UMR 7320 : Bases, Corpus, Langage

titre: Hyperbase Web. (Hyper)Bases, Corpus, Langage
auteur: Laurent Vanni
article: Corpus, 2024, 25, ⟨10.4000/corpus.8770⟩
annee_publi: 2024
resume: Hyperbase est un logiciel d’Analyse de Données Textuelles (ADT) qui offre une suite d’outils statistiques dédiés à l’étude de corpus. Initialement développé sur ordinateur de bureau, il se décline depuis 2015 en plateforme web offrant une interface à l’ergonomie travaillée pour un usage tourné vers les sciences humaines et sociales. Après un rappel méthodologique de l’ADT, cette contribution présente Hyperbase Web version 2024, à partir d’exemples concrets d’usages, de notes techniques ainsi que des entrées par le menu (manuel d’utilisateur). Cette présentation sert de référence pour la prise en main du logiciel ou l’utilisation avancée des méthodes d’ADT.
typdoc: Article dans une revue
Accès au texte intégral et bibtex

titre: Sémantique de corpus numérique. Emmanuel Macron, président thaumaturge (2017-2023)
auteur: Damon Mayaffre, Laurent Vanni
article: Espaces Linguistiques, 2023, 6, ⟨10.25965/espaces-linguistiques.562⟩
annee_publi: 2023
resume: L'Intelligence artificielle questionne la sémantique de corpus. En prenant en compte l'axe syntagmatique (CNN, convolution) et l'axe paradigmatique ou « rapport associatif » (RNN, transformer), l'architecture que nous présentons fournit une aide à l'interprétation, pour une sémantique de corpus augmentée. L'algorithme implémenté dans le logiciel Hyperbase est ici appliqué au corpus d'Emmanuel Macron (2017-2023), qui cultive, par son discours, la dimension thaumaturgique de son pouvoir : soigner, protéger, prendre soin.
typdoc: Article dans une revue
Accès au texte intégral et bibtex

titre: To what extent are lemmatisation and annotation relevant for deep learning assignments and textual motifs detection? The case-study of Peter Damian's letters (11 th century)
auteur: Valérie Thon, Laurent Vanni, Dominique Longrée
article: La memoria digitale. XII convegno annuale AIUCD, Jun 2023, Siena, Italy, Italy. pp.254-259
annee_publi: 2023
resume: This paper wishes to explore to what extent lemmatisation and morphosyntactic annotation are important for deep learning predictions and textual motif detection. A broader research on the style of Peter Damian's letters (11th century) was the occasion to explore this question. After having trained two deep learning models on a selection of 12 classical authors using the Hyperdeep platform, one on lexical forms alone and the other on lemmatised and annotated texts, we introduced to them the medieval letters of Peter Damian in order to not only examine which authors are deemed to be stylistically close to Peter according to both models, but also to compare whether the results are similar and whether the same linguistic structures receive a high activation rate. The results suggest that a dialogue between both methods could be an interesting path to explore in the search for textual motifs, as the first "lexical" model may indicate rough outlines of these motifs, whereas the second model can offer concrete examples and/or variants of the first motifs identified.
typdoc: Communication dans un congrès
Accès au texte intégral et bibtex

titre: « Gallicagram : les archives de presse sous les rotatives de la statistique textuelle »
auteur: Benoît de Courson, Benjamin Azoulay, Clara de Courson, Laurent Vanni, Étienne Brunet
article: Corpus, 2023, 24, ⟨10.4000/corpus.7944⟩
annee_publi: 2023
typdoc: Article dans une revue
Accès au texte intégral et bibtex

titre: From text saliency to linguistic objects: learning linguistic interpretable markers with a multi-channels convolutional architecture
auteur: Laurent Vanni, Marco Corneli, Damon Mayaffre, Frédéric Precioso
article: Corpus, 2023, 24, ⟨10.4000/corpus.7667⟩
annee_publi: 2023
resume: A lot of effort is currently made to provide methods to analyze and understand deep neural network impressive performances for tasks such as image or text classification. These methods are mainly based on visualizing the important input features taken into account by the network to build a decision. However these techniques, let us cite LIME, SHAP, Grad-CAM, or TDS, require extra effort to interpret the visualization with respect to expert knowledge. In this paper, we propose a novel approach to inspect the hidden layers of a fitted CNN in order to extract interpretable linguistic objects from texts exploiting classification process. In particular, we detail a weighted extension of the Text Deconvolution Saliency (wTDS) measure which can be used to highlight the relevant features used by the CNN to perform the classification task. We empirically demonstrate the efficiency of our approach on corpora from two different languages: English and French. On all datasets, wTDS automatically encodes complex linguistic objects based on co-occurrences and possibly on grammatical and syntax analysis.
typdoc: Article dans une revue
Accès au texte intégral et bibtex

titre: Le tourisme dans la presse locale et nationale. Étude des impacts sur le discours pré et post covid-19.
auteur: Sascha Diwersy, Jean-Christophe Gay, Véronique Magri, Laurent Vanni
article: 11ème Colloque de l'Association Tourisme Recherche et Enseignement Supérieur (AsTRES), "L'agilité touristique en période de crises : réplications, accélérations, réinventions..?", Association Tourisme Recherche et Enseignement Supérieur; Université Côté d'Azur, Nov 2022, Nice, France
annee_publi: 2022
resume: La communication présentée pose l’hypothèse qu’une transformation de l’appréhension du tourisme est induite par la crise de la Covid et que celle-ci est observable dans la Presse. Il est également supposé qu’une différence de traitement se manifeste entre la Presse régionale et la Presse nationale.
typdoc: Communication dans un congrès
Accès au texte intégral et bibtex

