Tesis sobre el tema "Induction du sens des mots"

Donner du sens aux données textuelles est une besoin essentielle pour faire les ordinateurs comprendre notre langage. Pour extraire des informations exploitables du texte, nous devons les représenter avec des descripteurs avant d’utiliser des techniques d’apprentissage. Dans ce sens, le but de cette thèse est de faire la lumière sur les représentations hétérogènes des mots et sur la façon de les exploiter tout en abordant leur nature implicitement éparse.Dans un premier temps, nous proposons un modèle de réseau basé sur des hypergraphes qui contient des données linguistiques hétérogènes dans un seul modèle unifié. En d’autres termes, nous introduisons un modèle qui représente les mots au moyen de différentes propriétés linguistiques et les relie ensemble en fonction desdites propriétés. Notre proposition diffère des autres types de réseaux linguistiques parce que nous visons à fournir une structure générale pouvant contenir plusieurstypes de caractéristiques descriptives du texte, au lieu d’une seule comme dans la plupart des représentations existantes.Cette représentation peut être utilisée pour analyser les propriétés inhérentes du langage à partir de différents points de vue, oupour être le point de départ d’un pipeline de tâches du traitement automatique de langage. Deuxièmement, nous utilisons des techniques de fusion de caractéristiques pour fournir une représentation enrichie unique qui exploite la nature hétérogènedu modèle et atténue l’eparsité de chaque représentation. Ces types de techniques sont régulièrement utilisés exclusivement pour combiner des données multimédia.Dans notre approche, nous considérons différentes représentations de texte comme des sources d’information distinctes qui peuvent être enrichies par elles-mêmes. Cette approche n’a pas été explorée auparavant, à notre connaissance. Troisièmement, nous proposons un algorithme qui exploite les caractéristiques du réseau pour identifier et grouper des mots liés sémantiquement en exploitant les propriétés des réseaux. Contrairement aux méthodes similaires qui sont également basées sur la structure du réseau, notre algorithme réduit le nombre de paramètres requis et surtout, permet l’utilisation de réseaux lexicaux ou syntaxiques pour découvrir les groupes de mots, au lieu d’un type unique des caractéristiques comme elles sont habituellement employées.Nous nous concentrons sur deux tâches différentes de traitement du langage naturel: l’induction et la désambiguïsation des sens des mots (en anglais, Word Sense, Induction and Disambiguation, ou WSI/WSD) et la reconnaissance d’entité nommées(en anglais, Named Entity Recognition, ou NER). Au total, nous testons nos propositions sur quatre ensembles de données différents. Nous effectuons nos expériences et développements en utilisant des corpus à accès libre. Les résultats obtenus nous permettent de montrer la pertinence de nos contributions et nous donnent également un aperçu des propriétés des caractéristiques hétérogènes et de leurs combinaisons avec les méthodes de fusion. Plus précisément, nos expériences sont doubles: premièrement, nous montrons qu’en utilisant des caractéristiques hétérogènes enrichies par la fusion, provenant de notre réseau linguistique proposé, nous surpassons la performance des systèmes à caractéristiques uniques et basés sur la simple concaténation de caractéristiques. Aussi, nous analysons les opérateurs de fusion utilisés afin de mieux comprendre la raison de ces améliorations. En général, l’utilisation indépendante d’opérateurs de fusion n’est pas aussi efficace que l’utilisation d’une combinaison de ceux-ci pour obtenir une représentation spatiale finale. Et deuxièmement, nous abordons encore une fois la tâche WSI/WSD, cette fois-ci avec la méthode à base de graphes proposée afin de démontrer sa pertinence par rapport à la tâche. Nous discutons les différents résultats obtenus avec des caractéristiques lexicales ou syntaxiques
Making sense of textual data is an essential requirement in order to make computers understand our language. To extract actionable information from text, we need to represent it by means of descriptors before using knowledge discovery techniques.The goal of this thesis is to shed light into heterogeneous representations of words and how to leverage them while addressing their implicit sparse nature.First, we propose a hypergraph network model that holds heterogeneous linguistic data in a single unified model. In other words, we introduce a model that represents words by means of different linguistic properties and links them together accordingto said properties. Our proposition differs to other types of linguistic networks in that we aim to provide a general structure that can hold several types of descriptive text features, instead of a single one as in most representations. This representationmay be used to analyze the inherent properties of language from different points of view, or to be the departing point of an applied NLP task pipeline. Secondly, we employ feature fusion techniques to provide a final single enriched representation that exploits the heterogeneous nature of the model and alleviates the sparseness of each representation.These types of techniques are regularly used exclusively to combine multimedia data. In our approach, we consider different text representations as distinct sources of information which can be enriched by themselves. This approach has not been explored before, to the best of our knowledge. Thirdly, we propose an algorithm that exploits the characteristics of the network to identify and group semantically related words by exploiting the real-world properties of the networks. In contrast with similar methods that are also based on the structure of the network, our algorithm reduces the number of required parameters and more importantly, allows for the use of either lexical or syntactic networks to discover said groups of words, instead of the singletype of features usually employed.We focus on two different natural language processing tasks: Word Sense Induction and Disambiguation (WSI/WSD), and Named Entity Recognition (NER). In total, we test our propositions on four different open-access datasets. The results obtained allow us to show the pertinence of our contributions and also give us some insights into the properties of heterogeneous features and their combinations with fusion methods. Specifically, our experiments are twofold: first, we show that using fusion-enriched heterogeneous features, coming from our proposed linguistic network, we outperform the performance of single features’ systems and other basic baselines. We note that using single fusion operators is not efficient compared to using a combination of them in order to obtain a final space representation. We show that the features added by each combined fusion operation are important towards the models predicting the appropriate classes. We test the enriched representations on both WSI/WSD and NER tasks. Secondly, we address the WSI/WSD task with our network-based proposed method. While based on previous work, we improve it by obtaining better overall performance and reducing the number of parameters needed. We also discuss the use of either lexical or syntactic networks to solve the task.Finally, we parse a corpus based on the English Wikipedia and then store it following the proposed network model. The parsed Wikipedia version serves as a linguistic resource to be used by other researchers. Contrary to other similar resources, insteadof just storing its part of speech tag and its dependency relations, we also take into account the constituency-tree information of each word analyzed. The hope is for this resource to be used on future developments without the need to compile suchresource from zero

