Search

International audience; This article compares the functionalities and results of eight automatic transcription platforms (Go Transcribe, Happy Scribe, Headliner, Sonix, Video Indexer, Vocalmatic, Vocapia and YouTube), for audio samples in French. We propose an original methodology, designed through an interdisciplinary work, to compare the transcriptions. It combines three complementary approaches: (1) a quantitative approach which compares the textual outcomes using a common metric, the Word Error Rate (WER), (2) a fine-grained approach to classify and understand the errors generated by the platforms, and finally (3) an approach estimating the amount of transcription time which can be saved for each file on each platform. We show that no platform surpassed the others for all the samples, but two nevertheless stood out: Vocapia and Sonix, each with their own areas of expertise. Regardless of the type of file or platform, listening and correcting the text remains a necessary step. However the use of such tools can save up to 75% of time compared with manual transcription. Yet, the use of these online tools can create major problems relating to data confidentiality and security. Finally, we reflect on the interdisciplinary setting that made this project possible. Résumé Cet article compare les fonctionnalités et résultats de huit outils de transcription automatique (Go Transcribe, Happy Scribe, Headliner, Sonix, Video Indexer, Vocalmatic, Vocapia et YouTube), pour des extraits audio de langue française. Une méthodologie innovante, fruit d'un travail interdisciplinaire, est proposée pour comparer les transcriptions. Elle repose sur un assemblage de trois approches complémentaires : (1) une approche quantitative de comparaison de textes à partir d'une métrique couramment employée, le Word Error Rate (WER), (2) une approche fine de classification et compréhension des erreurs générées par les plateformes, et enfin (3) une estimation du potentiel de gain de temps de transcription pour chacun des fichiers et des plateformes. In fine, aucune plateforme ne serait plus efficace que les; Cet article compare les fonctionnalités et résultats de huit outils de transcription automatique (Go Transcribe, Happy Scribe, Headliner, Sonix, Video Indexer, Vocalmatic, Vocapia et YouTube), pour des extraits audio de langue française. Une méthodologie innovante, fruit d’un travail interdisciplinaire, est proposée pour comparer les transcriptions. Elle repose sur un assemblage de trois approches complémentaires : (1) une approche quantitative de comparaison de textes à partir d’une métrique couramment employée, le Word Error Rate (WER), (2) une approche fine de classification et compréhension des erreurs générées par les plateformes, et enfin (3) une estimation du potentiel de gain de temps de transcription pour chacun des fichiers et des plateformes. In fine, aucune plateforme ne serait plus efficace que les autres pour l’ensemble des extraits audio mais deux outils se démarquent : Vocapia et Sonix, chacun ayant ses domaines de prédilection. Quel que soit le type de fichier ou de plateforme, un temps de réécoute et de correction reste indispensable à l’issue des traitements, pour un gain de temps final observé pouvant aller jusqu’à 75 % par rapport à une transcription manuelle. Par ailleurs, l’utilisation de ces outils en ligne peut engendrer des problèmes importants liés à la confidentialité et la sécurité des données. Pour finir, nous revenons sur l’expérience de travail interdisciplinaire qui a rendu ce projet possible.

We present Allegro, the new platform for the exploitation of textual resources developed at ATILF.We offer here a quick inventory of its current and future applications, before introducing its technicalfoundations. Allegro offers many possibilities for indexing and querying structured, annotated andmetadata-enriched data., Nous nous proposons de présenter Allegro, la nouvelle plateforme pour l’exploitation de ressourcestextuelles développée au sein du laboratoire ATILF, à travers un inventaire rapide de ses applicationsactuelles et à venir, ainsi que d’une introduction à ses bases techniques. Allegro offre de nombreusespossibilités pour l’indexation et l’interrogation de données structurées, annotées et enrichies demétadonnées.

Nous présentons l’instrument de navigation Spiderlex, mis au point pour permettre une exploration dynamique des Réseaux Lexicaux du Français et de l’Anglais (RL-fr et RL-en). Spiderlex est à la fois un outil de visualisation des données lexicales et un instrument de travail pour les lexicographes.

