Aux nouvelles
Notes (toutes) disponibles
Vos notes à ce cours sont maintenant disponibles (merci de votre patience). Les notes de l'examen sont sur 30, les notes de la présentation orale sur 20 et les notes de votre rapport sont sur 50. N'hésitez pas à passer pour plus d'information. Bonne continuation.
Notes de l'examen disponibles
Vos notes sont maintenant disponibles ici. Un code vous a été envoyé à l'adresse couriel déposée dans studium. Ce code vous permet de savoir qui vous êtes dans cette table. La note disponible est sur 30.
!!! annulation de cours !!!
- Je dois annuler le cours de jeudi 16. Il y avait trois présentations à l'agenda prévu que je vous propose de déplacer sur les sessions du 20 avril et du 23 avril. Voici un agenda possible, merci de m'indiquer si cela vous convient.
- La date limite de remise de vos travaux a été repoussée au 24 avril.
Modifications d'agenda
- Suite à la grève des étudiants, les présentations prévues la semaine passées ont été décalées à la semaine du 20 avril (même salle, même heure). Je vous rappelle l'agenda des présentations.
- La date limite de remise de vos travaux a été repoussée au 24 avril.
Grève
Une grève de l'association étudiante du DIRO a été votée pour cette semaine. Je me présenterai en cours et le donnerai si les conditions le permettent. Les présentations qui sont prévues à l'agenda seront reportées en cas d'impossibilité de les tenir cette semaine.
Rappels
- Je vous rappelle la tenue de la présentation invitée de Joseph Leroux sur le parsing en dépendances (slides à suivre), lundi à 9h30.
- Je vous rappelle aussi qu'il reste des personnes qui ne m'ont pas indiqué leur date et titre de soutenance
- Et enfin je rappelle la tenue de l'examen le 26 mars (heure et salle de cours)
Présentations invitées
Deux intervenants viendront présenter des sujets de recherche. Venez nombreux:
- jeudi 19 mars à 13h30, William Lechelle: Parsing sémantique à la FrameNet: [slides]
- lundi 23 mars à 9h30, Joseph Leroux: Introduction à l'analyse syntaxique en dépendances. [slides]
Examen
L'examen aura lieu jeudi 26 mars à l'heure habituelle du cours et dans la même salle. Vous pouvez venir avec vos notes que vous pouvez visualiser avec un ordinateur. Dans ce cas, vous devez invalider internet et n'utiliser qu'un visualisateur de pdf (autre qu'un navigateur). Voici des examens passés: [A09], [A11] et [A12].
Présentation
À partir du 30 mars commenceront vos présentations de synthèse. Vous devez d'ici le 22 mars m'indiquer par mail le titre d'une présentation ainsi qu'une plage horaire parmi celles disponibles dans ce calendrier des présentations.
mt.pdf
Les acétates mt.pdf
sont (à peu près) dans un état stable.
Merci de votre patience.
jeudi 26 février
Le cours de jeudi 26 février est remplacé par une journée d'étude sur les bibliothèques numériques qui se tiendra de 9h à 17h en salle C-3061 du Carrefour des Sciences (Jean-Brillant). Bien que la journée ne porte pas spécifiquement sur le TALN, ces techniques sont en voie de changer les bibliothèques numériques. Vous pouvez assister à toute la journée, ou bien venir à la session "Collections spécifiques" de 13h à 15h. Consulter le programme.
Projet de session
Le descriptif de ce que j'attends de vous est disponible (suivre le lien Travaux) et requiert de vous un ensemble d'actions dont les échéances sont spécifiées. Je vous en parle en cours demain, en plus de la matière prévue au cours de lundi.
Annulation de cours
Désolé de cette information de dernière minute, mais je dois annuler le cours de ce matin. Merci de votre compréhension. Bonne journée.
Premier cours
Bonne rentrée à tous. Le premier cours aura lieu jeudi 8 janvier en salle 1207 du pavillon André-Aisenstadt à 13h30.
