après antidote sommaire

examen_partiel.md

@@ -19,7 +19,7 @@ fontsize: 12pt
 
 ## Types de recherches
 
-- Litéral
+- Littéral
 - Classe de caractères
   - Alphanumériques: `/\w/`
   - Numériques: `/\d/`
@@ -38,7 +38,7 @@ fontsize: 12pt
   - Zéro ou plusieurs espaces (en début de ligne): `/^\s*/`
   - Un ou plusieurs caractères (un mot): `/\w+/`
 - Groupes de capture
-  - Multiple, optionnel ou non-quantifié: `/(groupe 1)+(groupe 2)?(groupe 3)*/`
+  - Multiple, optionnel ou non quantifié: `/(groupe 1)+(groupe 2)?(groupe 3)*/`
 - Conditions
   - `/(?(?=si_expression)alors|sinon)/`
  
@@ -60,7 +60,7 @@ Module **re**
 |compile|générer une version compilée de l'expression régulière|
 |match|rechercher depuis le début d'une chaîne de caractères|
 |search|rechercher dans une chaîne de caractères|
-|sub|remplacer la première occurence d'un patron|
+|sub|remplacer la première occurrence d'un patron|
  
 ## Automates à états finis
 
@@ -100,7 +100,7 @@ Processus qui:
 - Démarre dans l'état initial
 - Examine le symbole en entrée
 - Consulte la table
-- Sélectionne le nouvel état et met à jour le ruban
+- Sélectionne le nouvel état et mets à jour le ruban
 - Continue jusqu'à ce qu'on atteigne le bout du ruban
 
 Algorithme déterministe: D-Recognise
@@ -114,31 +114,31 @@ Vérification d'expressions régulières:
 - Traduire l'expression en table de transition
 - Passer la table et la chaîne à un interpréteur
 
-### Reconnaissance non-déterministe
+### Reconnaissance non déterministe
 
 Deux approches de base:
 
-- Convertir un automate non-déterministe en automate déterministe. 
+- Convertir un automate non déterministe en automate déterministe. 
   - Transition $\epsilon$ qui n'avance pas le ruban.
 - Gérer les différentes options comme une exploration dans un espace d'états
   - Il existe au moins un chemin complet pour une chaîne définie par le langage de l'automate.
   - Les chemins ne mènent pas tous à un état final.
   - Aucun chemin ne mène à un état final si la chaîne ne fait pas partie du langage
 - Les états de l'espace sont des paires (position du ruban, état de l'automate)
-- On garde une trace des états non-explorés. Exploration en profondeur.
+- On garde une trace des états non explorés. Exploration en profondeur.
 - Pour éviter le catastrophic backtracking, il fait éviter d'avoir deux match possibles pour le même caractère dans un groupe.
 
 ## Conclusion
 
-Toute expression régulière peut être compilée automatiquement en un automate non-déterministe, que l'on peut convertir en automate déterministe.
+Toute expression régulière peut être compilée automatiquement en un automate non déterministe, que l'on peut convertir en automate déterministe.
 
 # Prétraitement des textes
 
 ## Définitions
 
-- **Jetons**: Nombre d'occurences de mots ($N$)
+- **Jetons**: Nombre d'occurrences de mots ($N$)
 - **Types**: Nombre de mots distincts dans le vocabulaire ($|V|$)
-- **Mot**: Plus petit élément pouvant être prononcé ou écrit en isolation avec un contenu sémantique. On peut accepter les signes de ponctuation dans certaines tâches
+- **Mot**: Plus petit élément pouvant être prononcé ou écrit en isolation avec un contenu sémantique. On peut accepter les signes de ponctuation dans certaines tâches.
 
 Loi de Heaps: $|V| = kN^{\beta}, 0.67 < \beta < 0.75$
 
@@ -194,8 +194,8 @@ Techniques, en ordre décroissant de complexité:
 
 - Étude de la composition des mots en morphèmes
 - **Morphèmes** : Plus petite unité lexicale ayant un sens spécifique
-  - **Racines** : Morphèmes lexicaux, (*stems*)
-	- Central; Donne le sens au mot
+  - **Racines** : Morphèmes lexicaux (*stems*)
+	- Central; donne le sens au mot.
 	- Radical ou lexème
   - **Affixes** : Morphèmes grammaticaux
 	- Préfixe (**pré**historique), suffixes (préhistor**ique**) et infixe (t**a**ke, t**oo**k)
@@ -222,7 +222,7 @@ Approches
 Consiste à trouver la racine du mot par troncature et des règles de réécriture.
 