Pouvoir chercher des informations sur un niveau sémantique plutôt que purement lexical devrait améliorer la recherche d'informations. Cette thèse a pour objectif de développer des modules d'analyse sémantique lexicale afin d'améliorer le système de recherche de documents textuels de la société Exalead. Les travaux présentés concernent plus spécifiquement l'analyse sémantique de texte en français. La problématique liée au traitement du français réside dans le fait qu'il n'existe que peu de ressources sémantiques et de corpus annotés pour cette langue. Rendre possible une telle analyse implique donc d'une part de pourvoir aux besoins en ressources linguistiques françaises, et d'autre part, de trouver des méthodes alternatives ne nécessitant pas de corpus français manuellement annoté. Notre manuscrit est structuré en trois parties suivies d'une conclusion. Les deux chapitres de la première partie délimitent les objectifs et le contexte de notre travail. Le premier introduit notre thèse en évoquant la problématique de la sémantique en recherche d'information, en présentant la notion de sens et en identifiant deux tâches d'analyse sémantique : la désambiguïsation lexicale et l'analyse en rôles sémantiques. Ces deux tâches font l'objet de l'ensemble de notre étude et constituent respectivement les parties 2 et 3. Le second chapitre dresse un état de l'art de toutes les thématiques abordées dans notre travail. La deuxième partie aborde le problème de la désambiguïsation lexicale. Le chapitre 3 est consacré à la constitution de nouvelles ressources françaises pour cette tâche. Nous décrivons dans un premier temps une méthode de traduction automatique des synsets nominaux de WordNet vers le français à partir de dictionnaires bilingues et d'espaces distributionnels. Puis, nous constituons une ressource automatiquement en proposant une adaptation de deux méthodes d'induction de sens existantes. L'originalité des clusters de sens ainsi constitués est de contenir des mots dont la syntaxe est proche de celle des mots source. Ces clusters sont alors exploités dans l'algorithme que nous proposons au chapitre 4 pour la désambiguïsation elle-même. Le chapitre 4 fournit également des recommandations concernant l'intégration d'un tel module dans un système de recherche de documents. L'annotation en rôles sémantiques est traitée dans la troisième partie. Suivant une structure similaire, un premier chapitre traite de la constitution de ressources pour le français, tandis que le chapitre suivant présente l'algorithme développé pour l'annotation elle-même. Ainsi, le chapitre 5 décrit nos méthodes de traduction et d'enrichissement des prédicats de FrameNet, ainsi que l'évaluation associée. Nous proposons au chapitre 6 une méthode semi-supervisée exploitant les espaces distributionnels pour l'annotation en rôles sémantiques. Nous concluons ce chapitre par une réflexion sur l'usage des rôles sémantiques en recherche d'information et plus particulièrement dans le cadre des systèmes de réponses à des questions posées en langage naturel. La conclusion de notre mémoire résume nos contributions en soulignant le fait que chaque partie de notre travail exploite les espaces distributionnels syntaxiques et que ceci permet d'obtenir des résultats intéressants. Cette conclusion mentionne également les perspectives principales que nous inspirent ces travaux. La perspective principale et la plus immédiate est l'intégration de ces modules d'analyse sémantique dans des prototypes de recherche documentaire
The possibility of performing semantic rather than purely lexical search should improve information retrieval. This Ph. D. Work aims at developing modules of lexical semantic analysis, having as a further objective to improve the textual search engine of Exalead company. Presented works deal more specifically with semantic analysis on the French language. Processing of French language is more complex due to the Jack of semantic resources and corpora for this language. Thus, make such an analysis possible implies on the one hand to provide for needs of French linguistic resources, and on the other hand, to find alternate methods which do not require any manually annotated French corpus. Our thesis is divided in three main parts followed by a conclusion. The first part is composed of two chapters which define the objectives and the context of our work. The first of them introduces our thesis. It evokes some semantic issues in the field of lnformation Retrieval, then presents the notion of sense. Finally, it identifies two semantic analysis tasks, namely word sense disambiguation and semantic role labeling. These two tasks are the two main topics we address in our whole study. They are respectively handled in part 2 and 3. The second chapter draws up a state-of-the-art review of all the topics addressed in our work. The second part tackles the word sense disambiguation issue. Chapter 3 is devoted to the building of new French resources dedicated to this task. We first describe a method to automatically translate the nominal synsets of WordNet to French, by using bilingual dictionaries and distributional spaces. Secondly, we put forward an adaptation of two existing methods of word sense induction, in order to acquire a ward senses resource in a fully automatic way. Moreover, the sense clusters built in the latter step show originality as they contain words whose syntax is similar to the syntax of the given ambiguous words. The so-called sense clusters are then used in the ward sense disambiguation algorithm that we put forward in chapter 4. This chapter also provides recommendations in order to integrate such a module in a textual search engine. Semantic role labeling is handled in the third part. Ln a similar fashion, a first chapter deals with the building of resources for the French language, whereas the following chapter presents the algorithm developed for the labeling task itself. Chapter 5 thus describes the method we propose to translate and enrich FrameNet predicates, as well as the related evaluation. We propose in chapter 6 a semi-supervised approach which uses the distributional spaces to label semantic rotes. We conclude this chapter with some considerations on the use of semantic roles in information retrieval and more specifically in the scope of question answering systems. The conclusion of our thesis summarizes our contributions. It emphasizes the fact that each step of our work uses syntactical distributional spaces and that it provides interesting results. This conclusion also draws the main perspectives we see to pursue our studies. The main and immediate concern is to integrate these semantic analysis modules into prototypes for textual documents search