This paper presents a method for merging structures of lexical derivations by analogical reasoning. Fol- lowing the presentation of general features of a lexical graph from the French Lexical Network, we focus on the weak connected components of this graph. This components are grouped together in three steps : by isomorphism, by relational similarity and finally by attributional similarity. The results of the last merging are analyzed in detail., Cet article propose une méthode de regroupement de structures de dérivations lexicales par raisonnement analogique. Nous présentons les caractéristiques générales d'un graphe lexical issu du Réseau Lexical du Français, dont nous exploitons par la suite les composantes faiblement connexes. Ces composantes sont regroupées en trois étapes : par isomorphisme, par similarité de relations, puis par similarité d'attributs. Les résultats du dernier regroupement sont analysés en détail.

De nombreux domaines comme la recherche d'information, la linguistique ou le traitement automatique des langues recourent à des ressources lexicales. Dans le contexte de la nécessaire mise à jour de telles ressources, cet article examine une méthodologie de détection et de qualification des néologismes de sens dans la lignée des travaux de (Bauer ; Renouf, 2000) et (Picton, 2009) notamment. Fondée sur l'exploitation d'un corpus d'étude constitué autour du thème de la crise financière de fin 2008, l'étude présentée s'intéresse plus précisément aux noms bouclier, tempête, tsunami et aux adjectifs pourri, toxique et financier. La méthodologie proposée repose sur une exploration des réseaux de cooccurrents d'ordre 2 obtenus à partir des séquences nom- adjectif contenant les cibles lexicales. Elle hiérarchise l'information apportée par les cooccurrents et l'articule avec le ou les sens délivré(s) par une ressource lexicale sous forme de traits sémantiques. Les cooccurrents sont sélectionnés à l'aide du logiciel Termostat (Drouin ; Paquier ; Ménard, 2006), sur un critère de spécificité dans le corpus financier par rapport à un corpus de référence. Les traits sémantiques sont puisés automatiquement dans un dictionnaire de langue, le Trésor de la Langue Française informatisé. Les cooccurrents et les traits sémantiques sont comparés à partir de classes manuelles interprétées comme des facettes sémantiques. L'approche, partiellement automatisée et complétée par une analyse manuelle des résultats, cherche à faire émerger des éléments associés au nouveau sens des lexies retenues ainsi que les liens avec les sens préexistants.

