| 2 |
Littérature et intelligence artificielle
|
|
|
|
In: L'intelligence artificielle des textes ; https://hal.archives-ouvertes.fr/hal-03240145 ; D. Mayaffre, L. Vanni. L'intelligence artificielle des textes, Honoré Champion, pp.73-130, 2021, Lettres Numériques, 9782745356406 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 3 |
Louis Meigret et la réutilisabilité des données
|
|
|
|
In: 10 ans avec CAHIER. Des corpus d'auteurs pour les humanités à leur exploitation numérique ; https://hal.archives-ouvertes.fr/hal-03525241 ; 10 ans avec CAHIER. Des corpus d'auteurs pour les humanités à leur exploitation numérique, Jun 2021, Bordeaux, France (2021)
|
|
BASE
|
|
Show details
|
|
|
| 4 |
From text saliency to linguistic objects: learning linguistic interpretable markers with a multi-channels convolutional architecture
|
|
|
|
In: https://hal.archives-ouvertes.fr/hal-03142170 ; 2021 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 5 |
Deep learning et description des textesArchitecture méthodologique
|
|
|
|
In: L’intelligence artificielle des textes ; https://hal.archives-ouvertes.fr/hal-03230830 ; L’intelligence artificielle des textes, Champion, pp.15 - 72, 2021 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 6 |
L'intelligence artificielle des textes. Présentation
|
|
|
|
In: L'intelligence artificielle des textes. Des algorithmes à l'interprétation ; https://hal.archives-ouvertes.fr/hal-03344917 ; L'intelligence artificielle des textes. Des algorithmes à l'interprétation, Honoré Champion, pp.9-14, 2021, Lettres numériques, 978-2-7453-5640-6 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 7 |
Les proclamations électorales des députés méditerranéens de 1881 à 2002 : diachronie politique et diatopie
|
|
|
|
In: Pour une histoire politique de la France méditerranéenne ; https://hal.archives-ouvertes.fr/hal-03402823 ; Jean-Paul Pellegrinetti. Pour une histoire politique de la France méditerranéenne, PUR, pp.231-274, 2021, 9782753581661 ; https://pur-editions.fr/product/7738/pour-une-histoire-politique-de-la-france-mediterraneenne (2021)
|
|
BASE
|
|
Show details
|
|
|
| 8 |
DeepFLE : la plateforme pour évaluer le niveau d’un texte selon le CECRL
|
|
|
|
In: Dialogues et cultures ; https://hal.archives-ouvertes.fr/hal-03494844 ; Dialogues et cultures, Fédération internationale des professeurs de français, A paraître, Dialogues et cultures (2021)
|
|
BASE
|
|
Show details
|
|
|
| 9 |
These words that Macron borrows from Sarkozy. Discourse and Artificial Intelligence ; Ces mots que Macron emprunte à Sarkozy. Discours et intelligence artificielle
|
|
|
|
In: ISSN: 1638-9808 ; EISSN: 1765-3126 ; Corpus ; https://hal.archives-ouvertes.fr/hal-02503269 ; Corpus, Bases, Corpus, Langage - UMR 7320, 2020 ; https://journals.openedition.org/corpus/ (2020)
|
|
BASE
|
|
Show details
|
|
|
| 10 |
Du texte à l'intertexte. Le palimpseste Macron au révélateur de l'Intelligence artificielle
|
|
|
|
In: CMLF 2020 - 7ème Congrès mondiale de linguistique française ; https://hal.archives-ouvertes.fr/hal-02520224 ; CMLF 2020 - 7ème Congrès mondiale de linguistique française, Jul 2020, Montpellier / Online, France (2020)
|
|
BASE
|
|
Show details
|
|
|
| 11 |
Objectiver l'intertexte ? Emmanuel Macron, deep learning et statistique textuelle
|
|
|
|
In: JADT 2020 - 15èmes Journées Internationales d'Analyse statistique des Données Textuelles ; https://hal.archives-ouvertes.fr/hal-02894990 ; JADT 2020 - 15èmes Journées Internationales d'Analyse statistique des Données Textuelles, Jun 2020, Toulouse, France (2020)
|
|
BASE
|
|
Show details
|
|
|
| 12 |
Hyperdeep : deep learning descriptif pour l'analyse de données textuelles
|
|
|
|
In: JADT 2020 - 15èmes Journées Internationales d'Analyse statistique des Données Textuelles ; https://hal.archives-ouvertes.fr/hal-02926880 ; JADT 2020 - 15èmes Journées Internationales d'Analyse statistique des Données Textuelles, Jun 2020, Toulouse, France (2020)
|
|
BASE
|
|
Show details
|
|
|
| 13 |
Key Passages : From statistics to Deep Learning
|
|
|
|
In: Text Analytics. Advances and Challenges ; https://hal.archives-ouvertes.fr/hal-03099658 ; Domenica Fioredistella Iezzi; Damon Mayaffre; Michelangelo Misuraca. Text Analytics. Advances and Challenges, Springer, pp.41-54, 2020, 978-3-030-52679-5. ⟨10.1007/978-3-030-52680-1_4⟩ (2020)
|
|
BASE
|
|
Show details
|
|
|
| 14 |
From text saliency to linguistic objects: learning linguistic interpretable markers with a multi-channels convolutional architecture ...