L'ère des modèles de langage basés sur des 'transormers' a ouvert la voie à un nouveau paradigme dans le traitement du langage naturel (NLP), permettant des performances remarquables dans un large éventail de tâches dans les domaines de la compréhension du langage naturel (NLU) et de la génération du langage naturel (NLG). Cette thèse se penche sur le potentiel de transformation des modèles de langage basés sur les 'transformers' lorsqu'ils sont appliqués à des domaines et des langues spécialisés. Elle comprend quatre projets de recherche, chacun contribuant à l'objectif global d'amélioration de la compréhension et de la génération du langage dans des contextes spécialisés.Pour répondre à la rareté des modèles de langue non anglophones pré-entraînés dans les domaines généraux et spécialisés, nous explorons la création de deux modèles de langue : JuriBERT et GreekBART. JuriBERT est un ensemble de modèles BERT spécifiques au domaine juridique français, et qui répondent aux besoins des professionnels juridiques. JuriBERT est évalué sur deux tâches juridiques françaises provenant de la cour de cassation en France. Les résultats soulignent que certaines tâches spécialisées peuvent être mieux traitées avec de petits modèles spécifiques à un domaine qu'avec leurs homologues génériques de plus grande taille. Nous présentons également GreekBART, le premier modèle Seq2Seq grec. Basés sur BART, ces modèles sont particulièrement bien adaptés aux tâches génératives. Nous évaluons les performances de GreekBART par rapport à d'autres modèles sur diverses tâches discriminatives et évaluons ses capacités en NLG en utilisant deux tâches génératives grecques de GreekSUM, un nouvel ensemble de données introduit dans cette recherche. Nous montrons que GreekBART est très compétitif par rapport auz modèles linguistiques multilingues et monolingues basés sur BERT, tels que GreekBERT et XLM-R.Nous examinons ensuite le domaine de la sémantique en tirant parti des répresentation vectorielle contextuelles basées sur les 'transformer' pour résoudre le problème de l'induction du sens des mots (WSI). Nous proposons une nouvelle méthode non supervisée qui utilise le regroupement d'informations invariantes (IIC) et le regroupement agglomératif pour enrichir et regrouper les représentations des mots cibles. Une évaluation approfondie sur deux tâches WSI et de multiples modèles de langage pré-entraînés démontre la compétitivité de notre approche par rapport l'état de l'art.Enfin, nous présentons Prot2Text, une approche multimodale permettant de générer des fonctions de protéines en texte brut en combinant trois modalités : la structure des protéines, la séquence des protéines et le langage naturel. Prot2Text fait progresser la prédiction des fonctions des protéines au-delà des classifications traditionnelles. Prot2Text intégre des réseaux neuronaux graphiques (GNN) et des large modèles de langage (LLM) dans un cadre codeur-décodeur. Une évaluation empirique sur un ensemble de données protéiques multimodales montre l'efficacité de Prot2Text, qui offre des outils puissants pour la prédiction de la fonction d'une large gamme de protéines
The era of transformer-based language models has led the way in a new paradigm in Natural Language Processing (NLP), enabling remarkable performance across a wide range of tasks from both fields Natural Language Understanding (NLU) and Natural Language Generation (NLG). This dissertation delves into the transformative potential of transformer-based language models when applied to specialized domains and languages. It comprises four distinct research endeavors, each contributing to the overarching goal of enhancing language understanding and generation in specialized contexts.To address the scarcity of non-English pretrained language models in both general and specialized domains, we explore the creation of two language models JuriBERT and GreekBART. JuriBERT is a set of French legal domain-specific BERT models tailored to French text, catering to the needs of legal professionals. JuriBERT is evaluated on two French legal tasks from the court of cassation in France. The findings underscore that certain specialized tasks can be better addressed with smaller domain-specific models compared to their larger generic counterparts. We equally introduce GreekBART, the first Greek Seq2Seq model. Being based on BART, these models are particularly well-suited for generative tasks. We evaluate GreekBART's performance against other models on various discriminative tasks and assess its capabilities in NLG using two Greek generative tasks from GreekSUM, a novel dataset introduced in this research. We show GreekBART to be very competitive with state-of-the-art BERT-based multi-lingual and mono-lingual language models such as GreekBERT and XLM-R.We dive next into the domain of semantics by leveraging the transformer-based contextual embeddings to solve the challenging problem of Word Sense Induction (WSI). We propose a novel unsupervised method that utilizes invariant information clustering (IIC) and agglomerative clustering to enrich and cluster the target word representations. Extensive evaluation on two WSI tasks and multiple pretrained language models demonstrates the competitiveness of our approach compared to state-of-the-art baselines.Finally, we introduce Prot2Text framework, a multi-modal approach for generating proteins’ functions in free text by combining three modalities: protein structure, protein sequence and natural language. Prot2Text advances protein function prediction beyond traditional classifications. Integrating Graph Neural Networks (GNNs) and Large Language Models (LLMs) in an encoder-decoder framework. Empirical evaluation on a multi-modal protein dataset showcases the effectiveness of Prot2Text, offering powerful tools for function prediction in a wide range of proteins

Des études précédentes démontrent qu’avoir accès à la structure syntaxique des phrases aide les enfants à découvrir le sens des mots nouveaux. Cela implique que les enfants doivent avoir accès à certains aspects de la structure syntaxique avant même de connaître beaucoup de mots. Étant donné que dans toutes les langues du monde la structure prosodique d’une phrase corrèle avec sa structure syntaxique, et que par ailleurs les mots et morphèmes grammaticaux sont utiles pour déterminer la catégorie syntaxique des mots, il se pourrait que les enfants utilisent la prosodie et les mots grammaticaux pour initialiser leur acquisition lexicale et syntaxique. Dans cette thèse, j’ai étudié le rôle de la prosodie phrasale et des mots grammaticaux pour guider l’analyse syntaxique chez les enfants (PARTIE 1) et la possibilité que les jeunes enfants exploitent cette information pour apprendre le sens des mots nouveaux (PARTIE 2). Dans la partie 1, j’ai construit des paires minimales de phrases en français et en anglais afin de tester si les enfants exploitent la relation entre les structures prosodique et syntaxique pour guider leur interprétation des homophones noms-verbes. J’ai démontré que les enfants d’âge préscolaire utilisent la prosodie phrasale en temps réel pour guider leur analyse syntaxique. En écoutant des phrases telles que [La petite ferme][.., les enfants interprètent ferme comme un nom, mais pour les phrases telles que [La petite][ferme...], ils interprètent ferme comme un verbe (Chapitre 3). Cette capacité a également été observée chez les enfants américains: en écoutant des phrases telles que « The baby flies… », ils utilisent la prosodie des phrases pour décider si flies est un nom ou un verbe (Chapitre 4). Par la suite, j’ai démontré que même les enfants d’environ 20 mois utilisent la prosodie des phrases pour récupérer leur structure syntaxique et pour en déduire la catégorie syntaxique des mots (Chapitre 5), une capacité qui serait extrêmement utile pour découvrir le sens des mots inconnus. C’est cette hypothèse que j’ai testé dans la partie 2, à savoir si l’information syntaxique obtenue à partir de la prosodie phrasale et des mots grammaticaux permet aux enfants d’apprendre le sens des mots. Une première série d’études s’appuie sur des phrases disloquées à droite contenant un verbe nouveau en français : [ili dase], [le bébéi] qui est minimalement différente de la phrase transitive [il dase le bébé]. Mes résultats montrent que les enfants de 28 mois exploitent les informations prosodiques de ces phrases pour contraindre leur interprétation du sens du nouveau verbe (Chapitre 6). Dans une deuxième série d’études, j’ai étudié si la prosodie et les mots grammaticaux guident l’acquisition de noms et de verbes. J’ai utilisé des phrases comme « Regarde la petite bamoule » qui peuvent être produites soit comme [Regarde la petite bamoule!], où «bamoule» est un nom, ou [Regarde], [la petite] [bamoule!], où bamoule est un verbe. Les enfants de 18 mois ont correctement analysé ces phrases et ont attribué une interprétation de nom ou de verbe au mot bamoule selon sa position dans la structure prosodique-syntaxique des phrases (Chapitre 7). Ensemble, ces études montrent que les jeunes enfants exploitent les mots grammaticaux et la structure prosodique des phrases pour inférer la structure syntaxique et contraindre ainsi l’interprétation possible du sens des mots. Ce mécanisme peut permettre aux enfants de construire une représentation initiale de la structure syntaxique des phrases, avant même de connaître la signification des mots. Bien que les informations prosodiques et les mots grammaticaux puissent prendre des formes différentes selon les langues, nos études suggèrent que cette information pourrait représenter un outil universel et qui permettrait aux enfants d’accéder à certaines informations syntaxiques des phrasesqu’ils entendent, et d’initialiser l’acquisition du langage
Previous research demonstrates that having access to the syntactic structure of sentences helps children to discover the meaning of novel words. This implies that infants need to get access to aspects of syntactic structure before they know many words. Since in all the world’s languages the prosodic structure of a sentence correlates with its syntactic structure, and since function words/morphemes are useful to determine the syntactic category of words, infants might use phrasal prosody and function words to bootstrap their way into lexical and syntactic acquisition. In this thesis, I empirically investigated the role of phrasal prosody and function words to constrain syntactic analysis in young children (PART 1) and whether infants exploit this information to learn the meanings of novel words (PART 2). In part 1, I constructed minimal pairs of sentences in French and in English, testing whether children exploit the relationship between syntactic and prosodic structures to drive their interpretation of noun-verb homophones. I demonstrated that preschoolers use phrasal prosody online to constrain their syntactic analysis. When listening to French sentences such as [La petite ferme][…–[The little farm][…, children interpreted ferme as a noun, but in sentences such as [La petite][ferme…] – [The little girl][closes…, they interpreted ferme as a verb (Chapter 3). This ability was also attested in English-learning preschoolers who listened to sentences such as ‘The baby flies…’: they used prosodic information to decide whether “flies” was a noun or a verb (Chapter 4). Importantly, in further studies I demonstrated that even infants around 20-months use phrasal prosody to recover syntactic structures and to predict the syntactic category of upcoming words (Chapter 5), an ability which would be extremely useful to discover the meaning of unknown words. This is what I tested in part 2: whether the syntactic information obtained from phrasal prosody and function words could allow infants to constrain their acquisition of word meanings. A first series of studies relied on right-dislocated sentences containing a novel verb in French: [ili dase], [le bébéi] - ‘hei is dasing, the babyi’ (meaning ‘the baby is dasing’) which is minimally different from the transitive sentence [il dase le bébé] (he is dasing the baby). 28-montholds were shown to exploit prosodic information to constrain their interpretation of the novel verb meaning (Chapter 6). In a second series of studies, I investigated whether phrasal prosody and function words constrain the acquisition of nouns and verbs. I used sentences like ‘Regarde la petite bamoule’, which can be produced either as [Regarde la petite bamoule!] - Look at the little bamoule!, where ‘bamoule’ is a noun, or as [Regarde], [la petite] [bamoule!] - Look, the little (one) is bamouling, where bamoule is a verb. 18-month-olds correctly parsed such sentences and attributed a noun or verb meaning to the critical word depending on its position within the syntactic-prosodic structure of the sentences (Chapter 7). Taken together, these studies show that infants exploit function words and the prosodic structure of an utterance to recover the sentences’ syntactic structure, which in turn constrains the possible meaning of novel words. This powerful mechanism might be extremely useful for infants to construct a first-pass syntactic structure of spoken sentences even before they know the meanings of many words. Although prosodic information and functional elements can surface differently across languages, our studies suggest that this information may represent a universal and extremely useful tool for infants to access syntactic information through a surface analysis of the speech stream, and to bootstrap their way into language acquisition

