Rencontres Algolittéraires: Difference between revisions
From Algolit
| (5 intermediate revisions by the same user not shown) | |||
| Line 6: | Line 6: | ||
==Oeuvres Algolittéraires== | ==Oeuvres Algolittéraires== | ||
Une sélection d'oeuvres de membres d'Algolit présentées précédemment dans d'autres contextes. | Une sélection d'oeuvres de membres d'Algolit présentées précédemment dans d'autres contextes. | ||
| − | |||
* [[i-could-have-written-that FR]] | * [[i-could-have-written-that FR]] | ||
* [[The Weekly Address, Un modèle pour un politicien]] | * [[The Weekly Address, Un modèle pour un politicien]] | ||
* [[En compagnie de CluebotNG]] | * [[En compagnie de CluebotNG]] | ||
| + | * [[Recettes Oulipo]] | ||
==Explorations Algolittéraires== | ==Explorations Algolittéraires== | ||
| − | Ce chapitre | + | Ce chapitre présente une partie de la recherche d'Algolit en 2016-2017. |
=== Ce que la machine écrit: mise au point sur la sortie=== | === Ce que la machine écrit: mise au point sur la sortie=== | ||
Deux réseaux neuronaux sont présentés, quels contenus produisent-ils? | Deux réseaux neuronaux sont présentés, quels contenus produisent-ils? | ||
| Line 31: | Line 31: | ||
=====Ensembles de données Algolittéraires ===== | =====Ensembles de données Algolittéraires ===== | ||
| − | Travailler avec des textes littéraires comme entrées génère une certaine beauté poétique dans la lecture/l'écriture des algorithmes. Voici une petite collection | + | Travailler avec des textes littéraires comme entrées génère une certaine beauté poétique dans la lecture/l'écriture des algorithmes. Voici une petite collection utilisée pour les expérimentations. |
* [[La donnée (e)parle]] | * [[La donnée (e)parle]] | ||
* [[Frankenstein FR]] | * [[Frankenstein FR]] | ||
* [[Apprendre de l'apprentissage profond]] | * [[Apprendre de l'apprentissage profond]] | ||
| − | * [[ | + | * [[PrèsdeSaussure]] |
| − | * [[ | + | * [[AstroBlackness FR]] |
====Des mots aux nombres ==== | ====Des mots aux nombres ==== | ||
| − | Comme l'apprentissage automatique est basé sur la | + | Comme l'apprentissage automatique est basé sur la statistique et les maths, le texte doit être transformé en nombres afin de pouvoir le travailler. Dans cette section, nous présentons trois techniques de transformation. |
* [[Un sac de mots]] | * [[Un sac de mots]] | ||
* [[Un vecteur one-hot]] | * [[Un vecteur one-hot]] | ||
| Line 51: | Line 51: | ||
=====Inspection de la technique ===== | =====Inspection de la technique ===== | ||
* [[word2vec_basic.py FR]] | * [[word2vec_basic.py FR]] | ||
| − | * [[Algèbre Inversée]] | + | * [[Algèbre Inversée]] |
===Comment une machine pourrait parler === | ===Comment une machine pourrait parler === | ||
Latest revision as of 15:23, 2 November 2017
Á Propos
Oeuvres Algolittéraires
Une sélection d'oeuvres de membres d'Algolit présentées précédemment dans d'autres contextes.
- i-could-have-written-that FR
- The Weekly Address, Un modèle pour un politicien
- En compagnie de CluebotNG
- Recettes Oulipo
Explorations Algolittéraires
Ce chapitre présente une partie de la recherche d'Algolit en 2016-2017.
Ce que la machine écrit: mise au point sur la sortie
Deux réseaux neuronaux sont présentés, quels contenus produisent-ils?
Comment la machine lit: dissection des réseaux neuronaux
Ensemble de données
Travailler avec des réseaux neuronaux inclut la collection de grandes quantités de données pour l'entraînement. Voici une comparaison avec la collection des mots de la Bibliothèque de St-Gilles.
Ensembles de données publics
Les ensembles de données publics les plus utilisées sont rassemblés sur Amazon. Nous avons regardé de près les deux jeux suivants:
Ensembles de données Algolittéraires
Travailler avec des textes littéraires comme entrées génère une certaine beauté poétique dans la lecture/l'écriture des algorithmes. Voici une petite collection utilisée pour les expérimentations.
- La donnée (e)parle
- Frankenstein FR
- Apprendre de l'apprentissage profond
- PrèsdeSaussure
- AstroBlackness FR
Des mots aux nombres
Comme l'apprentissage automatique est basé sur la statistique et les maths, le texte doit être transformé en nombres afin de pouvoir le travailler. Dans cette section, nous présentons trois techniques de transformation.
- Un sac de mots
- Un vecteur one-hot
- Exploration de Paysages Multidimensionels: Sur le plongement lexical
- Plongement lexical: un cas d'étude
Différents portraits du plongement lexical
Inspection de la technique
Comment une machine pourrait parler
Si un modèle d'apprentissage automatique pouvait parler, que dirait-il?
Sources
Les scripts que nous avons utilisés et une sélection de textes qui nous ont accompagnés.