Version accessible
  • fr
  • en
Recherche rapide
  • Aide
  • Recherche avancée
  • Nouveautés
Naviguer par :
  • Accueil
  • Mémoires
    • Nouveautés
      Recherche de nouveautés dans les ressources documentaires
    • Par master
      Recherche par master
    • Recherche avancée
      Recherche de ressources documentaires
    • Tous les mémoires
  • Thèses
    • Nouveautés
      Recherche de nouveautés dans les thèses
    • Recherche avancée
      Recherche de ressources
    • Par auteur
      Recherche par auteur
    • Par année
      Recherche par année de soutenance
    • Par laboratoire
      Recherche par laboratoire
    • Par thème
      Recherche thématique
    • Par école doctorale
      Recherche par école doctorale
    • Toutes les thèses
  • Publications de recherche
    • Nouveautés
      Recherche de nouveautés dans les ressources documentaires
    • Par laboratoire de recherche
      Recherche par laboratoire
    • Recherche avancée
      Recherche de publication de recherche
    • Toutes les publications de recherche
  • Tous les documents
    • Nouveautés
      Recherche des nouveautés
    • Recherche avancée
      Recherche avancée sur plusieurs formats
    • Toutes les ressources

Fiche descriptive

  • Vous êtes ici :
  • Accueil
  • »
  • Fiche descriptive
???menu.description..???
  • Imprimer
  • Version PDF
  • Version XML
  • Ajouter à ma sélection
  • Partager
  • Courriel
  • Twitter
  • Facebook
  • del.icio.us
  • BlogMarks
  • Viadeo
  • LinkedIn
Génération automatique de texte avec des grammaires catégorielles abstraites (Document en Anglais)
Accès au(x) document(s)
Accéder au(x) document(s) :
  • http://theses.md.univ-paris-diderot.fr/SALMON_Raphael_1_va_20170710.pdfLien brisé : nonDroits d'accès : non autorisé
  • http://www.theses.fr/2017USPCC196/abesLien brisé : nonDroits d'accès : consultation après authentification
Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse soumise à l'embargo de l'auteur jusqu'au 10/07/2019 (communication intranet).
 
Informations sur les contributeurs
Auteur : Salmon Raphael
Salmon, Raphael
Nom
Salmon
Prénom
Raphael
Nationalité
Français

Date de soutenance : 10-07-2017

Directeur(s) de thèse : Danlos Laurence
Danlos, Laurence
Nom
Danlos
Prénom
Laurence


Etablissement de soutenance : Sorbonne Paris Cité
Sorbonne Paris Cité
Nom
Sorbonne Paris Cité

Laboratoire : Laboratoire de linguistique formelle (Paris) (1972-....)
Laboratoire de linguistique formelle (Paris) (1972-....)
Nom
Laboratoire de linguistique formelle (Paris) (1972-....)

Ecole doctorale : École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)
École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)
Nom
École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)

  
Informations générales
Discipline : Informatique. Génération automatique de texte
Classification : Informatique

Mots-clés libres : Grammaires catégorielles abstraites, Planification de document, Microplanning
Mots-clés :
  • Grammaire catégorielle
  • Génération automatique de textes
  • Linguistique appliquée
  • Linguistique -- Informatique
Résumé : Cette thèse explore l'usage des Grammaires Categorielles Abstraites (CGA) pour la Génération Automatique de Texte (GAT) dans un contexte industriel. Les systèmes GAT basés sur des théories linguistiques ont un long historique, cependant ils sont relativement peu utilisés en industrie, qui préfère les approches plus "pragmatiques", le plus souvent pour des raisons de simplicité et de performance. Cette étude montre que les avancées récentes en linguistique computationnelle permettent de concilier le besoin de rigueur théorique avec le besoin de performance, en utilisant CGA pour construire les principaux modules d'un système GAT de qualité industrielle ayant des performances comparables aux méthodes habituellement utilisées en industrie.
  
Informations techniques
Type de contenu : Text, Collection
Format : PDF
  
Informations complémentaires
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2017USPCC196
Type de ressource : Thèse
À propos Aide
ORI-OAI-search 2.0.7 - © 2006-2014 ORI-OAI