L'étude est consacrée à la recherche de moyens pour parvenir à une représentation semantique adéquate des mots construits. On pose que l'une des fonctions essentielles d'une analyse et d'une représentation sémantiques est de rendre compte des processus qui permettent aux unités de langue de référier. Ce principe permet de développer une argumentation en faveur du recours à un modèle de morphologie dérivationnelle associative pour analyser et décrire le sens des mots construits. En effet, on peut montrer que ni les paraphrases texicographiques ni les théories de sémantique lexicale ne peuvent expliciter adéquatement la facon particulière - liée à la structure morphologique - dont sont determinées les catégories référentielles désignées par les mots construits. En revanche, un traitement dérivationnel associatif apporte des réponses satisfaisantes là où les autres modes de traitement du sens des mots construits échouent
This study is an attempt to work a method to elaborate adequate semantic representations of constructed words. Il is postulated that one of the main functions of any semantic analysis and representation is to amount for the processes whereby linguistic units refer. On the basis of this principle a case is made out for the elaboration of an associative derivational model in morphology, where the analysis and description of constructed words are concerned. It can be shown that neither lexicographical parapharsing nor lexical semantic theories can provide adequate descriptions of the specific ways in which the referential categories referred to by constructed words are determined - thèse being dependent on the morphological structure of words - while it appears that the associative derivational treatment offerts satisfactory solutions where other treatments fail

Le présent document est à la fois le bilan d'une vingtaine d'années de recherche en linguistique anglaise et en traductologie, recherche portant sur des thèmes aussi divers que les jeux de mots et les références culturelles dans Astérix, les interjections et les énoncés interjectifs, les nombres et les énumérations ou encore les questions alternatives, et, ce qui vise aussi à synthétiser ces différents approches, une réflexion sur la représentation qui prend appui sur un objet originellement mathématique, les fractales, dont on peut penser qu'elles constituent un outil pertinent d'analyse pour rendre compte à la fois des textes et des fonctionnements linguistiques. A partir d'un passage en revue des problématiques abordées dans les différents travaux, il est proposé une représentation dynamique de l'organisation du sens qui, du point à la ligne et à l'enroulement, construit une complexité croissante du dire et du regard sur le monde. Par le jeu de la récursivité et de l'homothétie interne, le sens déploie dans un foisonnement apparent ses ramifications dans la linéarité des discours, entrelacs complexe et fascinant dont les fractales, précisément, permettent sinon de rendre compte, du moins d'apprécier les réalisations, c'est-à-dire d'en accepter les formes et d'en estimer la valeur. Du fourmillement des données à la perception d'échos se dévoile ainsi l'essence de l'être au monde, que linguistes et traductologues, par leurs approches complémentaires, contribuent à mettre au jour.

This study examines the supposedly pejorative nature of the Germanic derived suffix -ard in French medieval words and their contemporary counterparts. The author looks at the words used in medieval writings available in the online database Frantext Moyen Français, which features texts dating from the year 1330 to 1502. The study reveals that while a large portion of the words ending in -ard in this database can be considered pejorative, a group of words does not carry this connotation, such as words referring to colours or objects. Some words were pejorative in Old French but have lost this connotation over time, while others have disappeared only to reappear centuries later with new meanings. The study also shows that -ard was used to form many types of words – nouns, verbs and adjectives – which take their derivation from several different languages (e.g. Latin, Dutch, Spanish etc.). Sometimes it also seems to appear without any obvious reason, for example when it replaces an already existing suffix. Because of the changeable nature of language, words carrying the ending -ard must be examined in the context in which they occur in order to be properly understood.

