Etude de la perception d'une ville : Repérage automatique, analyse et visualisation

Study of the perception of a city : Automatic detection, analysis and visualization

• Auteur / Autrice : Hélène Flamein
• Direction : Gabriel Bergounioux, Iris Eshkol
• Type : Thèse de doctorat
• Discipline(s) : Sciences du Langage
• Date : Soutenance le 10/12/2019
• Etablissement(s) : Orléans
• Ecole(s) doctorale(s) : École doctorale Humanités et Langues (Centre-Val de Loire ; 2018-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire ligérien de linguistique (Orléans ; Tours ; 2012-....)
• Jury : Président / Présidente : Olivier Baude
• Jury : Examinateurs / Examinatrices : Olivier Baude, Thierry Poibeau, Mathieu Roche
• Jury : Rapporteurs / Rapporteuses : Thierry Poibeau, Mathieu Roche

Mots clés

Mots clés contrôlés

Analyse automatique (linguistique)

Corpus linguistique

Data visualisation

Orléans (Loiret)

Noms géographiques

Sociolinguistique

Traitement automatique du langage naturel

Linguistique

Mots clés libres

Lieu

Perception

ESLO

Traitement Automatique des Langues

Visualisation de l'information

Location

Perception

ESLO

Natural Language Processing

Information visualization

Résumé

A l’heure où de plus en plus de corpus et de données sont accessibles, le travail initié s’interroge sur l’exploitation de données linguistiques dans un corpus d’oral à dimension sociolinguistique avec l’objectif d’en extraire automatiquement du contenu subjectif. A partir de l’exploitation du corpus ESLO (Enquête Sociolinguistique à Orléans), l’objectif est de modéliser, détecter et visualiser la perception qu’ont les locuteurs de la ville d’Orléans. Pour cela, une approche pluridisciplinaire associant la linguistique, le Traitement Automatique des Langues (TAL) et la géographie a été suivie. Une première étape de traitement automatique est la reconnaissance des mentions de lieux en français parlé. Celle-ci s'appuie sur une analyse linguistique de la variation des noms de lieux et prépare l'étude de la perception qui leur est associée. Les techniques de l'apprentissage supervisé ont permis la détection de la subjectivité et de la polarité. Cette détection oriente l’analyse de la perception mais ne suffit pas à en rendre compte. Pour aller plus loin dans la réflexion, la typologie de la perception est approfondie. Afin de confronter les indices subjectifs extraits des transcriptions, des techniques de visualisation de l’information sont employées. Les opérations réalisées aboutissent à une représentation graphique des lieux identifiés associée aux déclarations subjectives des locuteurs, matérialisant la perception de la ville d’Orléans par ses habitants.

At a time when more and more corpora and data are accessible, the work initiated in this thesis questions the exploitation of linguistic data in an oral corpus with a sociolinguistic dimension in order to automatically extract subjective content. From the exploitation of the ELSO corpus (Sociolinguistic Survey in Orléans), the objective is to model, detect and visualize the perception the speakers have of the city of Orléans. To this end, a multidisciplinary approach bringing linguistic, Natural Language Processing (NLP) and geography together was followed. A first necessary step of automatic processing is the automatic recognition of place references in spoken French. It is based on a linguistic analysis of the variation of the place names and prepares the study of the perception associated with them. Supervised machine learning technics have allowed the detection of subjectivity and polarity. This detection guides the analysis of perception but it is not sufficient to report it. To go further, the typology of perception is deepened. In order to compare the subjective clues extracted from the transcripts, techniques of information visualization are used. The operations carried out result in a graphic representation of the identified places associated with the subjective statements of the speakers, giving a tangible view of the perception of the city of Orléans by its inhabitants.