Exploitation de modèles neuronaux en vue de la détection automatique des nominations émergentes - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance Accéder directement au contenu
Mémoires Année : 2021

Exploitation de modèles neuronaux en vue de la détection automatique des nominations émergentes

Résumé

Emerging nominations are used to express the new concepts via new words or the words with semantic changes. They are taken for the precursor of neology insofar as they are not yet stabilized for use. Interested in the field of discourse analysis, they can convey implicitly the speaker's view and values, particularly about the social issues (e.g. integrated farming, sustainable mobility or selective immigration). By noticing the nominations in corpus, we observe that they are sometimes described by the contextual and formal marks, which could be exploited in detection. Base on this hypothesis, this work focuses on exploiting the deep learning models to automatically detect the criteria useful for the recognition of emerging nominations.
We propose a research base on a corpus which collect debates, press articles, and reports in the field of ecology for the period of 2018-2020. Firstly, we propose a study of detecting the specific contexts in order to pinpoint the emerging nominations. Secondly, we are interested in the FlauBERT’s MLM model for detecting the semantic changes via a difficulty predicting. In the end of work, the second criterion appears as the easiest to implement because our classifier produces too much noise.
Les nominations émergentes permettent de désigner de nouveaux concepts à travers l’usage de nouveaux mots ou de mots dont le contenu sémantique a été légèrement modifié. Elles caractérisent un état précurseur de la néologie, dans la mesure où elles mettent en circulation des expressions non encore stabilisées par l'usage. Elles présentent un intérêt dans le domaine de l’analyse de discours, car elles permettent de véhiculer de manière implicite le point de vue et les valeurs du locuteur, notamment dans le domaine des sujets de société qui font débat (p.ex. avec des nominations telles que agriculture raisonnée, mobilité douce ou immigration choisie). En observant les nominations en corpus, on observe qu'elles se caractérisent parfois par des indices contextuels et formels, qui pourraient être exploités dans des outils d'aide à la détection. Poursuivant cette hypothèse, ce travail est centré sur l’exploitation de modèles d’apprentissage profond pour détecter de manière automatique des critères utiles à l'identification nominations émergentes.
Nous proposons une étude empirique basée sur un corpus que nous avons constitué pour la période 2018-2020, incluant des débats citoyens, des articles de presse, et des rapports dans le domaine de l'écologie. Dans un premier temps, ce mémoire propose d'étudier une approche basée sur la détection de contextes dits spécifiants, visant à marquer un certain positionnement métadiscursif du locuteur, pour caractériser les nominations émergentes. Dans un second temps, nous nous intéressons à un second critère visant à repérer les glissements de sens de certains mots en fonctions de la difficulté à les prédire selon un modèle MLM basé sur FlauBERT. Ce deuxième critère apparait au final comme le plus facile à mettre en œuvre - notre classifieur entrainé pour reconnaitre les contextes spécifiants générant à ce stade trop de bruit pour constituer un indice fiable.
Fichier principal
Vignette du fichier
DING Yumeng_M2_IDL.pdf (2.61 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

dumas-03485460 , version 1 (17-12-2021)

Identifiants

  • HAL Id : dumas-03485460 , version 1

Citer

Yumeng Ding. Exploitation de modèles neuronaux en vue de la détection automatique des nominations émergentes. Sciences de l'Homme et Société. 2021. ⟨dumas-03485460⟩
67 Consultations
123 Téléchargements

Partager

Gmail Facebook X LinkedIn More