Données massives et modélisation des phénomènes linguistiques en contexte

L’objectif de cette action est d’exploiter des bases de données à la fois larges (de nombreuses unités) et profondes (informations variées sur chaque unité) pour comprendre les phénomènes linguistiques et leur lien avec le contexte social. Pour généraliser les caractéristiques connues dans un sous-ensemble de la base ou pour simuler certains processus dynamique (acquisition du langage), nous avons recours aux méthodes de l’apprentissage-machine. Ces objectifs empiriques s’accompagnent d’une réflexion théorique sur les oppositions collectif/individuel et cognitif/social à la lumière des nouvelles alliances interdisciplinaires impliquées dans le traitement des données sociales massives.

Partenaires :

Membres

Responsable : Jean-Pierre Chevrot (PR)

Membres : Aurélie Nardy (MC), William Havard (doctorant)

Membres extérieurs : Laurent Besacier (PR, LIG), Eric Fleury (PR, DANTE, INRIA, ENS Lyon), Marton Karsai (Université d'Europe centrale, Hongrie), Jean-Philippe Magué (ICAR, ENS Lyon), Sicheng Dai (Laboratoire de l'Informatique du parallélisme, ENS Lyon), Louise Tarrade (doctorante ICAR- Lidilem).

Projets associés

Sosweet
CO3i
Modélisation IA de l'apprentissage d'un lexique à partir de données linguistiques et visuelles (thèse de William Havard)