Projet de session
Il est temps de penser à votre projet de session. La page qui suit spécifie ce qui est attendu de vous et vous donne des suggestions de projets possibles. N'hésitez pas à passer me voir pour discuter d'idées de projets. (Voir ce sujet sans les cadres: [ici]).
Agenda
Voici le calendrier des échéances des documents à remettre:
- 20 février 2015 Choix d'une question de recherche
sous la forme d'une page qui décrit le problème abordé, la ou les
questions de recherche qui sont étudiées, les données sur lesquelles
étudier ces questions et une idée du protocole d'évaluation. Ceci
prendra la forme d'un document pdf d'au plus 3 pages que vous
m'enverrez pas mail. Le nom de ce document doit
être
IFT6010-sujet-nom-prenom.pdf
(avecnom
etprénom
dument remplacés). N'hésitez pas à venir me consulter avant la remise de votre proposition ! - 6 mars 2015 l'URL d'un site web accessible (ce site Web sera
accessible depuis le site du cours) qui contiendra au moins:
- la ou les questions de recherche abordées (le document pdf remis à l'étape 1)
- les données utilisées; si ces données sont privées, alors un descriptif (quantité, genre, exemple, etc.)
- une capsule hebdomadaire (ou plus fréquente si vous le désirez) qui fait mention de vos avancées: un paragraphe au plus pour décrire ce sur quoi vous travaillez.
- une table qui indique les résultats des variantes les plus intéressantes testées à date (lorsque cela s'applique). Chaque variante doit être brièvement identifiée, ainsi que la ou les métriques rapportées dans la table
- 17 avril 2015 une version électronique d'un
rapport clair et concis de vos travaux, mettant en avant la
méthodologie et les résultats obtenus. Votre rapport doit tenter de
positionner votre travail dans l'état de l'art. Le format doit être
pdf et le nom de votre rapport doit
être
IFT6010-rapport-nom-prenom.pdf
(avecnom
etprénom
dument remplacés).
Vous pouvez remettre un travail en groupe d'au plus 2 personnes. Il convient dans ce cas de décrire en annexe dans le rapport le travail de chacun. De même, les capsules hebdomadaires sur votre site web doivent être préfixées des initiales de la personne concernée par le travail effectué. Bien sûr, je m'attends à ce qu'un travail collectif soit plus fourni qu'un travail remis par une seule personne.
Question de recherche
Identifier une question de recherche peut rendre du temps, surtout si vous découvrez le domaine du TAL avec ce cours. Je vous conseille donc de vous renseigner dès maintenant sur des problématiques du domaine du TAL, sur les données disponibles pour réaliser votre travail ainsi que sur la disponibilité d'éventuels outils utiles à la réalisation de votre projet. Voir à ce sujet la section Ressources pour un point de départ.
Quelque soit la question sur laquelle vous allez vous pencher, vous devez proposer un moyen d'évaluer vos progrès. Si vous n'y parvenez pas, c'est que la question de recherche ne se prête probablement pas aux exigences du projet.
Il est tout à fait possible de définir une question de recherche qui correspond à votre sujet de recherche. Ceci sera d'autant plus naturel que vous faites de l'apprentissage machine, de la linguistique ou encore de la bio-informatique, mais des parallèles peuvent bien sûr être dressés entre le traitement des langues et d'autres domaines comme le génie logiciel. Il est important cependant de comprendre qu'un travail propre à ce cours vous est demandé; aussi, si vous identifiez une question de recherche en rapport avec votre sujet de recherche, vous devez prendre soin de décrire la composante propre que vous développerez dans le cadre de ce cours.
Vous n'avez pas à vous soucier des résultats que vous pouvez attendre de la question de recherche que vous allez étudier. En d'autres terme, le résultat de vos évaluations ne conditionneront pas votre note au projet, pour autant que vos résultats ne soient pas imputables à un manque de curiosité ou de persévérance.
