Appel: Revue TAL, Apprentissage automatique pour le TAL

[Thierry Hamon]

Date: Tue, 02 Jun 2009 13:41:20 +0200
From: Isabelle Tellier <isabelle.tellier at univ-orleans.fr>
Message-ID: <4A250FE0.2000508 at univ-orleans.fr>
X-url: http://www.atala.org/Apprentissage-automatique-pour-le
X-url: http://www.atala.org/Machine-Learning-for-NLP
X-url: http://www.atala.org/-Revue-TAL
X-url: http://atala.org/Instructions-aux-auteurs-feuilles
X-url: http://www.atala.org/English-style-files


Pour répondre aux demandes, l'appel à communication pour le numéro de
la revue TAL consacré à "l'apprentissage automatique pour le TAL" est
reconduit avec les nouvelles dates suivantes :
- 1er juillet : résumé détaillé (1p)
- ** 6 juillet ** : article complet

To satisfy some requests, the deadline for papers for the special
issue of the review TAL about "Machine Learning for NLP" is postponed:
- 1st july : detailed summary
- ** 6th july ** : paper

Mark Steedman, Isabelle Tellier,
rédacteurs en chef invités, Guest editors
http://www.atala.org/Apprentissage-automatique-pour-le
http://www.atala.org/Machine-Learning-for-NLP

======================================================================

Apprentissage automatique pour le TAL

La revue TAL (http://www.atala.org/-Revue-TAL) lance un appel à
contribution sur le sujet de l'apprentissage automatique pour le TAL.
L'apprentissage automatique (ou apprentissage artificiel) est l'étude
des algorithmes qui permettent aux programmes de s'améliorer
automatiquement par expérience (définition de Tom Mitchell dans son
livre "Machine Learning"). Le domaine a connu ces dernières années un
développement considérable, et ses interactions avec le TAL sont de
plus en plus étroites et fréquentes.

Du côté des linguistes, les intérêts de ce rapprochement sont
nombreux. En effet, la constitution manuelle de ressources est en
général longue et coûteuse, et doit être recommencée pour chaque
langue différente, et pour chaque sous-domaine spécifique d'une
langue. L'apprentissage automatique offre une alternative séduisante,
en permettant d'obtenir ou d'améliorer à moindre frais de telles
ressources, et de s'assurer qu'elles sont robustes et à large
couverture. La démarche inductive, employée depuis longtemps en
linguistique de corpus, peut ainsi être opérationnalisée à grande
échelle, et ses résultats testés de façon systématique. Quant aux
théories formelles de l'apprentissage, elles contribuent aussi à
alimenter le débat sur l'acquisition des langues naturelles, récurrent
depuis les années 50.

De leur côté, les spécialistes de l'apprentissage automatique voient
dans le TAL un domaine d'application privilégié, pourvoyeur de
problèmes nombreux et difficiles, et de données en grande
quantité. Mais la prudence est souvent de mise quant à
l'interprétabilité des résultats obtenus. Les méthodes employées sont
de plus en plus fondées sur des mathématiques raffinées, réservées aux
spécialistes : dans ce contexte, la linguistique a-t-elle encore son
mot à dire ? Quelle confiance un linguiste peut-il accorder au
résultat d'un programme d'apprentissage automatique ?

La revue TAL consacre un numéro aux relations entre apprentissage
automatique et traitement de la langue, particulièrement dans sa
dimension textuelle. Au delà de compte-rendus d'expériences visant à
appliquer telle méthode d'apprentissage automatique à tel domaine de
la linguistique, nous souhaitons encourager une réflexion plus large
sur les enjeux théoriques et méthodologiques de la démarche. Quelle
que soit l'approche décrite, un effort devra donc être fait pour
expliciter les hypothèses tant linguistiques qu'informatiques des
techniques mises en oeuvre.

