, Dialogisme, polyphonie : approches linguistiques, 2005.
URL : https://hal.archives-ouvertes.fr/hal-00445259
Deep learning et authentification des textes, Texto!, 2019. ,
URL : https://hal.archives-ouvertes.fr/hal-02561039
(sous la dir.), L'intelligence artificielle des textes. Points de vue critique, 2020. ,
Sémantique de l'intertexte, p.33, 1999. ,
Machine Learning under the light of Phraseology expertise: use case of presidential speeches, De Gaulle -Hollande (1958-2016), JADT 2016 -Statistical Analysis of Textual Data, pp.157-168, 2016. ,
URL : https://hal.archives-ouvertes.fr/hal-01343209
Convolutional neural networks for sentence classification, Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), 2014. ,
Sur la variabilité de la fréquence des formes dans un corpus, p.1, 1980. ,
, Analyse des données textuelles. P.U n°Québec, 2019.
, , 1994.
Le motif : une unité phraséologique englobante ? Étendre le champ de la phraséologie de la langue au discours, Langages, vol.189, pp.65-79, 2013. ,
Les corpus réflexifs : entre architextualité et hypertextualité. Corpus, 1, 2002. ,
Le discours présidentiel sous la Vème République ,
2012-b), Mesure et démesure du discours. Nicolas Sarkozy, 2007. ,
Plaidoyer en faveur de l'Analyse de Données co(n)Textuelles Parcours cooccurrentiels dans le discours présidentiel français (1958-2014), JADT 2014, Proceedings of the 12th International Conference on Textual Data Statistical Analysis, Inalco-Sorbonne nouvelle, pp.15-32, 2014. ,
Macron par l'intelligence artificielle. Ses discours décryptés par la machine ,
Du texte à l'intertexte. Le palimpseste Macron au révélateur de l'intelligence artificielle, 7 ème Congrès Mondial de Linguistique Française, 2020. ,
URL : https://hal.archives-ouvertes.fr/hal-02520224
, Mayaffre D (sous la dir.) (2020-sous presse). L'intelligence artificielle des textes
Methods for interpreting and understanding deep neural networks, Digital Signal Processing, vol.73, 2018. ,
Enjeux épistémologiques de la linguistique de corpus. Texto !, JADT 2020 : 15 es Journées internationales d'Analyse statistique des Données Textuelles, 2004. ,
Approches du temps lexical. Statistique textuelle et séries chronologiques, Mots, vol.17, pp.105-143, 1988. ,
Text Deconvolution Saliency (TDS) : a deep tool box for linguistic analysis, 56th Annual Meeting of the Association for Computational Linguistics, 2018. ,
URL : https://hal.archives-ouvertes.fr/hal-01804310
ADT et deep learning, regards croisés. Phrases-clefs, motifs et nouveaux observables, dir.) JADT, pp.459-466, 2018. ,
From text saliency to linguistic objects:learning linguistic interpretable markers with a multi-channels convolutional architecture, 57th Annual Meeting of the Association for Computational Linguistics ,