Le traitement automatique des langues pour les sciences sociales

Abstract

Ce numéro de la revue Réseaux rappelle clairement les enjeux actuels en sciences sociales : ce domaine de recherche est passé brusquement d'une situation de pénurie de données ou, du moins, d'une situation où les données étaient difficiles à assembler, à une situation où les données sont apparemment massives, disponibles et facile d'accès. Mais, loin de l'Eldorado promit par les hérauts du big data, cette masse de données n'est pas sans poser problème : la plupart du temps, les données ne sont pas directement exploitables, elles doivent être triés, filtrés, organisés ; elles reflètent des points de vue particuliers qui ne sont pas obligatoirement ceux visés par le chercheur en science sociales ; enfin, elles peuvent être partielles ou biaisées. Nous garderons ces difficultés en tête lors de cette étude mais nous nous focaliserons surtout sur le cas des données textuelles : celles-ci constituent une source incomparable de connaissances mais offrent dans le même temps les plus grandes difficultés d'accès. En effet, comme chacun le sait, un texte ne saurait être assimilé à une masse de connaissances directement exploitable par la machine. Il faut dans un premier temps prévoir des traitements complexes pour identifier l'information pertinente, la normaliser, la catégoriser et éventuellement la mettre en contexte. Alors seulement l'ordinateur ou l'expert sera capable d'en tirer parti pour mener à bien ses analyses. Mais comment procéder pour extraire l'information pertinente de la masse textuelle ? Quels outils utiliser ? Pour quelle pertinence ? Ces questions sont ouvertes et n'ont pas de réponse immédiate et évidente : cet article présentera un aperçu rapide des techniques et des possibilités actuelles. Plusieurs études ont pointé la frustration des chercheurs en sciences sociales face à ce problème : les textes sont effectivement là, présents et disponibles sur la Toile, mais leur

Automated Geoparsing of Paris Street Names in 19th Century Novels

“…However, many knowledge-based approaches have been proposed in the field of NER, one of the earliest being based on heuristics and handcrafted rules [29]. Many different methods are used, such as cascades of finite-state transducers that produce tree-like representations [8,28]. Because regular languages and relations can be encoded as finite automata, they can be more easily manipulated than more complex languages; cascades of transducers have therefore turned out to be very useful for many approaches based on domain-specific corpus analysis and rules are described in a readable way and are easy to modify and maintain.…”

Exploitation du corpus Enquêtes sociolinguistiques à Orléans (ESLO) par les outils du traitement automatique des langues et de la géomatique

“…Si les outils d'aide à l'analyse de corpus atteignent aujourd'hui une certaine maturité, ils trouvent leurs limites pour mettre « en évidence des faits importants, des relations entre les faits et surtout leur interprétation » (Poibeau 2014). L'une des réponses possibles à ces limites peut se trouver dans les problématiques de représentation de l'information.…”

Services Web pour l’annotation sémantique d’information spatiale à partir de corpus textuels

“…Quelque soit le type d'EN (mono-référence à un lieu ou à d'autres catégories d'objets du monde), deux types d'approches existent pour l'annotation automatique des EN : les approches linguistiques ou symboliques à base de règles et les approches probabilistes centrées sur les données et les techniques d'apprentissage (Poibeau, 2011). Ces deux types d'approches initialement présentées comme concurrentes, coexistent de plus en plus dans des systèmes hybrides.…”