Des sujets d'intérêts sont listés plus bas qui peuvent vous servir de point de départ. Il ne s'agit en aucun cas d'une liste exhaustive et les articles mentionnés ont été choisis pour leur simplicité de lecture et/ou leur étendue du problème.
À propos du rapport
La partie la plus importante de votre projet est le rapport. Celui-ci doit faire état de manière claire de la question de recherche abordée et des moyens mis en oeuvre pour tenter d'y répondre. Il n'y a pas de limite de taille sur le rapport que vous allez remettre, mais il est important de garder à l'esprit que:
- votre rapport devrait tenir en 8 pages (ou moins), nonobstant les annexes. Si vous sentez le besoin d'en mettre plus, n'hésitez pas à reléguer en annexe des résultats intermédiaires, de manière à vous concentrer dans le corps du rapport sur l'essentiel. Vous pouvez également vous référer à des ressources disponibles sur le site web si vous le souhaitez (par exemple pour détailler certains détails d'une variante).
- votre rapport doit faire une large place à votre démarche ainsi qu'aux expérimentations réalisées. Une description à plat des expériences est souvent fastidieuse à lire, aussi je vous invite à clairement identifier les "paramètres" de votre démarche avant de faire état de leur impact. Le but du rapport est de faire état de votre curiosité à résoudre un problème particulier, à décrire les réalisations et à identifier des pistes d'amélioration.
- Vous pouvez parler des détails d'implémentation lorsque cela est pertinent. Il n'est cependant pas recommandé de développer des aspects techniques triviaux qu'une structure de base réglerait simplement (par exemple). Si vous éprouvez des problèmes informatiques vous pouvez bien sûr le mentionner, et je vous invite le cas échéant de venir en discuter avec moi au moment où il surviennent plutôt que d'en faire simplement état dans votre rapport après coup. Votre rapport doit brièvement mentionner les informations pertinentes comme le ou les langages de programmation utilisés, l'environnement de programmation (unix/windows, matlab ou autre librairie, etc.).
À propos de votre travail
Il est difficile de décrire la quantité de travail exigée (au dela du fait que je m'attends à ce que vous passiez de l'ordre d'une journée par semaine à votre projet). Vous devez me convaincre (via votre rapport) que vous avez fourni un effort non trivial à la résolution de votre problème. Je suis par ailleurs sensible à l'environnement dans lequel vous effectuez vos travaux. Il est plus facile de rapporter des résultats sur une tâche facile à évaluer dont les données sont déjà installées et en ayant à disposition des librairies capables de résoudre votre problème que de travailler sur une question où l'évaluation est délicate et où peu d'outils sont disponibles. Lorsque cela s'y prête, n'hésitez pas à tester des approches de base afin de mettre en perspective le bienfondé de votre approche. Ceci permettra par exempleégalement de mieux positionner vos résultats. À ce propos, analyser les raisons qui font qu'une approche que vous avez essayée ne fonctionne pas est aussi informatif que de décrire quelque chose qui a fonctionné. Bien sur, cette analyse doit être fondée (simplement mentionner qu'avec 100 fois plus de données, votre approche aurait fonctionné est un peu court).
Ressources utiles pour la définition de votre question de recherche
Voici une liste non exhaustive de thèmes que je vous pouvez choisir de développer dans le cadre de votre projet. Les articles de départ que je propose ne sont pas les seuls possibles (mes choix sont justifiés par des raisons de lisibilité des papiers: pas trop techniques, problématique générale, pointeurs pertinents à des travaux reliés). Vous pouvez également consulter le site de l'ACL afin d'y trouver un thème (attention, les articles dans ces conférences ne sont pas toujours faciles à lire) ou consulter le site en français de la revue en ligne TAL.