By using theorical and practical advances in computer sciences and linguistics, contemporary lexicography have freed itself from the linear organisation of print publications. It had sought to define new descriptive models and provide henceforth the community with formal and consistent ressources. Such ressources offer many opportunities for natural language processing tasks. This PhD thesis focuses on lexical systems model, which is proposed by Explanatory Combinatorial Lexicography. Specifically, it takes an interest in the the French Lexical Network, presently under development. As lexical system, this ressource is a monolingual graph of lexical units connected by a rich set of lexical relations mainly based on syntactico-semantic Meaning-Text lexical functions. The PhD thesis lays the groundwork for an exploration of this ressource by analogical reasonning. It begins with a selective overview of formalisation and computerisation of analogy in natural language processing. It thus defines the principle of exploration of lexical graph implemented as a grouping of unifiable structures. The nodes in the graph are similar to objects, which have some attributes available in their lexicographic descriptions and edges represent relations. A reflection is conducted on the nature of the various constituents of the graph and the relations between them. The evolution of the resource over thirty months is taken into account during the carrying out of this study. It is accompanied by a topological analysis, which highlights properties close to those of small word networks. Then two sets of exploratory experiments are conducted. The first one confirms the belief that the resource formalisation makes it possible to detect automatically analogies consistent with lexicographers'intuition. It highlights the possibility of several kind of analogical explorations, according to entry points and compared pieces of information. It also reveals that this exploration enable us to check the consistency of the resource and to allow lexical rules to emerge. The second set of experiments is focused around the concept of lexical derivation configurations. It shows how grouping of analogous subgraphs reveals recurrent lexical connections through the resource. The progress status of the resource doesn't enable us to obtain successfully completed rules and models. The results obtained are nontheless encouraging. Analogy can already be considered as a guide to ensure the quality of lexical resources. It also allows for the acquisition of knowledge about its organisation. Such knowledge can be used to identify linguitic phenomena and to design instruments to support lexicographic activity.; La lexicographie contemporaine, en mettant à profit les avancées théoriques et pratiques de l'informatique et de la linguistique, s'est affranchie de l'organisation linéaire imposée par les ouvrages papier. Elle s'est attachée à définir de nouveaux modèles de description et met aujourd'hui à disposition de la communauté des ressources formelles et cohérentes offrant de multiples possibilités d'exploitations automatiques. Cette thèse concentre son attention sur le modèle des systèmes lexicaux proposé par la Lexicographie Explicative et Combinatoire. Plus précisément, elle s'intéresse au Réseau Lexical du Français, en cours de développement. En tant que système lexical, cette ressource est un graphe lexical monolingue. Elle est constituée d'un ensemble de sommets, les unités lexicales du français, entre lesquels sont encodées de nombreuses relations, en grande majorité syntaxico-sémantiques. La présente thèse pose les bases d'une exploration de cette ressource lexicographique par raisonnement analogique. Elle débute par une revue sélective de la formalisation et de l'informatisation de l'analogie en traitement automatique des langues, dans le cas précis de l'étude du lexique. Elle définit ainsi le principe de l'exploration réalisée comme un regroupement de structures unifiables. Les sommets du graphe lexical s’apparentent alors à des objets disposant d’un certain nombre d’Attributs, disponibles dans leur description lexicographique. Ils entretiennent des Relations, représentées par les arcs. Une réflexion est menée sur la nature des différents éléments composant le réseau et sur les différents rapports qu'ils entretiennent entre eux. Elle est réalisée en prenant en compte l'évolution de la ressource sur une période de trente mois. Elle est accompagnée d'une analyse topologique, qui met en avant des propriétés proches de celles des graphes petit monde. Deux séries d'expériences exploratoires sont ensuite réalisées. La première d'entre elles permet de conforter l'idée selon laquelle la formalisation en oeuvre dans la ressource permet de détecter automatiquement des analogies conformes à l'intuition des locuteurs. Elle met en avant la possibilité de réaliser différents types d'exploration par raisonnement analogique, en fonction des points d'entrée et des éléments d'informations comparés. Elle montre également l'apport de telles explorations en terme de vérification de la cohérence du réseau et d'émergence de règles lexicales. La seconde série d'expériences se concentre autour de la notion de configurations de dérivations lexicales. Elle montre comment le regroupement de sous-graphes analogues met en avant l'existence de connexions lexicales récurrentes à travers la ressource. L'état d'avancement de la ressource exploitée ne permet pas d'obtenir des règles et des modèles aboutis. Les résultats obtenus sont toutefois encourageants. Les observations réalisées nous amènent à considérer l'analogie comme un guide permettant de s'assurer de la bonne qualité de la représentation du lexique proposée par une ressource. Elle permet également d'acquérir automatiquement des connaissances sur son organisation. De telles connaissances permettent d'identifier des phénomènes linguistiques et d'instrumenter l'activité lexicographique.