Les approches de l'apprentissage automatique choisies peuvent être :

- théoriques, liées à l'apprenabilité/non apprenabilité suivant des
critères formels de classes d'objets

- empiriques, s'appuyant sur un protocole expérimental exploitant des
données annotées (apprentissage supervisé) ou non annotées
(apprentissage non supervisé)

Les méthodes d'apprentissage mises en oeuvre peuvent être :
- symbolique (inférence grammaticale, PLI...)
- à base de modèles probabilistes (génératifs ou discriminants)
- à base de similarités (voisinages, analogie, "memory-based
learning"...)

Les domaines d'applications peuvent être :

- l'acquisition ou l'amélioration de ressources linguistiques (y
compris : automates, grammaires, cadres de sous-catégorisations,
ontologies de concepts...)

- l'analyse de la parole

- l'annotation de corpus (étiquetage lexical, syntaxique, fonctionnel,
thématique, sémantique...)

- le clustering et la classification de textes (suivant différents
critères possibles : auteur, contenu, opinion...)

- la recherche d'information

- l'extraction d'information (y compris : extraction et typage des
entités nommées)

- les systèmes questions/réponses

- le résumé automatique

- la traduction automatique

RÉDACTEURS EN CHEF :

Isabelle Tellier, LIFO, Université d'Orléans
Mark Steedman, ICCS, Université d'Edimbourg, Ecosse

MODALITÉS PRATIQUES :

Les articles sont écrits en français ou en anglais. Les soumissions en
anglais ne sont acceptées que pour les auteurs non francophones. Les
articles (maximum 25 pages, format PDF) seront envoyés à l’adresse
suivante: (isabelle point tellier at univ tiret orleans point fr). Les
feuilles de style sont disponibles en ligne sur le site de la revue à
l’adresse suivante http://atala.org/Instructions-aux-auteurs-feuilles

CALENDRIER PRÉVISIONNEL :

- 01/07/2009 Résumé détaillé (1p)
- 06/07/2009 Date limite de soumission
- 04/09/2009 Première décisiion du comité de rédaction
- 02/10/2009 Version révisée
- 10/11/2009 Décision finale du comité de rédaction
- Février 2010 Publication

COMITÉ DE LECTURE SPÉCIFIQUE :

- Pieter Adriaans, HSC Lab, Université d'Amsterdam, Pays-Bas
- Massih Amini, LIP6, Paris et ITI-CNRC, Canada
- Walter Daelemans, CNTS, Université d'Anvers, Belgique
- Pierre Dupont, Université Catholique de Louvain, Belgique
- Alexander Clark, Royal Holloway, Université de Londres, Grande-Bretagne
- Hervé Dejean, Xerox Center, Grenoble
- George Foster, ITI-CNRC, Canada
- Colin de la Higuera, Laboratoire Hubert Curien, Université de St Etienne
- François Denis, LIF, Université de Marseille
- Patrick Gallinari, LIP6, Université de Paris 6
- Cyril Goutte, ITI-CNRC, Canada
- Laurent Miclet, Enssat, Lannion
- Richard Moot, CNRS, Bordeaux
- Emmanuel Morin, LINA, Université de Nantes
- Jose Oncina, PRAI Group, Université d’Alicante, Espagne
- Pascale Sébillot, IRISA, INSA Rennes
- Marc Tommasi, LIFL-Inria, Université de Lille
- Menno van Zaanen, ILK, University of Tilburg, Pays-Bas

*************************

Machine Learning for NLP

The revue TAL (http://www.atala.org/-Revue-TAL) proposes a call for
papers on the subject of "Machine Learning for NLP". Machine Learning
is the study of algorithms that allow computer programs to
automatically improve through experience (definition proposed by Tom
Mitchell in his "Machine Learning" book). This domain has drastically
increased in the last few years, and its interactions with NLP are
more and more tight and frequent.

 From a linguistic point of view, the interests for this evolution are
numerous. As a matter of fact, manually built resources are
time-consuming and expensive, and the process must be started again
for each distinct language and each distinct sub-domain of a language.
Machine Learning offers an attractive alternative, allowing to obtain
or improve at a lower cost such a resource, with better guaranties of
robustness and coverage. The inductive approach, used for a long time
in the "corpus linguistic" community, can now be operationalized at a
large scale, and its results be rigorously tested. And formal theories
of learning also contribute to the long-standing debate about natural
language acquisition.