 - Aucun lexique
-- Dépend de la langue
+- Dépends de la langue
   - Anglais: Lovins, Porter, Snowball
   - Français: Snowball
 - Peut faire des erreurs
@@ -236,7 +236,7 @@ Découpage d'un texte en phrases
 |Signe|Précision|Exemple|
 |---|---|---|
 |! et ?|Assez fiable, sauf dans les dialogues|"Pourquoi aussi êtes-vous si insatiable?" répondit le renard.|
-|.|Quelques ambiguités, abbrébiations et nombres|Monsieur Brossard, ing., Ph.D., est arrivé.|
+|.|Quelques ambigüités, abréviations et nombres|Monsieur Brossard, ing., Ph.D., est arrivé.|
 |...|Interruption ou hésitation|Mais... c'est mon ami !|
 
 - Approximation à l'aide de règles
@@ -246,7 +246,7 @@ Découpage d'un texte en phrases
   - Précédé et suivi de caractères sans espaces
   - Suivi de plusieurs espaces
   - Précédé ou suivi de signes de ponctuation
-  - Suivi de guillements
+  - Suivi de guillemets
   - ...
 - Une décision pour chaque signe de ponctuation selon le contexte
 - Meilleure performance: Apprentissage automatique, classification binaire
@@ -316,7 +316,7 @@ La prédiction du mot suivant est utilisée dans plusieurs domaines
 - Correction d'orthographe
 - Traduction automatique
 
-Classification de textes, désambiguation
+Classification de textes, désambiguïsation
 
 ## Modèles
 
@@ -327,7 +327,7 @@ Approches:
 
 Décompte des mots:
 
-- On utilise seulement les formes de mots (les mots tel quels)
+- On utilise seulement les formes de mots (les mots tels quels)
 
 Calcul:
 
@@ -495,7 +495,7 @@ $$
 - Enjeux
   - Approche trop drastique
 	- On peut utiliser une valeur $\delta \in [0,1]$, mais ce choix est difficile
-  - Pas utilisé en pratique pour les N-grammes, il y a de meilleures méthodes.
+  - pas utilisé en pratique pour les N-grammes, il y a de meilleures méthodes.
   - Utilisé pour lisser d'autres types de modèles probabilistes.
 	- Classification de textes
 	- Études pilotes
@@ -540,7 +540,7 @@ $$
 
 Pourquoi classifier des textes:
 
-- Filtrage du spam
+- Filtrage du pourriel
 - Services d'information
 - Déterminer le genre de l'auteur
 - Analyse de sentiments
@@ -560,7 +560,7 @@ Pourquoi classifier des textes:
 
 - Règles construites à la main
   - Combinaison de mots
-  - Performances potentiellement élevées, mais difficile à construire et à maintenir
+  - Performances potentiellement élevées, mais difficiles à construire et à maintenir
 - Apprentissage supervisé
   - Construire automatiquement un classificateur à partir de données d'entraînement.
   - $f: \text{doc} \rightarrow c$
@@ -660,8 +660,8 @@ Enjeux:
 
 ### Analyse de sentiments
 
-- On remplace les fréquences des mots par document par leur occurence 
-  - **Occurence**: Nombre de documents contenant le mot au moins une fois
+- On remplace les fréquences des mots par document par leur occurrence 
+  - **Occurrence**: Nombre de documents contenant le mot au moins une fois
 - Négation: inversion de la polarité des mots
   - Astuce: convertir en une représentation distincte (NOT_x)
   - Il y a d'autres approches plus précises avec une analyse syntaxique
@@ -712,7 +712,7 @@ Meilleure estimation de la qualité du classificateur.
 - Prendre aléatoirement $k-1$ sous-ensembles pour l'entraînement et celui qui reste pour le test de performance.
 - Répéter $k$ fois et faire la moyenne des différentes métriques
 
-Évaluation multi-classes:
+Évaluation multiclasses:
 
 - Tables de contingence 2x2
 - Micro-averaging
@@ -724,7 +724,7 @@ Meilleure estimation de la qualité du classificateur.
 
