CLLE parmi les 80 lauréats de l'appel à projet 80|PRIME

 

Les modèles sémantiques construits par apprentissage automatique connaissent un succès important tant en IA qu’en traitement automatique des langues (TAL) où les embeddings permettent d’estimer la similarité sémantique entre mots, entre phrases ou entre documents, et de condenser l’information textuelle en une représentation manipulable. Ces modèles souffrent néanmoins de limites importantes : leur construction est opaque ; les modèles vectoriels produits sont des boîtes noires qui mélangent des informations de natures variées et dont les dimensions ne sont pas interprétables.

Le projet vise à construire des modèles sémantiques adaptés au raisonnement et à l’inférence et dont les représentations sont interprétables et décomposables en propriétés sémantiques naturelles.