|
|
|
|
BASE
|
|
Show details
|
|
|
| 15 |
Deep learning et authentification des textes
|
|
|
|
In: ISSN: 1773-0120 ; Texto ! Textes et Cultures ; https://hal.archives-ouvertes.fr/hal-02561039 ; Texto ! Textes et Cultures, Institut Ferdinand de Saussure, 2019, Texto! Textes et cultures, Volume XXIV, (n°1), pp.1-34 (2019)
|
|
Abstract:
International audience ; Using Deep Learning to attribute authorship of French literary texts While problems of attributing authorship or dating a text can be tackled using the usual methods of literary historians, it is equally possible to turn to statistical and computing tools. A range of intertextual measures have been proposed to describe variation within and across authors. To date no single method can claim an uncontested superiority comparable to the use of DNA in paternity suits or criminal investigations. The present study asks whether artificial intelligence may be able to play this role, and seeks the answer in research involving two corpora. The first concerns 20th century French literature: a deep learning algorithm is used on 50 texts by 25 authors (e.g., Roman Gary, Émile Ajar) with the goal of matching the two texts by the same author. Deep learning is perfectly accurate. The second corpus is drawn from French classical drama and here the algorithm also categorically distinguishes and matches plays by Racine, Corneille, and Molière. The only errors concern two plays (the French texts of Molière's Don Garcia of Navarre and Racine's The Litigants) where the comic genre takes precedence over authorial voice. This paper investigates the mechanisms of deep learning (with a more detailed treatment planned for a subsequent publication). ; Résumé. Deep Learning et authentification des textesLes problèmes de paternité ou de datation peuvent être abordés avec les moyens habituels de l’histoire littéraire, mais aussi en recourant aux ressources de la statistique et de l’informatique. Diverses mesures intertextuelles ont été proposées pour tenter de distinguer les distances intra (entre les textes d’un même auteur) et les distances inter (entre les auteurs). Malheureusement aucune jusqu’ici n’a pu prétendre au rang de juge suprême, comparable à l’ADN dans les recherches de paternité ou de criminalité. L’Intelligence artificielle peut-elle jouer ce rôle? C’est l’objet de la présente étude, menée conjointement dans deux corpus. Dans le premier, on aborde le roman au XXème siècle en proposant à l’algorithme du Deep Learning un panel de 50 textes et de 25 écrivains (parmi lesquels Roman Gary et Émile Ajar). Il s’agit de reconnaître les textes qui ont le même auteur. Le Deep Learning réussit l’épreuve sans faillir. Fort de cette réussite, le même algorithme est appliqué au théâtre classique. La conclusion est catégorique : Racine, Corneille et Molière se distinguent parfaitement sauf dans deux cas (Don Garcie et Les Plaideurs) où le genre vient brouiller la signature. Le présent article s’interroge sur les mécanismes mis en œuvre dans le Deep Learning. Un développement plus étendu est prévu dans une publication ultérieure.
|
|
Keyword:
20th century French novel; [SHS.LANGUE]Humanities and Social Sciences/Linguistics; [SHS.LITT]Humanities and Social Sciences/Literature; [SHS.STAT]Humanities and Social Sciences/Methods and statistics; [SHS]Humanities and Social Sciences; [STAT.AP]Statistics [stat]/Applications [stat.AP]; affaire Corneille-Molière; artificial intelligence; authentification des textes; deep learning; distance intertextuelle; French classical drama; intertextual distance; lexicométrie; lexicometry; literary authorship; Molière authorship question; Mots-clés : Intelligence artificielle; paternité littéraire; roman au XXème siècle; text authentication; théâtre classique
|
|
URL: https://hal.archives-ouvertes.fr/hal-02561039
https://hal.archives-ouvertes.fr/hal-02561039/file/BrunetVanniVersion3.pdf
https://hal.archives-ouvertes.fr/hal-02561039/document
|
|
BASE
|
|
Hide details
|
|
|
| 16 |
Text Deconvolution Saliency (TDS) : a deep tool box for linguistic analysis
|
|
|
|
In: 56th Annual Meeting of the Association for Computational Linguistics ; https://hal.archives-ouvertes.fr/hal-01804310 ; 56th Annual Meeting of the Association for Computational Linguistics, Jul 2018, Melbourne, France (2018)
|
|
BASE
|
|
Show details
|
|
|
| 17 |
ADT et deep learning, regards croisés. Phrases-clefs, motifs et nouveaux observables
|
|
|
|
In: JADT 2018 ; https://hal.archives-ouvertes.fr/hal-01823560 ; JADT 2018, Jun 2018, Rome, Italie (2018)
|
|
BASE
|
|
Show details
|
|
|
| 18 |
Les mots des candidats, de « allons » à « vertu »
|
|
|
|
In: Le vote disruptif. Les élections présidentielle et législatives de 2017 ; https://hal.archives-ouvertes.fr/hal-01635941 ; Pascal Perrineau. Le vote disruptif. Les élections présidentielle et législatives de 2017, Presses SciencesPo, pp.129-152, 2017 (2017)
|
|
BASE
|
|
Show details
|
|
|
| 19 |
Analysing and visualizing textual data with Hyperbase Web Edition
|
|
|
|
In: 4th Digital Humanities Austria (DHA 2017) ; https://hal.archives-ouvertes.fr/hal-01804318 ; 4th Digital Humanities Austria (DHA 2017), Dec 2017, Innsbruck, Austria. 2017 (2017)
|
|
BASE
|
|
Show details
|
|
|
| 20 |
As palavras, o texto, os corpora e arquivo: o historiador face à linguística. Logometria e análise do discurso
|
|
|
|
In: ISSN: 1807-9288 ; EISSN: 1807-9288 ; Texto Digital ; https://hal.archives-ouvertes.fr/hal-01673519 ; Texto Digital, Universidade Federal de Santa Catarina, 2017 (2017)
|
|
BASE
|
|
Show details
|
|
|
|
|
