Précédent : Traitement du langage naturel Remonter : Actions de recherche Suivant : Analyse lexicale et syntaxique de
Précédent : Traitement du langage naturel Remonter :
Actions
de recherche Suivant : Analyse lexicale et syntaxique
de
Participants : Jacques Nicolas, Catherine Belleannée, François Coste, Jean-Yves Giordano, Robin Gras, Laurent Miclet, Christine Sinoquet, Basaveneppa Tallur, Raoul Vorc'h
Le but de l'apprentissage automatique supervisé consiste à produire une ou plusieurs règles de classification permettant la discrimination d'un ensemble de classes données. Comme pour les techniques de discrimination statistiques classiques, ces règles sont formulées à partir de l'observation d'un ensemble d'apprentissage de couples (description d'élément, classe à laquelle appartient l'élément). L'originalité de l'approche provient de la variété et de la complexité des langages de règles acceptés.
Nous nous intéressons ainsi à deux types de problèmes qui
requièrent des capacités de discrimination élevées.
Le premier problème concerne la discrimination dans les séquences
et fait essentiellement appel à des techniques d'analyse et
d'inférence grammaticale. Le second concerne la démonstration
automatique. Il est fondé sur la détection de régularités
logiques dans les formules ou dans le processus de démonstration
lui-même.
L'originalité de notre apport est fondée sur la recherche systématique de couplages intéressants de méthodes issues de l'apprentissage et de l'analyse de données (approche ``numérique symbolique''), ces deux disciplines partageant des préoccupations communes importantes.