titre: Le deep learning auxiliaire de l'ADT dans le choix de textes à étiqueter en vue d'un corpus de comparaison : à propos de l'étude stylistique des lettres de Pierre Damien
auteur: Valérie Thon, Laurent Vanni, Dominique Longrée
article: JADT 2022 - Proceedings of the 16th International Conference on Statisical Analysis of Textual Data, 2022
annee_publi: 2022
resume: Réaliser un étiquetage morphosyntaxique complet et fiable de textes latins est une tâche particulièrement chronophage. Il s’agit dès lors de choisir à bon escient les textes à intégrer à un corpus de comparaison étiqueté lorsque l’on désire étudier les distances intertextuelles entre un auteur donné, en particulier un auteur médiéval, et ses devanciers. Une recherche stylistique sur les lettres de Pierre Damien (XIe siècle) a été l’occasion de s’interroger sur les méthodes à mettre en œuvre pour opérer cette sélection : les distances intertextuelles ont été d’abord calculée sur les formes à l’aide d’analyses arborées ; les résultats ont été ensuite comparés aux prédictions du deep learning, attribuant, avec des taux de reconnaissance variables, des passages de Pierre Damien à divers auteurs du corpus de comparaison : là où l’ADT semble s’appuyer essentiellement sur le lexique, le Convolutional Neural Network prend mieux en compte des paramètres morphosyntaxiques, les zones d’activation fortes suggérant une reconnaissance de motifs linguistiques que Damien partagerait avec certains de ses prédécesseurs.
typdoc: Chapitre d'ouvrage
Accès au texte intégral et bibtex

titre: Convolution et marqueurs multidimensionnels. Description des représentations genrées dans un corpus de films français
auteur: Laurent Vanni, Magali Guaresi, Véronique Magri
article: 16th International Conference on Statistical Analysis of Textual Data ( JADTS 2022 ), Jul 2022, Naples, Italie
annee_publi: 2022
resume: Convolutional neural networks allow new representations of texts that extend the standard statistical approaches. By combining frequency and context of words as well as allowing multidimensional treatments (graphical form, lemma and part of speech), convolution leads to the extraction of motifs, i.e. complex linguistic patterns that are likely to feed interpretation. In this paper, this architecture is tested on movie scripts in order to explore the hypothesis of a gendered differentiation of female and male dialogues.
typdoc: Communication dans un congrès
Accès au texte intégral et bibtex

titre: Corpus non alignés et ADT. Essai de comparaison entre les présidents français et brésiliens de l'ère contemporaine
auteur: Carlos Maciel, Damon Mayaffre, Laurent Vanni
article: JADT2022, Jul 2022, Naples, France. pp.568-575
annee_publi: 2022
resume: Existe-t-il une méthode ADT susceptible de traiter des corpus bilingues non alignés ? Le genre textuel exerce-t-il une contrainte suffisamment forte sur le discours qui rendrait comparable des textes écrits dans des langues différentes sous condition d’être de genre identique ? Pour répondre à ces deux questions, une méthodologique, l’autre linguistique, cette contribution rassemble dans un même corpus les discours politiques présidentiels français et brésiliens de l’époque contemporaine (1950-2020), de de Gaulle à Macron, de Kubitschek à Lula, soit 15 millions de mots. Un parcours méthodologique est proposé du simple dictionnaire des fréquences jusqu’au traitement factoriel des profils concurrentiels des mots, afin d’établir un parler présidentiel générique transnational.
typdoc: Communication dans un congrès
Accès au texte intégral et bibtex

titre: Le participe passé dans un grand corpus littéraire (1700-2019) : enjeux et limites du traitement textométrique dans Hyperbase
auteur: Federica Beghini, Laurent Vanni
article: L'information grammaticale, 2022, 174, pp.24-31. ⟨10.2143/IG.174.0.3291027⟩
annee_publi: 2022
resume: L'étude du participe passé a fait l'objet de nombreuses réflexions dans le domaine de l'analyse des données textuelles : en raison des ambigüités de son profil grammatical, il a été depuis toujours considéré comme difficile à définir pour la recherche textométrique (Brunet, 1988 ; Engwall, 1966). Dans cet article, nous aborderons cette question en soulignant les enjeux de la méthodologie, en décrivant ses limites et ses atouts et en proposant également des solutions à ses limites. Pour ce faire, nous mettrons à l'épreuve Hyperbase, l'un des logiciels d'ADT historiques en France, sur un corpus de littérature française couvrant une période de plus de trois siècles. De la distribution statistique à l'Analyse Factorielle des Correspondances (AFC), nous montrerons que le logiciel permet d'interroger la linguistique concernant les variations d'usage du participe passé en fonction du temps, des oeuvres ou des auteurs. Enfin, une étude de cas viendra illustrer ce parcours interprétatif sur un auteur dont l'oeuvre se caractérise par plusieurs variables (diachronique, linguistique et générique). Ainsi, outre l'exploration des enjeux de la méthode, nous proposerons également un large éventail de pistes de recherche pour l'étude textométrique de cette catégorie grammaticale dans le domaine littéraire.
typdoc: Article dans une revue
Accès au texte intégral et bibtex

UMR 7320 : Bases, Corpus, Langage

Menu

Nos tutelles

Nos partenaires

Rechercher

Laurent Vanni

Voir la page perso

Dernières publications