Cette these etudie les mecanismes de constitution de la signification reveles par la lecture. Le corpus est constitue de "fautes" et meprises observees chez les adultes, lors du primo-apprentissage. La methode presuppose une theorie renouvelee de l'acte de parole et de l'acte de signification. Elle repose sur une description semiotique des proprietes combinatoires et substitutives du signe a l'aide d'applications ensemblistes : elle introduit un principe d'ordre qualitatif dans le desordre des "fautes". Resultats : 1) la signification se produit au terme d'un proces d'anticipation-retroaction articule par un syntaxe fondamentale de deux operations orientees 2) de meme que le mot d'esprit, ce proces est clive entre conscient et inconscient, c'est pourquoi il est marque 3) la "faute" est une bribe de ce proces que le principe de realite n'a pas efface 4) la syntaxe des operations sur le signifiant est a la racine du fonctionnement cognitif de l'appareil psychique 5) la reprise du proces de signification au sein du sujet a l'aide de la topologie du noeud borromeen permet d'ebaucher une clinique de la langue dans le champ freudien
This work studies the mechanisms by which meaning is disclosed in reading. The material comes from "errors" and mistakes observed in adults, especially during the initial stages of learning, the method is based on a semiotic description of the symbol's charachteristics for combination and substitution by mathematical functions, it introduces the principle of qualitative order in the desorder of the "errors", it presupposes a renewed theory on the acts of speech and meaning. Results : 1) meaning is produced by anticipationretroaction process articulated by a basic fundamental syntax with two directed operations 2) like a joke, this process is both consciousness and unconscious, this is wky it is masked 3) the "error" is a fragment of this process that the principle of reality has not obliterated 4) the syntax of symbolic operations is at root of the cognitive functioning of the psychic apparatus 5) readoption of the process of meaning attribution in the subject himself using the topology of the borromean knot to outline plans for a speech clinic in the freudian field

La portée centrale de cette thèse repose sur une étude des jeux de mots au sein de l’œuvre de Jacques Derrida à travers l’optique de la jouissance textuelle. Le point de départ est le constat qu’il est possible de mieux considérer le texte derridien en termes littéraires qu’en termes philosophiques. De ce fait, la thèse s’ouvre avec une étude de l’écriture derridienne en tant que, d’après Barthes, ce que nous pouvons nommer un texte de jouissance – un texte qui met en avant une forme d’écriture inouïe, brisant les limites des formes traditionnelles. Elle soutient une analyse de la façon dont les jeux de mots derridiens dévoilent une esthétique de la joie et de la jouissance. Ceci fait référence et, au jouis‐sens tel que Lacan le conçoit, à travers lequel nous pouvons comprendre (avec Kristeva) la multiplication de sens au cœur de l’expression derridienne, et au sens jouissant de la « philosophie poétique » de Derrida qui renvoie au « gai savoir » de Nietzsche. La question ultime est celle d’une philosophie sous‐jacente de joie et du plaisir de l’expression « poétique » qui s’exprime implicitement par les jeux de mots derridiens. Loin d’être une philosophie purement idéaliste, la thèse donne une vision de l’œuvre de Derrida en tant qu’une philosophie matérialiste de la production textuelle, le style derridien se trouve ainsi caractérisé comme l’expression d'une chora sémiotique
The central thrust of this thesis lies in a study of wordplay in the work of Derrida, seen through the optic of textual “jouissance”. The starting point of the thesis is the realisation that it is perhaps better to consider Derrida’s writing in literary as opposed to in philosophical terms. In so doing this thesis opens with a study of Derrida’s writing in terms of, following Barthes, we can consider to be a “texte de jouissance,” a text which foregrounds an unexpected form of writing, breaking with tradition. The thesis undertakes an analysis of the manner in which Derrida’s wordplay evokes an esthetic of joy and of “jouissance”. This refers to both the notion of “jouis-sens” as understood by Lacan, though which we can understand (with Kristeva) the multiplication of meaning at the heart of Derrida’s expressive style, as well as to Derrida’s “poetic philosophy” which recalls Nietzsche’s “gay science. ” The ultimate question is that of an underlying philosophy of joy and of the pleasure of “poetic” expression which is implicitly articulated through Derrida’s wordplay. Far from being a purely idealistic philosophy, this thesis offers a vision of Derrida’s work as a philosophy concerned with the material aspects of textual production, Derrida’s style can thus be characterised as the expression a semiotic chora

Cette thèse est une critique des traductions françaises du Quichotte de Cervantès. Les points essentiels sont : ces traductions sont-elles fidèles à l'original ? Sur quelles théories linguistiques se sont elles fondées ? Réponses : si la traduction française est correcte du point de vue syntagmatique, elle présente, en revanche des lacunes flagrantes sur le plan paradigmatique à cause d'une théorie appelée traduction contrastive fondée sur la comparaison littérale de deux codes linguistiques différents ; étant donné la structure sémiotique du Quichotte, un seul modèle de traduction s'impose : le modèle herméneutique, fondé sur la traduction des idées et des contextes culturels. Vérification : par les contraintes méthodologiques, théoriques et pragmatiques, le modèle herméneutique offre une méthode efficace de traduction. Grâce a lui, les intraduits du Quichotte (anagrammes et jeux de mots) ont pu être interprètés fidèlement ; ainsi formulée, cette thèse est définie comme un ensemble de stratégies pragmatiques visant à réaliser une recherche traductologique originale et à fonder une nouvelle pratique de la traduction littéraire
This work deals with the past French translations of Don Quixote of Cervantes and its main points are: the questions: are these translations faithful to the original? What linguistic theories has the translator worked out? The hypothesis: if the French translations are correct from the syntagmatic point of view, they present flagrant gaps from the paradigmatic point of view. These gaps are caused by the contrastive translation theory that deals only with linguistic codes. The answers: since the nature of the linguistic structures of Don Quixote is more semiotic than semantic, they need another model of translation: the hermeneutic one that is based on the interpretation of the ideas of the text. Verification : thanks to this model and its methodology, the untranslated items of Don Quixote have been faithfully interpretated, conclusion : formulated in this way, the present thesis is defined as a whole of pragmatic strategies aiming to realize an interpretation search on a new linguistic field unexplored in don Quixote, called here the inter-said. Through this model we aim to found a new practice of translation

