Une Approche Connexionniste Pour Le Traitement Automatique Des Structures Syntaxiques De La Langue Arabe Basées Sur Le Formalisme Néo-khalilien
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Résumé
Les techniques utilisant les réseaux de neurones tentent d’imiter la structure connexionniste du système nerveux pour en tirer les avantages concernant principalement les capacités d’apprentissage, de généralisation, de robustesse, de tolérance aux pannes et pos-sibilité de traitement parallèle.
Cette étude entre dans le cadre de développement d'un système connexionniste pour l'analyse des structures syntaxiques de la langue arabe basées sur le formalisme linguistique néo-khalilien. Elle s’inscrit dans le domaine multidisciplinaire des sciences cogni-tives, intégrant ainsi la modélisation mathématique par les réseaux de neurones, les techniques informatiques du traitement automa-tique du langage naturel et les fondements d'une théorie linguis-tique.
Le système conçu intitulé "Neurokhall", est composé d'un réseau de neurones simplement récurrent, combiné avec une RAAM (Recursive Auto Associative Memory) pour le traitement des structures récursives. Le système accepte en entrée la phrase mot par mot sous forme de traits syntaxiques, et fournit en sortie les catégories syntaxiques sous la forme du schème générateur du niveau de la syntaxe de la théorie néo-khalilienne.
Mots clés
##plugins.themes.bootstrap3.article.details##
Références
__________, A Connectionist Parser with Recursive Sentence Structure and Lexical Disambiguation, AAAI – 92 Americain association for Artificial Intelligence, pp. 32-37, 1992.
Blair Alan D., Scalinhg-up RAAMs, Département informatique, université de Bandeis, janvier 1997.
Chafe Wallace, Meaning and the Structure of the Language, University Press Chicago, 1970.
Chan Samuel W.K. and Franklin James, A Neural Network Model for Acquisition of Semantic Structures, International Symposium on Speech Image Processing and Neural Networks, Hong Kong, pp. 221-224, 1994.
McClelland J.L., Mark st Jhon and Roman Taraban, « Sentence Comprehension : A Parallel Distributed Processing Approach », Language and Cognitive Processes, pp. 287- 335, 1989.
Elman Jeffrey L., « Finding Structure in Time », cognitive science, 14, pp. 179-211, 1990.
_____________, Distributed Representations, Simple Recurrent Networks, and Grammatical Structure, département des sciences cognitives et de linguistique, 1991.
Fodor.J and Pylyshyn.Z, « Connectionism and Cognitive Architecture : A Critical Analysis », in Connections and symbols, pp. 3-71, Cambridge MIT Press, 1988.
Hadj Salah Abderrahmane, Linguistique arabe et linguistique générale : Essai de méthodologie et d'épistémologie du ‘ilm al-‘Arabiyya, thèse de doctorat, Paris Sorbonne, Vol. 2, 1979.
Jain Jianchang Anil K. Mao K. Mohiuddin, Artificial Neural Networks : A Tutorial, IEEE Computer Special Issue on Neural Computing, mars 1996.
Koong H.C. Lin and Tung-Bo Chen and Von-Wun Soo, « Neural Network Learning and Encoding of Thematic Role Assignments in Parsing of Simple Chinese Sentences », Journal of Information Science and Engineering, vol.11, n° 1, pp.109-126,1995.
Meftouh Karima, Une approche connexionniste pour la génération d’une représentation interne du sens d’une phrase basée sur les cas sémantiques appliquée à la langue arabe, mémoire de Magistère, université de Annaba, 2000.
Miikkulainen Risto Michael G. Dyer, Natural Language Processing with Modular PDP Network and Distributed Lexicon, cognitive science, 1991.
Pollack Jordan B., Recursive Distributed Representation, Laboratoire de recherche en intelligence artificielle, université de l'état de l'Ohio, 1990.
Rumelhart De. and Hinton Wiliam, « Learning Internal Representations by Error Propagation », Explorations in the microstructure of cognition, Vol 1, pp. 318-362, Cambridge MIT Press, 1986.
Shephard GM, Synaptic organisation of the brain network, Oxford University Press, 1990.