Accueil > Pages Perso > Laurent Vanni

Laurent Vanni

IR  -  CNRS

Dernières publicationsHAL

pour l'idHal "lvanni" :

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
https://cnrs.hal.science/hal-04523479/file/Hyperbase_Corpus25_FINAL2-1_resume-relu%20%281%29.pdf 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
https://hal.science/hal-04353800/file/Mayaffre_Vanni_espaces_linguistiques.562.pdf 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
https://u-paris.hal.science/hal-04122439/file/Siena_AIUCD_2023.pdf BibTex
titre
Des saillances du texte aux objets linguistiques : apprentissage des marqueurs linguistiques interprétables avec une architecture CNN multi-niveaux
auteur
Laurent Vanni, Marco Corneli, Damon Mayaffre, Frédéric Precioso
article
Corpus, 2023, 24, ⟨10.4000/corpus.7667⟩
annee_publi
2023
resume
De nombreux efforts sont actuellement déployés pour fournir des méthodes d'analyse et de compréhension des performances remarquables des réseaux neuronaux profonds pour des tâches telle que la classification d'images ou de textes. Ces méthodes sont principalement fondées sur la visualisation des imputs - ici, la matière textuelle - prises en compte par le réseau pour construire une décision. Cependant, ces techniques que l'on retrouve dans LIME, SHAP, Grad-CAM ou TDS, nécessitent un effort supplémentaire pour interpréter la visualisation. Dans cet article, nous proposons une nouvelle approche pour inspecter les couches cachées d'un réseau CNN ajusté afin d'extraire des objets linguistiques directement interprétables des textes. En particulier, nous détaillons une extension pondérée de la mesure Text Deconvolution Saliency (wTDS). Nous démontrons empiriquement l'efficacité de notre approche sur des corpus de deux langues différentes : anglais et français. Sur tous les jeux de données, wTDS encode automatiquement des objets linguistiques complexes ou motifs basés sur les co-occurrences et éventuellement sur l'analyse grammaticale et syntaxique.
typdoc
Article dans une revue
Accès au texte intégral et bibtex
https://hal.science/hal-04004208/file/Vanni_et_al.corpus-7667%281%29.pdf 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
https://hal.science/hal-04070114/file/Gallicagram_Corpus.pdf 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
https://hal.science/hal-04111750/file/COLLOQ~1.PDF 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
https://u-paris.hal.science/hal-03892792/file/JADT2022.pdf 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
https://hal.science/hal-03783938/file/JADT2022_paper_38.pdf 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
https://hal.science/hal-03858547/file/Maciel_Mayaffre_Vanni_jadt2022_Style3.pdf 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
https://shs.hal.science/halshs-03946447/file/Vanni-Beghini_final.pdf BibTex
  • + de résultats dans la Collection HAL du laboratoire BCL
  • Voir l'ensemble des résultats sur la plateforme HAL