Dans ce travail de thèse, nous nous sommes intéressés à la contribution des régions sensori- motrices dans la représentation de nouveaux mots. Dans un premier temps et au travers d’une analyse des oscillations cérébrales, nous avons observé que l’écoute seule de mots d’action (mais pas de mots de « vision ») récemment acquis, conduisait après apprentissage à une activation des régions motrices. Si l’écoute des mots d’action déclenchait une activité motrice similaire à l’observation d’actions, elle était néanmoins associée à une activité supplémentaire semblant refléter le recrutement d’une « zone de convergence » entre les structures motrices et celles du langage, permettant la récupération d’informations motrices plus abstraites. Par la suite, nous avons pu montrer que les divergences entre nouveaux mots d’action et de vision émergeaient rapidement puisqu’associés à des activités spécifiques sur les électrodes fronto-centrales et occipito-pariétales respectivement. Une autre étude EEG nous a permis d’observer que les items lexicaux (pseudo-mots) semblaient fournir un substrat unique pour associer les attributs sensori-moteurs liés au référent. Enfin, au travers d’une analyse fine des paramètres cinématiques d’un mouvement de préhension, nous avons observé que la verbalisation d’un mot d'action (i.e. « attraper ») entraînait une facilitation de l’exécution de l’action. Nos résultats indiquent que la représentation du sens des mots dans le cerveau associe à la fois les régions à modalité spécifique et des « zones de convergence » notamment entre les structures motrices et langagières, permettant la récupération d’informations plus abstraites ; tandis que la spécificité vis-à-vis du stimulus verbal tend à indiquer un pré-câblage de ces réseaux neuronaux pour le langage. Si les représentations sémantiques reflètent en partie les expériences perceptuo- motrices associées à l’apprentissage, nos travaux soulignent un phénomène toujours présumé : un certain degré d’abstraction du sens des mots
The aim of this work was to determine the role of these sensori-motor regions in the development of meaning representation of novel words. In a first learning study that involved EEG recordings, analysis of brain oscillations revealed that listening to novel action words, but not novel visual words, after training led to the activation of motor regions. This activity which was similar to what was seen during action observation was however associated with an additional activity that seemed to reflect the recruitment of a convergence zone between language and motor brain regions mediating more underspecified motor information, rather than the motor events experienced during training. Furthermore, analysis of the ERPs revealed that category-specific effects could be observed rapidly: action words and visual words were associated with specific electro-cortical activities on fronto-central electrodes and occipito-parietal electrodes respectively. In a third EEG study, we observed that only verbal stimuli but not tones, that were associated with action execution during training, triggered activity in motor regions. Lexical items seem thus to provide a unique substrate to associate with the sensory-motor attributes of the referent. Finally, fine-grained analyses of kinematics revealed that the verbalization of an action word semantically congruent to the action (i.e. “grasp”) led to a facilitation of an object-directed grasping movement. The results obtained during this work indicate that word-meaning is represented in modality- specific brain regions and in convergence zones between language and motor brain regions that mediate underspecified information. The specificity for verbal stimuli tends to indicate a pre- wired neural system for the representation of word meaning. Finally, although semantic representations partly reflect perceptual and motor experiences associated with the acquisition of words, the present work points to a phenomenon that has always been assumed: a certain degree of abstraction in word-meaning representation

Dans cette thèse nous présentons une approche théorique du concept et un modèle linguistico-informatique. Cette théorie, non définitionnelle, est fondée sur une représentation gaussienne du concept. Nous introduisons le terme contexonyme, une formalisation de la relation de contexte entre les mots. Cette notion lie la théorie du concept au modèle informatique. Basé sur ces deux notions, notre modèle informatique apprend des contexonymes de manière automatique à partir de corpus de taille importante non annotés. Pour chaque mot donné, le modèle propose la liste de ses contexonymes et les organise par une méthode de classification hiérarchique. Les contexonymes ainsi obtenus reflètent des connaissances encyclopédiques ainsi que diverses caractéristiques langagières comme l'usage des mots ou encore les fines différences sémantiques entre synonymes. Les résultats sur des tests montrent que le modèle peut être utilisé pour des tâches de TAL ainsi que comme ressource lexicale dynamique.

Les trois travaux (chapitre 2 - 3 - 4) qui constituent la partie centrale de cette these ont en commun l'etude de la formulation et de la mise a l'epreuve des hypotheses constitutives des differents systemes que l'apprenant adulte est amene a construire pendant l'acquisition d'une langue etrangere en milieu naturel. Pour developper cette activite, les apprenants sont amenes a diversifier leurs moyens cognitifs et langagiers. Diversification qui genere des contradictions a l'interieur des microsystemes qui composent leurs interlangues, et rend instables leurs productions. La consequence de ce double conflit est une dynamique propre a l'acquisition des langues secondes que le locuteur doit gerer pour mener a bien ses interactions langagieres. Avec des locuteurs natifs. Dans le chapitre 2 nous essayons de montrer que le lexique est une construc- tion hypothetique de l'apprenant. Dans le chapitre 3, consacre a la cons- truction des formes pronominales, nous avons centre notre analyse sur le role complementaire des contradictions internes aux systemes en construction, et des contradictions entre les productions des apprenants et celles de leurs interlocuteurs natifs. Dans le chapitre 4 nous suivons un apprenant pendant ses trois premieres annees de sejour en france pour montrer que l'acquisition des verbes de mouvement d'une langue seconde peut exiger un processus de reelaboration des notions qui font partie du patrimoine cognitif d'une adulte
The three research bodies which form the central part of this dissertation (chapters 2-3-4) share the following features : they study the formulation and testing of hypoteses which the adult learner is led to build during the acquisition of a second language in a social setting. For developing this activity, the learners have to diversify their cognitive and linguistic means. That diversification is a source of contradictions within the microsystems which form their interlanguage, and makes their productions unstable. As a consequence of this double conflict, there is a peculiar dynamics in the acquisition process, which the speaker has to control for fulfilling his interactions with native speakers. In chapter 2 an attempt is made to show that lexicon is an hypothetical construct of the learner. Chapter 3, which bears on the construction of pronominal forms, focusses the analyses on the complementary roles of the internal contradictions within the systems under construction on the one hand, and the contradictions between the learners' productions and the productions of their native interlocutors on the other hand. In chapter 4, a learner is followed along his three first years of stay in the host country, and it is shown that the acquisition of motion verbs in a second language is likely to need a process of building anew notions which are part of the cognitive means of an adult

Pour un jeune enfant, apprendre le sens des mots de sa langue maternelle est difficile : en effet, dans une situation donnée, un même mot peut avoir de nombreux référents possibles. Dans la lignée de la théorie de l'initialisation syntaxique, nous supposons que l'acquisition de rudiments de syntaxe pourrait aider les enfants à deviner le sens des mots. En particulier, la catégorie grammaticale d'un mot peut donner des indices sur son sens : la plupart des verbes réfèrent à des actions, et la plupart des noms à des objets. Les mots grammaticaux (articles, pronoms, auxiliaires…) sont des indicateurs de la syntaxe d'une phrase et de la catégorie des mots de contenu (noms, verbes. . ) qu'ils accompagnent. Dans cette thèse, nous avons d'abord vérifié que les mots grammaticaux pouvaient être utilisés pour catégoriser des mots de contenu nouveaux, puis que les enfants de 23 mois étaient capables d'associer une catégorie grammaticale à un sens donné. Enfin, nous avons exploré de manière plus générale les compétences syntaxiques des enfants de 2 ans à l'aide de la technique des potentiels évoqués. Nous mettons ainsi en évidence le rôle crucial des mots grammaticaux dans l'acquisition lexicale et les compétences syntaxiques précoces du jeune enfant.