 - Les collections de documents ont un grand nombre d'attributs. Les approches ne peuvent pas toutes les traiter. 
 - Réduire le temps d'entraînement et rendre les classificateurs petits et efficaces. 
-- Généraliser les données. Éliminer le bruit, la redondance
+- Généraliser les données. Éliminer le bruit, la redondance.
 - Éviter le surentraînement
 
 Approche:
@@ -895,7 +895,7 @@ Usages:
 
 ## POS Tags
 
-- Plusieurs ensemble d'étiquettes disponibles
+- Plusieurs ensembles d'étiquettes disponibles
   - Haut niveau (N, V, ADJ, ADV, DET, PRE, PRO)
   - Plus détaillé (Penn Treebank: 45 étiquettes)
   
@@ -950,7 +950,7 @@ Problème: Les mots ont souvent plus d'une étiquette, il faut alors déterminer
 **HMM**: Hidden Markov Models
 
 - Approche probabiliste
-- Cas spécial d'intérence bayésienne
+- Cas spécial d'inférence bayésienne
 - Modèle génératif:
   - On détermine la structure de la phrase
   - On choisit le mot associé à chaque étiquette
@@ -1032,7 +1032,7 @@ Tableau:
 - Lignes: État possible
 - Colonnes: Mots
 - Treillis reliant les états possibles
-- On multiplie les probabilité sur chacun des chemins et on conserve celui avec la probabilité la plus élevée aux noeuds qui recoupent deux chemins.
+- On multiplie les probabilités sur chacun des chemins et on conserve celui avec la probabilité la plus élevée aux noeuds qui recoupent deux chemins.
 - $v_t(j)=\max_{i=1}^N v_{t-1}(i)a_{ij}b_j(o_t)$
 
 ### Extension
@@ -1089,7 +1089,7 @@ $$
 
 - La résolution peut être bidirectionnelle.
 - La performance se mesure par l'exactitude. 
-  - Les meilleurs algorithme obtiennent 97% en anglais.
+  - Les meilleurs algorithmes obtiennent 97% en anglais.
 
 # Analyse syntaxique
 
@@ -1126,19 +1126,19 @@ Ils ont une structure interne souvent similaire
 
 Comportement externe:
 
-- Par rapport aus autres unités
+- Par rapport aux autres unités
 - On peut changer leur position dans la phrase
 - Il est difficile de déplacer les mots individuellement
 
 ## Grammaire
 
-Formalisation: grammaire hors-contexte
+Formalisation: grammaire hors contexte
 
 - Règles
-  - Un non-terminal à gauche et un certain nombre de terminaux et non-terminaux à droite
+  - Un non terminal à gauche et un certain nombre de terminaux et non-terminaux à droite
 - Symboles terminaux
   - Mots des phrases
-- Symboles non-terminaux
+- Symboles non terminaux
   - Groupes de mots
   
 Types de phrases
@@ -1158,7 +1158,7 @@ Types de phrases
 L'analyseur:
 
 - Accepte ou rejette une phrase selon le respect de la grammaire d'une langue.
-- Assigne une structure appropriés à une phrase (parsing):
+- Assigne une structure appropriée à une phrase (parsing):
   - Arbre
   - Représentation compacte
 - Il peut produire plus d'un arbre
@@ -1167,38 +1167,38 @@ L'analyseur:
 **Treebanks**: corpus de phrases associées à un arbre syntaxique. 
 
 - Analyseur automatique et correction par l'humain. 
-- Sert à définir une grammaire à partir des dérivations.
+- Sers à définir une grammaire à partir des dérivations.
 - Grammaire partielle, bonne couverture avec un large corpus
 
 Approches:
 
 - Descendant
   - Explore les arbres qui peuvent être des solutions
-  - Suggère des arbres non-consistants par rapport aux mots
+  - Suggère des arbres non consistants par rapport aux mots
 - Ascendant
   - Suggère seulement des arbres compatibles
   - Les arbres peuvent ne faire aucun sens globalement
   
 Enjeux du backtracking:
 
-- Ambiguité (problème de rattachement, groupes de mots qui ne font pas de sens au niveau sémantique)
+- Ambiguïté (problème de rattachement, groupes de mots qui ne font pas de sens au niveau sémantique)
 - Répétition de sous-arbres à différents endroits
 
 Solution: dynamic programming
 
 - Éviter de refaire du travail inutilement
 - Résoudre des problèmes exponentiels en temps polynomial
-- Emmaganiser les sous-structures ambigues avec leurs sous-parties communes
+- Emmaganiser les sous-structures ambiguës avec leurs sous-parties communes
 - CKY, Earley, Chart Parser
 