- Analyse syntaxique:
- Accurate Unlexicalized Parsing D. Klein and C. Manning
- Web as a corpus
- Data Intensive Question Answering, E. Brill, J. Lin, M. Banko, S. Dumais and A. Ng
- The Web as a Baseline: Evaluating the Performance of Unsupervised Web-based Models for a Range of NLP Tasks, Mirella Lapata and Frank Keller
- Découvertes de connaissances
- Never Ending Language Learning: NELL
- Ontologizing Semantic Relations Pennacchiotti and Pantel
- Concept Discovery from Text Lin and Pantel
- Discovering Relations among Named Entities from Large Corpora, Takaaki Hasegawa, Satoshi Sekine, Ralph Grishman
- Acquiring Hyponymy Relations from Web Documents, Keiji Shinzato and Kentaro Torisawa
- Extracteur de relations par expressions régulières: ReVerb
- Approches distributionnelles: É. Grave, G. Obozinsky and F. Bach; implémentations et jeux de tests: ici
- Linguistic Profiling for Authorship Recognition and Verification, Hans van Halteren
- Automatic Text Categorization in Terms of Genre and Authors, E. Stamatatos, N. Fakotakis and G. Kokkinakis
- A Neural Probabilistic Language Model, Yoshua Bengio, Réjean Ducharme, Pascal Vincent, Christian Jauvin
- Recurrent Neural Network based Languge Modeling in Meeting Recognition, Stefan Kombrik, Tomas, Mikolov, Martin Karafiat, Lukas Burget
- Structured output layer neural network language model, Hai-Son Le, Ilya Oparin, Alexandre Allauzen, Jean-Luc Gauvain, François Yvon
- Learning To Paraphrase: An unsupervised Approach Using Multiple-Sequence Alignment, Regina Barzilay and Lillian Lee
- Syntax-based Alignment of Multiple Translations: Extracting Paraphrases and Generating New Sentences, Bo Pang, Kevin Knight and Daniel Marcu
- Unsupervised Learning of the Morphology of a Natural Language, John Goldsmith
- Improved machine translation performance via parallel sentence extraction from comparable corpora, Dragos Stefan Munteanu, Alexander Fraser and Daniel Marcu
- Sentence alignment for Monolingual Comparable Corpora, Regina Barzilay and Noemie Elhadad
- Mining Very-Non Parallel Corpora: Parallel Sentence and Lexicon Extraction via Bootstrapping and EM, P. Fung and P. Cheung
- Revisiting Context-Based Projection Methods For Term-Translation Spotting In Comparable Corpora, Audrey Laroche, P. Langlais
Vous pouvez également décider de vous intéresser à un problème pour lequel des données et des protocoles d'évaluation sont déjà disponibles (c'est même conseillé). Je liste dans ce qui suit quelques tâches partagées dont les données sont (parfois) disponibles.
-
La conférence CONLL
organise chaque année des tâches partagées pour lesquelles des données
et des performances de systèmes sont disponibles. Vous pourriez y trouver
votre bonheur (attention certaines tâches sont complexes):
- la tâche partagée de 2015 ! La tâche consiste à identifier des relations du discours entre des segments de textes. Plus de détails ici.
- détection d'erreurs dans les textes de non natifs: 2014, 2013
- résolution de coréférence: 2012 2011
- détection d'incertitudes: 2010
- étiquetage sémantique: 2005 et 2004
- détection d'entités nommées: 2003 2002
- détection de clauses 2001 et chunking: 2000
- SemEval organise chaque année des tâches partagées sur la
sémantique computationnelle (pendant longtemps avec des tâches comme
la désambiguisation ou la mesure de similarité sémantique).
- approches distributionnelles compositionnelles: 2014 (task 1)
- mesure de similarité 2014 (task 3) historique des précédentes campagnes
- les campagnes NEWS portent sur le problème de la translitération. Je peux vous donner accès aux données permettant de répliquer la tâche NEWS 2009 anglais-chinois (sous promesse de non divulgation).
- Apprentissage de la morphologie d'une langue: MorphoChallenge
- Workshops on Multiword Expressions: MWE
- Text Analysis Conference: TAC