Projet informatique de licence (LI015), 2004-2005

Responsable : Alexis Nasr prenom.nom@linguist.jussieu.fr


Sujets proposés

Le sujet peut être choisi parmi les sujets proposés suivants, ou il peut s'agir d'un sujet à l'initiative de l'étudiant, auquel cas il faut en fournir une description rédigée d'une à deux pages, et obtenir l'accord de l'enseignant.

Projet n° 1 : Correcteur orthographique (approche graphémique)

On se propose de réaliser un correcteur orthographique (lexical), qui, disposant d'un dictionnaire de formes fléchies, détecte les mots mal orthographiés, et propose si possible une correction.

Le programme prend un texte (ASCII brut) en entrée, et pour chaque forme non présente dans le dictionnaire, propose à l'utilisateur :

Les remplaçants proposés par le programme (premier cas plus haut) seront des mots figurant dans le dictionnaire, et ayant une certaine proximité avec le mot fautif.

Pour la recherche des mots proches, on appliquera diverses heuristiques, basées sur la forme du mot :

Ces heuristiques, qui peuvent être plus nombreuses, seront étudiées linguistiquement afin de déterminer précisément leurs conditions d'application.
Ressources

TOP


Projet n° 2 : Réaccentuation

Le programme est chargé de remettre les accents et autres signes diacritiques manquant dans un texte fourni en typographie dite pauvre.

On s'aidera d'un lexique de formes fléchies fourni. Bien sûr, certaines formes peuvent être réaccentuées directement, et d'autres sont ambigues. Une fois que l'algorithme principal sera établi, on envisagera des heuristiques pour lever les ambiguïtés. Exemple :

La ou le francais n'est pas accentue,
 il y a de la gene,
 mais quand le systeme m'accentue,
 je suis moins gene!
Ressources

TOP


Projet n° 3 : Extraction de sigles

L'objectif est d'être capable de construire, semi-automatiquement, la liste des sigles (acronymes) (par exemple EDF), et de leur forme développée (par exemple Electricité de France), utilisés dans un texte donné. Le programme aura deux fonctions :
  1. Création (extraction) de la liste (triée, normalisée) des sigles du texte donné. Attention aux formes diverses d'un même sigle (Inalf, I.N.A.L.F, INaLF).
  2. Proposition (interactive) de syntagmes candidats pour la forme développée, quand on en trouve dans le texte.
Le texte fourni est en ASCII brut.
Ressources

TOP


Projet n° 4 : Justification et césure

Il s'agit de réaliser un programme qui justifie (au sens des traitements de texte) un texte fourni en ASCII, sur un nombre de colonnes donné, en ajoutant des espaces entre les mots et/ou en découpant les mots selon les règles en usage pour le français.

On supposera que tous les caractères ont la même dimension (« fonte fixe »).

Pour le découpage (éventuel) des mots (césure), on prendra bien garde de distinguer les règles, qui seront stockées dans un fichier, du programme lui-même. On s'autorisera à utiliser un dictionnaire d'exceptions.

Ressources

TOP


Projet n° 5 : Marquage des syntagmes nominaux

Il s'agit, dans un texte étiqueté, de repérer le début et la fin des syntagmes nominaux (ou d'une bonne partie d'entre eux), de manière à produire en sortie un texte dans lequel ces débuts et fin de SN seront balisés (par exemple <sn>le chat de <sn>la voisine</sn></sn>).

Le programme permettra à la fois une utilisation "batch", qui créera directement le fichier résultat, et une utilisation interactive, qui pemettra à l'utilisateur de voir les résultats produits au fur et à mesure.

Une étude linguistique va permettre de déterminer les séquences de lemmes ou d'étiquettes qui vont correspondre à un début ou une fin de syntagme. On fera en sorte que ces "règles" soient placées dans un fichier à part, et non "codées en dur", pour permettre une mise au point plus facile et une meilleure qualité du programme.

Ressources

TOP

 

 

 

 

 

 

 

 


  Sun Dec 12 19:13:18 CET 2004 Ma maison-page