 From a Machine Learning point of view, NLP is a rich application
domain where problems are numerous and difficult, and for which many
data are usually available. But the interpretability of the obtained
results is often problematic. More and more subtle specialist-reserved
mathematical device are used : in this context, is linguistics still
useful ? What confidence can a linguist have on the result of a
Machine Learning system ?

A number of the electronic review TAL will be dedicated to this theme.
Beyond reports about yet another experiment applying a special Machine
Learning method on a special linguistic task, more general theoretical
and methodological reflexions are encouraged. For each contribution
and each method used, a special effort should be made to clarify what
are the linguistic as well as computational underlying hypotheses.

The Machine Learning approach considered can be : - either
theoretical, concerning learnability/non learnability results for
classes of objects, with respect to formal criteria - either
empirical, based on an experimental protocol exploiting annotated (in
the case of supervised learning) or not annotated (in the case of non
supervised learning) data

The methods used can be :
- symbolic (grammatical inference, ILP...)
- based on probabilistic (either generative or discriminative) models
- based on similarities (neighboring, analogy, memory-based
learning...)

Application domains can be :

- acquisition or improving of resources (including automata, grammars,
sub-categorisation frames, concept-based ontologies...)

- speech analysis

- corpus labeling (either lexical, syntactic, functional, thematic,
semantic...)

- clustering and classification of texts (according to various
possible criteria : author, content, opinion...)

- information extraction (including : extraction and typing of named
entities)

- question/answering systems

- automatic summary

- automatic translation

editors in chief :

Isabelle Tellier, LIFO/University of Orléans
Mark Steedman, ICCS/University of Edinburgh, Scotland

Practical issues:

Contributions (25 pages maximum, PDF format) must be sent by e-mail to
the following address: (isabelle dot tellier at univ dash orleans dot
fr) Style sheets are available at the following address:
http://www.atala.org/English-style-files.
Language: manuscripts may be submitted in English or French.
French-speaking authors are requested to submit in French.

Important dates
- 01/07/2009 Detailed summary (1p)
- 06/07/2009 Deadline for submission.
- 04/09/2009 Notification to authors.
- 02/10/2009 Deadline for submission of a revised version.
- 10/11/2009 Final decision.
- February 2010 publication on line.

Scientific commitee :

- Pieter Adriaans, HSC Lab, Université d'Amsterdam, Pays-Bas
- Massih Amini, LIP6, Paris et ITI-CNRC, Canada
- Walter Daelemans, CNTS, Université d'Anvers, Belgique
- Pierre Dupont, Université Catholique de Louvain, Belgique
- Alexander Clark, Royal Holloway, Université de Londres, Grande-Bretagne
- Hervé Dejean, Xerox Center, Grenoble
- George Foster, ITI-CNRC, Canada
- Colin de la Higuera, Laboratoire Hubert Curien, Université de St Etienne
- François Denis, LIF, Université de Marseille
- Patrick Gallinari, LIP6, Université de Paris 6
- Cyril Goutte, ITI-CNRC, Canada
- Laurent Miclet, Enssat, Lannion
- Richard Moot, CNRS, Bordeaux
- Emmanuel Morin, LINA, Université de Nantes
- Jose Oncina, PRAI Group, Université d’Alicante, Espagne
- Pascale Sébillot, IRISA, INSA Rennes
- Marc Tommasi, LIFL-Inria, Université de Lille
- Menno van Zaanen, ILK, University of Tilburg, Pays-Bas

-------------------------------------------------------------------------
Message diffuse par la liste Langage Naturel <LN at cines.fr>
Informations, abonnement : http://www.atala.org/article.php3?id_article=48
English version       : 
Archives                 : http://listserv.linguistlist.org/archives/ln.html
                                http://liste.cines.fr/info/ln

La liste LN est parrainee par l'ATALA (Association pour le Traitement
Automatique des Langues)
Information et adhesion  : http://www.atala.org/
-------------------------------------------------------------------------