier est de permettre une réflexion sur les différents types d'unités phraséologiques reconnues et de suggérer la possibilité d'un concept intégratif qui, sans nier la pertinence des oppositions établies, pourrait être à même d'en subsumer certaines ;-le second est d'ouvrir le champ de la phraséologie à l'analyse de discours en mettant en exergue une des fonctionnalités importantes de la création phraséologique jusqu'ici relativement sous-estimée : en effet, dans la définition que nous en proposons, nous considérons que certains motifs peuvent jouer un rôle fondamental d'agencement discursif propre à structurer les textes et à caractériser certains usages. Ainsi, après une définition de la notion de motif sur le plan formel et sur le plan fonctionnel, on confronte le motif avec les principales unités phraséologiques traditionnellement reconnues pour en montrer les proximités et les différences. Puis, à partir d'exemples empruntés au latin, on illustre la fonction structurante et la fonction caractérisante des motifs et de leurs différentes instanciations en discours.

Ce document a été généré automatiquement le 10 décembre 2020.

Neural network models describe semantic priming effects by way of mechanisms of activation of neurons coding for words that rely strongly on synaptic efficacies between pairs of neurons. Biologically inspired Hebbian learning defines efficacy values as a function of the activity of pre-and post-synaptic neurons only. It generates only pair associations between words in the semantic network. However, the statistical analysis of large text databases points to the frequent occurrence not only of pairs of words (e.g., ''the way'') but also of patterns of more than two words (e.g., ''by the way''). The learning of these frequent patterns of words is not reducible to associations between pairs of words but must take into account the higher level of coding of three-word patterns. The processing and learning of pattern of words challenges classical Hebbian learning algorithms used in biologically inspired models of priming. The aim of the present study was to test the effects of patterns on the semantic processing of words and to investigate how an inter-synaptic learning algorithm succeeds at reproducing the experimental data. The experiment manipulates the frequency of occurrence of patterns of three words in a multiple-paradigm protocol. Results show for the first time that target words benefit more priming when embedded in a pattern with the two primes than when only associated with each prime in pairs. A biologically inspired inter-synaptic learning algorithm is tested that potentiates synapses as a function of the activation of more than two pre-and postsynaptic neurons. Simulations show that the network can learn patterns of three words to reproduce the experimental results.

To cite this version:Jacques Bres, Sylvie Mellet. Une approche dialogique des faits grammaticaux. Langue française, Armand Colin, 2009, Dialogisme et marqueurs grammaticaux, pp.3-20. .