Explore l'inférence des connaissances pour les graphiques, en discutant de la propagation des étiquettes, des objectifs d'optimisation et du comportement probabiliste.
Explore l'extraction de connaissances à partir du texte, couvrant des concepts clés tels que l'extraction de phrases clés et la reconnaissance d'entités nommées.
Explore la sémantique lexicale, le sens des mots, les relations sémantiques et WordNet, en mettant en évidence les applications dans l'ingénierie du langage et la récupération d'informations.
Explore le modèle Vector Space, le sac de mots, tf-idf, cosine similarité, Okapi BM25, et la précision et le rappel dans la récupération d'information.
Explore les complexités de la numérisation des documents urbains historiques et souligne l'importance de relier l'information pour une analyse complète.
Explore les archives historiques des journaux grâce à la qualité de l'OCR, aux entités nommées, à la modélisation des sujets et à l'analyse de la réutilisation du texte.
Souligne l'importance des incompatibilités pour prévenir les conflits d'intérêts et maintenir la démocratie, en prônant une loi constitutionnelle en la matière.
Explore la désambiguïsation des entités, reliant les mentions de texte à une base de connaissances, la cohérence dans les graphes d'entités et le PageRank personnalisé.
Explore les techniques de désambigation des entités, y compris les modèles NER, Viterbi et GPT, en mettant l'accent sur la conception rapide et l'apprentissage en contexte.
Explore les méthodes d'extraction de l'information, y compris les approches traditionnelles et fondées sur l'intégration, l'apprentissage supervisé, la surveillance à distance et l'induction taxonomique.
Explore les algorithmes et les techniques d'extraction de l'information, y compris l'algorithme Viterbi, la reconnaissance des entités nommées, et la surveillance lointaine.
