000			03046cam a2200289 4500500
005			20250118082117.0
041			_afre
042			_adc
100	1	0	_aJean, Pierre-Antoine _eauthor
700	1	0	_a Harispe, Sébastien _eauthor
700	1	0	_a Ranwez, Sylvie _eauthor
700	1	0	_a Bellot, Patrice _eauthor
700	1	0	_a Montmain, Jacky _eauthor
245	0	0	_aUn modèle probabiliste pour la détection de l’incertitude dans le langage naturel
260			_c2016.
500			_a8
520			_aParce qu’elle conditionne la confiance que l’on peut avoir dans certaines affirmations, la détection de l’incertitude dans le langage naturel constitue l’un des enjeux majeurs du développement de systèmes exploitant l’analyse de textes e.g. questions-réponses, raisonnement approché, enrichissement de bases de connaissances. Après une synthèse des différentes classifications de l’incertitude et des méthodes de détection correspondantes, cet article introduit une approche supervisée et générique de détection de l’incertitude. Celle-ci se base sur une analyse statistique de différentes caractéristiques lexicales et syntaxiques afin de construire une représentation vectorielle d’une phrase utilisée ensuite dans un processus de classification. L’évaluation que nous proposons tient compte des différentes dimensions de l’incertitude et de la nature des textes. Les résultats obtenus sur différents jeux de validation soulignent la performance globale de la méthode proposée et permettent d’envisager l’utilisation de cette méthode dans un contexte plus global d’extraction et d’inférence de connaissances.
520			_aUncertainty influences the confidence that we have in some affirmations. That is why uncertainty detection is a cornerstone of the development of Natural Language Processing applications e.g. question-answering, approximate reasoning, knowledge bases population. This article proposes an overview of several contributions and classifications defining the concept of uncertainty expressions in natural language, and their related detection methods that have been proposed so far. A new supervised and generic approach is next introduced for this specific task ; it is based on the statistical analysis of multiple lexical and syntactic features used to characterize sentences through vector-based representations that can be analyzed by proven classification methods. The global performance of our approach is demonstrated and discussed with regard to various dimensions of uncertainty and text specificities.
690			_aclassification binaire
690			_amodèle supervisé
690			_adétection de l’incertitude linguistique
690			_asupervised model
690			_abianary classification
690			_auncertainty detection in natural language
786	0		_nDocument numérique | 19 | 2 | 2016-12-21 | p. 53-73 | 1279-5127
856	4	1	_uhttps://shs.cairn.info/revue-document-numerique-2016-2-page-53?lang=fr&redirect-ssocas=7080
999			_c370716 _d370716