L'étude du développement du vocabulaire impose une nécessaire distinction entre vocabulaire passif et vocabulaire actif qui articule, à propos du signifié d'un mot, des compréhensions contextualisées avec l'attribution d'un sens générique autonome. Ce développement est un phénomène complexe dépendant de la didactique et du registre thématique induit par la consigne des testés, tributaire de la maturation syntaxique parallèle et aussi marqué par des réalisations différentes entre filles et garcons. La phrase écrite s'enrichit par spécification en adjectifs et en adverbes, accuse un accroissement de la nominalisation et d'une baisse proportionnelle des emplois des verbes. Sous l'effet d'une meilleure maîtrise syntaxique, la concentration lexicale se détend, augmentant le volume lexical et diminuant la variété lexicale
The study of the vocabulary development dictates a necessary distinction between passive and active vocabulary. Concerning the signification of words, this difference joins contextualised understanding with attribution of an independent generic meaning. This development is a complex phenomenon : - it depends on didactics and thematic register induced by the text subject; - it is related with the parallel syntactic maturity; - and it is also marked by a sexual differentiation of the production. The written sentence grows in adjectival and adverbial specification and also shows an increase of nominalisation with a proportional decrease of the use of verbs. Owing to a better mastering of syntax, the density and the variety of the lexic decrease where as the lexical volume increases

Le travail présenté dans cette thèse explore la question de l'acquisition automatique de sens pour la désambiguïsation lexicale dans un cadre de traduction. Partant de l'hypothèse du besoin de conformité des inventaires sémantiques utilisés pour la désambiguïsation dans le cadre d'applications précises, la problématique du repérage des sens se situe dans un cadre bilingue et le traitement s'oriente vers la traduction.
Nous proposons une méthode d'acquisition de sens permettant d'établir des correspondances sémantiques de granularité variable entre les mots de deux langues en relation de traduction. L'induction de sens est effectuée par une combinaison d'informations distributionnelles et traductionnelles extraites d'un corpus bilingue parallèle. La méthode proposée étant à la fois non supervisée et entièrement fondée sur des données, elle est, par conséquent, indépendante de la langue et permet l'élaboration d'inventaires sémantiques relatifs aux domaines représentés dans les corpus traités.
Les résultats de cette méthode sont exploités par une méthode de désambiguïsation lexicale, qui attribue un sens à de nouvelles instances de mots ambigus en contexte, et par une méthode de sélection lexicale, qui propose leur traduction la plus adéquate. On propose finalement une évaluation pondérée des résultats de désambiguïsation et de sélection lexicale, en nous fondant sur l'inventaire construit par la méthode d'acquisition de sens.

Ce travail en 4 chapitres est une investigation de la relation "partie-tout" en concordance avec sa transposition langagière, non en termes syntaxico-discursifs, mais en termes de motifs et profilages sémantiques, selon la méthode de la "Théorie des formes sémantiques" de Cadiot et Visetti. Le premier chapitre revient sur les fondements de cette relation. Après une critique des opinions installées (l'empirisme de Winston, Chaffin, Hermann,. . . ; la perspective lexicale de Cruse), par Aristote, Husserl, Cassirer,. . . Nous restituons cette problématique dans son véritable questionnement ontologique et phénoménologique ; notre démarche étant descriptive par rejet du formalisme axiomatique. La suite est consacrée à l'énonciation des trois grands domaines mérologiques que sont l'associationnisme, le consociationniste et l'homéomérie. Un travail particulier est consacré aux lois de l'adduction / abduction, conduction, induction / déduction ; de la façon dont elles influent sur les "parties et touts" aux plans vertical et horizontal de leur structuration. Au chapitre 2, nous étudions l'associationnisme et sa forme particulière d'expression qu'est l'homéomérie. Le chapitre 3 est consacré aux problèmes de stucturation phylétique des entités complexes. Il s'achève sur l'analyse de la projection de l'associationnisme et homéomérie en le consociationnisme. L'interprétation partonomique est l'objet du chapitre 4 où, entre autres objectifs, est abordé la question de la signifiance ontologique des notions de "partie et tout" et de leurs propres profilages sémantiques. Il s'achève sur une proposition de classification de la réalité à partir du statut ontologique de"partie" ou de" tout" de ses objets

Nos recherches étudient la compréhension de phrases et d'énoncés contenant des ambiguïtés lexicales chez des adultes jeunes et âgés en fonction des contraintes sémantiques exercées par le contexte et de la familiarité des sens des mots ambigus dans les deux groupes d'âge. Les résultats indiquent que les adultes âgés ont tendance à s'appuyer plus que les adultes jeunes sur les contraintes contextuelles pour accéder au sens approprié du mot ambigu. Dans les deux groupes, le sens dominant du mot ambigu paraît disponible dès le début du traitement, indépendamment des contraintes contextuelles. Chez les adultes jeunes, l'accessibilité du sens dominant diminue dans le temps lorsque cette signification se révèle incompatible avec le contexte, ce que nous attribuons à l'intervention de mécanismes inhibiteurs. En revanche, il semble que l'efficacité des mécanismes de suppression s'affaiblit avec l'âge, et ce d'autant plus que le sens à inhiber représente l'acception dominante du mot ambigu
Our researches studied the comprehension of sentences and utterances containing lexical ambiguities by younger and older adults according to the constraints involved by context and the familiarity of the meanings of the ambiguous words in the two age groups. The results indicated that older adults tend to rely more than the younger ones on the contextual constraints to access the appropriate meaning of the ambiguous word. In both groups, the dominant meaning of the ambiguous word seemed to be available at an early processing stage, independently of the contextual constraints. In the younger group, the dominant meaning activation appeared to decrease with time when this sense revealed to be incompatible with context. That decrease was attributed to the efficiency of the inhibitory mechanisms. However, the temporal pattern observed in the older group seemed to indicate that the suppression mechanisms are altered, especially when the meaning to be inhibited is the dominant sense

