Search Results for author:
Found 24 papers, 3 papers with code
Plongements Interprétables pour la Détection de Biais Cachés (Interpretable Embeddings for Hidden Biases Detection)
De nombreuses tâches sémantiques en TAL font usage de données collectées de manière semiautomatique, ce qui est souvent source d’artefacts indésirables qui peuvent affecter négativement les modèles entraînés sur celles-ci.
Prédire l’aspect linguistique en anglais au moyen de transformers (Classifying Linguistic Aspect in English with Transformers )
L’aspect du verbe décrit la manière dont une action, un événement ou un état exprimé par un verbe est lié au temps ; la télicité est la propriété d’un syntagme verbal qui présente une action ou un événement comme étant mené à son terme ; la durée distingue les verbes qui expriment une action (dynamique) ou un état (statique).
Improving Composition of Sentence Embeddings through the Lens of Statistical Relational Learning
In this work, we show that textual relational models implicitly use compositions from baseline SRL models.
When does CLIP generalize better than unimodal models? When judging human-centric concepts
We compare CLIP’s visual stream against two visually trained networks and CLIP’s textual stream against two linguistically trained networks, as well as multimodal combinations of these networks.
About Time: Do Transformers Learn Temporal Verbal Aspect?
Aspect is a linguistic concept that describes how an action, event, or state of a verb phrase is situated in time.
How Relevant Are Selectional Preferences for Transformer-based Language Models?
Selectional preference is defined as the tendency of a predicate to favor particular arguments within a certain linguistic context, and likewise, reject others that result in conflicting or implausible meanings.
Automatic Poetry Generation from Prosaic Text
In the last few years, a number of successful approaches have emerged that are able to adequately model various aspects of natural language.
DiscSense: Automated Semantic Analysis of Discourse Markers
In this work, we take another perspective: using a model trained to predict discourse markers between sentence pairs, we predict plausible markers between sentence pairs with a known semantic relation (provided by existing classification datasets).
La g\'en\'eration automatique de po\'esie en fran\ccais (Automatic Poetry Generation in French)
Dans cet article, on explorera comment ces approches peuvent {\^e}tre adapt{\'e}es et combin{\'e}es afin de mod{\'e}liser les aspects linguistiques et litt{\'e}raires n{\'e}cessaires pour la g{\'e}n{\'e}ration de po{\'e}sie.
Aprentissage non-supervis\'e pour l'appariement et l'\'etiquetage de cas cliniques en fran\ccais - DEFT2019 (Unsupervised learning for matching and labelling of french clincal cases - DEFT2019 )
Nous pr{\'e}sentons le syst{\`e}me utilis{\'e} par l{'}{\'e}quipe Synapse/IRIT dans la comp{\'e}tition DEFT2019 portant sur deux t{\^a}ches li{\'e}es {\`a} des cas cliniques r{\'e}dig{\'e}s en fran{\c{c}}ais : l{'}une d{'}appariement entre des cas cliniques et des discussions, l{'}autre d{'}extraction de mots-clefs.
Composition of Sentence Embeddings: Lessons from Statistical Relational Learning
In this article, we show that previous work on relation prediction between texts implicitly uses compositions from baseline SRL models.
Concat\'enation de r\'eseaux de neurones pour la classification de tweets, DEFT2018 (Concatenation of neural networks for tweets classification, DEFT2018 )
Nous pr{\'e}sentons le syst{\`e}me utilis{\'e} par l{'}{\'e}quipe Melodi/Synapse D{\'e}veloppement dans la comp{\'e}tition DEFT2018 portant sur la classification de th{\'e}matique ou de sentiments de tweets en fran{\c{c}}ais.
Synapse at CAp 2017 NER challenge: Fasttext CRF
We present our system for the CAp 2017 NER challenge which is about named entity recognition on French tweets.
Changement stylistique de phrases par apprentissage faiblement supervis\'e (Textual Style Transfer using Weakly Supervised Learning)
Plusieurs t{\^a}ches en traitement du langage naturel impliquent de modifier des phrases en conservant au mieux leur sens, comme la reformulation, la compression, la simplification, chacune avec leurs propres donn{\'e}es et mod{\`e}les.