 ## CKY
 
 - La grammaire doit être composée de règles binaires
 - Si A, alors B et C existe et il y a un endroit pour les séparer
-- Réécrire les règles non-binaires sous la forme normale de Chomsky:
-  - Deux symboles non-terminaux ou un symbole terminal
-  - Remplacer les symboles non-terminaux uniques par toutes les formes qu'il peut prendre
-  - Remplacer les symboles non-terminaux au nombre de 3 ou plus par de nouvelles règles et de nouveaux symboles pour faire le découpage:
+- Réécrire les règles non binaires sous la forme normale de Chomsky:
+  - Deux symboles non terminaux ou un symbole terminal
+  - Remplacer les symboles non terminaux uniques par toutes les formes qu'il peut prendre
+  - Remplacer les symboles non terminaux au nombre de 3 ou plus par de nouvelles règles et de nouveaux symboles pour faire le découpage:
 	- S -> A B C
 	- S -> X C; X -> A B
 
@@ -1206,7 +1206,7 @@ Solution: dynamic programming
 
 1. Construire le tableau. Les mots forment les colonnes.
 2. Identifier les POS sur la diagonale selon le lexique
-3. Traverser le tableau et identifier les groupes applicables à partir des règles de la grammaire sans contexte. Il peut y avoir plusieurs combinaison à regarder pour chaque case.
+3. Traverser le tableau et identifier les groupes applicables à partir des règles de la grammaire sans contexte. Il peut y avoir plusieurs combinaisons à regarder pour chaque case.
 
 Les boucles sont imbriquées pour remplir le tableau:
 
@@ -1223,7 +1223,7 @@ Les boucles sont imbriquées pour remplir le tableau:
   - Pas d'analyse morphologique
 - En pratique, on devrait considérer ces éléments
 
-### Approche Probabiliste
+### Approche probabiliste
 
 - On ajoute des probabilités à toutes les règles de la grammaire.
 - On reprend l'algorithme CKY, mais en multipliant les probabilités des règles précédentes et de la règle courante. 
@@ -1299,7 +1299,7 @@ C'est un problème d'étiquetage
 **Recherche d'information**:
 
 - Matériel (documents)
-- Non-structuré
+- Non structuré
 - Besoin d'information
 - Grandes collections
 
@@ -1307,7 +1307,7 @@ C'est un problème d'étiquetage
 
 - Plusieurs modèles:
   - Booléen
-  - Vectorial
+  - Vectoriel
   - Probabiliste
   - Latent semantic indexing
   
@@ -1438,7 +1438,7 @@ $$
 # Sémantique lexicale
 
 - Raisonnement: idées similaires avec des mots différents (thesaurus)
-- Utilisation: détection de plagiat, système question-réponses, résumé de textes
+- Utilisation: détection de plagiat, système question-réponse, résumé de textes
 - Approches possibles:
   - Taxonomie et thesaurus
   - Approche distributionnelle
@@ -1455,7 +1455,7 @@ Les mots et leurs sens peuvent être reliés par différentes relations:
   - Homographes
   - Les deux
   - Problèmes en NLP:
-    - Synthèse vocale (même orthographe mais phonologie différente)
+    - Synthèse vocale (même orthographe, mais phonologie différente)
     - Recherche d'information (même mot, sens différents)
     - Traduction automatique
     - Reconnaissance vocale (même phonologie, orthographe différente)
@@ -1481,7 +1481,7 @@ Il y a 4 types de synsets:
 - Adjectif
 - Adverbe
 
-Ils forment un graphe sémantique. Ils forment aussi une hiérarchie de concepts
+Ils forment un graphe sémantique. Ils forment aussi une hiérarchie de concepts.
 
 ### SentiWordNet
 
@@ -1490,7 +1490,7 @@ Ils forment un graphe sémantique. Ils forment aussi une hiérarchie de concepts
 ## Mesure de la similarité
 
 - Synonymie (simple)
-- En pratique, on utilise la hierarchie de concepts (noms et verbes). 
+- En pratique, on utilise la hiérarchie de concepts (noms et verbes). 
 - On calcule la proximité par les chemins
   - $pathlen(c_1,c_2)$: 1+ nombre de liens
   - $sim_path(c_1,c_2) = \frac{1}{pathlen(c_1,c_2)}$