Compte tenu de l ’importante augmentation de l ’espérance de vie de la population générale observée dans les dernières décennies, les études portant sur les modifications des fonctions cognitives lors du vieillissement normal et pathologique se révèlent d'un grand intérêt. Les résultats rapportés dans cette thèse contribuent à une meilleure compréhension de la nature des modifications avec l ’âge du traitement du sens métaphorique des mots et du phénomène de réorganisation fonctionnelle sous-tendant ces processus. Après une revue de littérature (chapitre 1), un premier article définissant la problématique générale du traitement du langage lors du vieillissement normal inaugure la série de travaux présentés dans cette thèse. Cet article, présenté dans le chapitre 2, confirme l ’importance du développement d ’études spécifiques permettant de faire le lien entre les différentes hypothèses portant sur les changements cognitifs propres au vieillissement normal et celles portant sur les changements propres au substrat neurobiologique du langage. Le chapitre 3 présente une étude comportementale ayant pour objectif d ’évaluer la disponibilité des ressources attentionnelles pour le traitement phonologique et sémantique des mots ainsi que son évolution possible avec l ’âge. Les conclusions tirées de cette étude vont dans le sens d ’une restriction des ressources attentionnelles particulièrement pour le traitement du sens métaphorique des mots lors du vieillissement normal. Le chapitre 4 présente une étude en neuroimagerie fonctionnelle. Cette étude a été réalisée afin de comparer les profils d'activation cérébrale des participants jeunes et âgés lors du traitement du sens métaphorique des mots. Les résultats obtenus soulignent qu ’autant pour les participants jeunes que pour les participants âgés, le traitement du sens métaphorique des mots pourrait imposer au cerveau le partage des ressources attentionnelles. Néanmoins, ils montrent une réorganisation fonctionnelle chez les participants âgés. L ’ensemble des travaux présentés appuie l ’hypothèse d ’une attribution différentielle des ressources attentionnelles ainsi que celle d ’une réorganisation fonctionnelle chez les participants âgés pour le traitement du sens métaphorique des mots. Les résultats viennent enrichir la compréhension des modèles neurocognitifs du vieillissement en ce qui concerne l ’évolution des bases neurobiologiques du langage.
Given the significant increase in life expectancy of the general population observed in recent decades, the study of alterations in cognitive functions during normal and pathological ageing is of great importance. The results reported in this thesis contribute to a better understanding of the nature of the age-related changes on processing metaphoric meaning of words and the phenomenon of functional reorganization underlying these processes. After a brief literature review (chapter 1), a first article offering a general view of the problem of language processing in normal aging introduces the series of studies presented in this thesis. This article, presented in Chapter 2, points out the importance of developing specific protocols aiming to establish a link between the different hypotheses concerning cognitive changes during normal aging and those related to changes in neurobiological substrate of language. Chapter 3 presents a behavioural study aiming to assess the availability of attentional resources for the phonological and semantic processing of words and its possible evolution with age. The findings of this study are consistent with the idea of an age- related restriction of available attentional resources for the processing of metaphorical meaning of words. Chapter 4 presents a neuroimaging study. This study was conducted to compare patterns of brain activation of young and older participants during the processing of metaphoric meaning of words. The results emphasize that both, younger and older participants, require the sharing of attentional resources during processing metaphorical meaning of words, but show a functional reorganization in the older group. Taken together, the studies presented here support the hypothesis of an age-related restriction of available attentional resources and of an age-related functional reorganization for the processing of metaphorical meaning of words. The results enrich our understanding of neurocognitive aging models regarding the evolution of neurobiological bases of language.

Il est connu que les problèmes d'ambiguïté de la langue ont un effet néfaste sur les résultats des systèmes de Recherche d'Information (RI). Toutefois, les efforts de recherche visant à intégrer des techniques de Désambiguisation de Sens (DS) à la RI n'ont pas porté fruit. La plupart des études sur le sujet obtiennent effectivement des résultats négatifs ou peu convaincants. De plus, des investigations basées sur l'ajout d'ambiguïté artificielle concluent qu'il faudrait une très haute précision de désambiguation pour arriver à un effet positif. Ce mémoire vise à développer de nouvelles approches plus performantes et efficaces, se concentrant sur l'utilisation de statistiques de cooccurrence afin de construire des modèles de contexte. Ces modèles pourront ensuite servir à effectuer une discrimination de sens entre une requête et les documents d'une collection. Dans ce mémoire à deux parties, nous ferons tout d'abord une investigation de la force de la relation entre un mot et les mots présents dans son contexte, proposant une méthode d'apprentissage du poids d'un mot de contexte en fonction de sa distance du mot modélisé dans le document. Cette méthode repose sur l'idée que des modèles de contextes faits à partir d'échantillons aléatoires de mots en contexte devraient être similaires. Des expériences en anglais et en japonais montrent que la force de relation en fonction de la distance suit généralement une loi de puissance négative. Les poids résultant des expériences sont ensuite utilisés dans la construction de systèmes de DS Bayes Naïfs. Des évaluations de ces systèmes sur les données de l'atelier Semeval en anglais pour la tâche Semeval-2007 English Lexical Sample, puis en japonais pour la tâche Semeval-2010 Japanese WSD, montrent que les systèmes ont des résultats comparables à l'état de l'art, bien qu'ils soient bien plus légers, et ne dépendent pas d'outils ou de ressources linguistiques. La deuxième partie de ce mémoire vise à adapter les méthodes développées à des applications de Recherche d'Information. Ces applications ont la difficulté additionnelle de ne pas pouvoir dépendre de données créées manuellement. Nous proposons donc des modèles de contextes à variables latentes basés sur l'Allocation Dirichlet Latente (LDA). Ceux-ci seront combinés à la méthodes de vraisemblance de requête par modèles de langue. En évaluant le système résultant sur trois collections de la conférence TREC (Text REtrieval Conference), nous observons une amélioration proportionnelle moyenne de 12% du MAP et 23% du GMAP. Les gains se font surtout sur les requêtes difficiles, augmentant la stabilité des résultats. Ces expériences seraient la première application positive de techniques de DS sur des tâches de RI standard.
It is known that the ambiguity present in natural language has a negative effect on Information Retrieval (IR) systems effectiveness. However, up to now, the efforts made to integrate Word Sense Disambiguation (WSD) techniques in IR systems have not been successful. Past studies end up with either poor or unconvincing results. Furthermore, investigations based on the addition of artificial ambiguity shows that a very high disambiguation accuracy would be needed in order to observe gains. This thesis has for objective to develop efficient and effective approaches for WSD, using co-occurrence statistics in order to build context models. Such models could then be used in order to do a word sense discrimination between a query and documents of a collection. In this two-part thesis, we will start by investigating the principle of strength of relation between a word and the words present in its context, proposing an approach to learn a function mapping word distance to count weights. This method is based on the idea that context models made from random samples of word in context should be similar. Experiments in English and Japanese shows that the strength of relation roughly follows a negative power law. The weights resulting from the experiments are then used in the construction of Naïve Bayes WSD systems. Evaluations of these systems in English with the Semeval-2007 English Lexical Sample (ELS), and then in Japanese with the Semeval-2010 Japanese WSD (JWSD) tasks shows that the systems have state-of-the-art accuracy even though they are much lighter and don't rely on linguistic tools or resources. The second part of this thesis aims to adapt the new methods to IR applications. Such applications put heavy constraints on performance and available resources. We thus propose the use of corpus-based latent context models based on Latent Dirichlet Allocation (LDA). The models are combined with the query likelihood Language Model (LM) approach for IR. Evaluating the systems on three collections from the Text REtrieval Conference (TREC), we observe average proportional improvement in the range of 12% in MAP and 23% in GMAP. We then observe that the gains are mostly made on hard queries, augmenting the robustness of the results. To our knowledge, these experiments are the first positive application of WSD techniques on standard IR tasks.