By using theorical and practical advances in computer sciences and linguistics, contemporary lexicography have freed itself from the linear organisation of print publications. It had sought to define new descriptive models and provide henceforth the community with formal and consistent ressources. Such ressources offer many opportunities for natural language processing tasks. This PhD thesis focuses on lexical systems model, which is proposed by Explanatory Combinatorial Lexicography. Specifically, it takes an interest in the the French Lexical Network, presently under development. As lexical system, this ressource is a monolingual graph of lexical units connected by a rich set of lexical relations mainly based on syntactico-semantic Meaning-Text lexical functions. The PhD thesis lays the groundwork for an exploration of this ressource by analogical reasonning. It begins with a selective overview of formalisation and computerisation of analogy in natural language processing. It thus defines the principle of exploration of lexical graph implemented as a grouping of unifiable structures. The nodes in the graph are similar to objects, which have some attributes available in their lexicographic descriptions and edges represent relations. A reflection is conducted on the nature of the various constituents of the graph and the relations between them. The evolution of the resource over thirty months is taken into account during the carrying out of this study. It is accompanied by a topological analysis, which highlights properties close to those of small word networks. Then two sets of exploratory experiments are conducted. The first one confirms the belief that the resource formalisation makes it possible to detect automatically analogies consistent with lexicographers'intuition. It highlights the possibility of several kind of analogical explorations, according to entry points and compared pieces of information. It also reveals that this exploration enable us to check the consistency of the resource and to allow lexical rules to emerge. The second set of experiments is focused around the concept of lexical derivation configurations. It shows how grouping of analogous subgraphs reveals recurrent lexical connections through the resource. The progress status of the resource doesn't enable us to obtain successfully completed rules and models. The results obtained are nontheless encouraging. Analogy can already be considered as a guide to ensure the quality of lexical resources. It also allows for the acquisition of knowledge about its organisation. Such knowledge can be used to identify linguitic phenomena and to design instruments to support lexicographic activity.; La lexicographie contemporaine, en mettant à profit les avancées théoriques et pratiques de l'informatique et de la linguistique, s'est affranchie de l'organisation linéaire imposée par les ouvrages papier. Elle s'est attachée à définir de nouveaux modèles de description et met aujourd'hui à disposition de la communauté des ressources formelles et cohérentes offrant de multiples possibilités d'exploitations automatiques. Cette thèse concentre son attention sur le modèle des systèmes lexicaux proposé par la Lexicographie Explicative et Combinatoire. Plus précisément, elle s'intéresse au Réseau Lexical du Français, en cours de développement. En tant que système lexical, cette ressource est un graphe lexical monolingue. Elle est constituée d'un ensemble de sommets, les unités lexicales du français, entre lesquels sont encodées de nombreuses relations, en grande majorité syntaxico-sémantiques. La présente thèse pose les bases d'une exploration de cette ressource lexicographique par raisonnement analogique. Elle débute par une revue sélective de la formalisation et de l'informatisation de l'analogie en traitement automatique des langues, dans le cas précis de l'étude du lexique. Elle définit ainsi le principe de l'exploration réalisée comme un regroupement de structures unifiables. Les sommets du graphe lexical s’apparentent alors à des objets disposant d’un certain nombre d’Attributs, disponibles dans leur description lexicographique. Ils entretiennent des Relations, représentées par les arcs. Une réflexion est menée sur la nature des différents éléments composant le réseau et sur les différents rapports qu'ils entretiennent entre eux. Elle est réalisée en prenant en compte l'évolution de la ressource sur une période de trente mois. Elle est accompagnée d'une analyse topologique, qui met en avant des propriétés proches de celles des graphes petit monde. Deux séries d'expériences exploratoires sont ensuite réalisées. La première d'entre elles permet de conforter l'idée selon laquelle la formalisation en oeuvre dans la ressource permet de détecter automatiquement des analogies conformes à l'intuition des locuteurs. Elle met en avant la possibilité de réaliser différents types d'exploration par raisonnement analogique, en fonction des points d'entrée et des éléments d'informations comparés. Elle montre également l'apport de telles explorations en terme de vérification de la cohérence du réseau et d'émergence de règles lexicales. La seconde série d'expériences se concentre autour de la notion de configurations de dérivations lexicales. Elle montre comment le regroupement de sous-graphes analogues met en avant l'existence de connexions lexicales récurrentes à travers la ressource. L'état d'avancement de la ressource exploitée ne permet pas d'obtenir des règles et des modèles aboutis. Les résultats obtenus sont toutefois encourageants. Les observations réalisées nous amènent à considérer l'analogie comme un guide permettant de s'assurer de la bonne qualité de la représentation du lexique proposée par une ressource. Elle permet également d'acquérir automatiquement des connaissances sur son organisation. De telles connaissances permettent d'identifier des phénomènes linguistiques et d'instrumenter l'activité lexicographique.

International audience; Nous présentons une plateforme de veille lexicale destinée à l'étude des phénomènes néologiques. La méthode générale que mise en oeuvre vise à identifier les candidats à la néologie en confortant des corpus, c'est-à-dire des archives des pratiques linguistiques, et des lexiques, considérés comme les simulations des usages lexicaux correspondants. Dans le cadre de cette étude, nous détaillons deux des modules de la plateforme : un logiciel d'acquisition automatique de candidats à la néologie formelle et catégorielle et une base de données dédiée à l'observation des candidats. Puis, nous exposons notre problématique en nous appuyant sur une étude de cas. Nous construisons à cette occasion les notions de richesses néologique et de créativité lexicale, en lien avec les genres textuels.