Alambic : un environnement basé sur l'IA pour l'exploration de textes littéraires en arabe moderne

Alambic: an AI-based Environment for Exploring Literary Texts in Modern Arabic

• Auteur / Autrice : Aya Mourad
• Direction : Hadid Abdenour
• Type : Projet de thèse
• Discipline(s) : Sciences de l'ingénieur
• Date : Inscription en doctorat le 01/11/2024
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris
• Partenaire(s) de recherche : Laboratoire : Institut des Systèmes Intelligents et de Robotique

Mots clés

Mots clés libres

Nlp

Ner

Analyse des sentiments

Nlp

Ner

Sentiment Analysis

Résumé

Le nombre de documents patrimoniaux numérisés et nativement numériques en arabe, situés dans les bibliothèques nationales, les archives et les collections spécialisées du monde entier, croît de façon exponentielle. Cependant, malgré les récentes initiatives de numérisation, cet important patrimoine culturel reste difficile à exploiter à grande échelle sans l'utilisation d'outils intelligents permettant une analyse approfondie de ces collections. Face à ces défis, l'objectif de ce projet de doctorat est de créer un pipeline d'analyse de texte basé sur l'IA et le traitement du langage naturel, applicable aux textes littéraires en arabe (livres et autres documents de longueur substantielle). Dans un premier temps, le pipeline inclura la reconnaissance d'entités nommées, l'identification de la structure dialogique et l'analyse émotionnelle, utilisées pour visualiser et explorer la structure narrative fictionnelle, les réseaux de personnages et les cartographies littéraires. Ce projet ouvrira ainsi une approche avancée basée sur l'IA pour l'étude des textes littéraires afin de tester des hypothèses et de développer de nouvelles connaissances. Le pipeline proposé simplifiera le processus de lecture numérique et de recherche pour les étudiants et les chercheurs, et permettra de réaliser des analyses à la fois qualitatives et quantitatives, proposant de nouvelles façons de comprendre les œuvres ou les auteurs à travers les émotions associées aux lieux et aux personnages. Plus largement, les représentations produites permettront de créer des scénarios de navigation virtuelle autour d'un personnage ou d'un lieu donné, de relier les éléments identifiés à d'autres textes ou ressources en ligne (GeoNames, Wikidata, etc.). En outre, ce projet fournira à la communauté scientifique un modèle pour la reconnaissance d'entités nommées et l'analyse émotionnelle dans les textes littéraires arabes, ainsi qu'un jeu de données largement disponible de sources fictionnelles analysées en arabe avec ses directives d'annotation.

The number of digitized and born-digital patrimonial documents in Arabic, located in national libraries, archives, and specialized collections around the world, is growing exponentially. However, despite recent digitization initiatives, this important cultural heritage remains difficult to exploit at scale without the use of intelligent tools allowing for the deep analysis of these collections. Given these challenges, the aim of this PhD project is to create an AI and Natural Language Processing text-analysis pipeline that can be applied to literary texts in Arabic (books and other documents of substantial length). In a first instance, the pipeline will include named entity recognition, dialogical structure identification and emotional analysis, used to visualize and explore fictional narrative structure, character networks and literary cartographies. This project will thus open up an advanced AI-powered approach for the study of literary texts in order to test hypotheses and to develop new knowledge. The proposed pipeline will simplify the process of digital reading and research for students and scholars, and will make it possible to carry out both qualitative and quantitative analyses, proposing new ways of understanding works or authors through the emotions associated with places and characters. More broadly, the produced representations will make it possible to create virtual navigation scenarios around a given character or place, to link the identified elements to other texts or online resources (GeoNames, Wikidata, etc.). Furthermore, this project will provide the scientific community with a model for the named entity recognition and emotional analysis in Arabic literary texts, and a widely available dataset of analysed fictional sources in Arabic with its annotation guidelines.