QCM : Introduction aux Techniques de Prétraitement NLP — 12 questions

Questions et réponses du QCM

1. Quel est l’objectif principal du prétraitement du texte avant l’apprentissage automatique ?

Traduire systématiquement tous les textes vers une langue commune
Augmenter automatiquement la taille du corpus sans le modifier
Rendre les données brutes exploitables par des algorithmes de TAL
Remplacer l’analyse linguistique par une simple liste de mots

Rendre les données brutes exploitables par des algorithmes de TAL

Explication

Le prétraitement vise à transformer des données brutes en texte exploitable par les algorithmes de TAL. Il cherche notamment à réduire le bruit et à rendre la structure plus cohérente.

2. Quelle situation illustre le mieux la variabilité linguistique ?

La présence de balises HTML inutiles dans un texte
L’utilisation d’un vocabulaire très fréquent dans un document
L’ordre des mots dans une phrase déjà segmentée
Des différences d’écriture entre deux formes proches d’un même terme

Des différences d’écriture entre deux formes proches d’un même terme

Explication

La variabilité linguistique correspond aux différences d’écriture entre formes proches d’un même terme, ce qui complique l’analyse automatique. Les balises HTML relèvent plutôt du bruit linguistique.

3. Quelle opération relève du nettoyage de données textuelles ?

Supprimer des balises HTML et des espaces inutiles
Attribuer une catégorie grammaticale à chaque mot
Uniformiser un texte en minuscules
Ramener un mot à son lemme dictionnairique

Supprimer des balises HTML et des espaces inutiles

Explication

Le nettoyage supprime les éléments indésirables comme les balises HTML, la ponctuation, les symboles ou les espaces superflus. Mettre en minuscules relève plutôt de la normalisation.

4. Quelle différence distingue le stemming de la lemmatisation ?

Le stemming tient compte du contexte, tandis que la lemmatisation ignore le sens
Le stemming produit une forme tronquée sans garantir un mot correct, tandis que la lemmatisation vise le lemme dictionnairique
Le stemming conserve toujours la forme grammaticale complète du mot
Le stemming sert uniquement à enlever les accents, tandis que la lemmatisation supprime les chiffres

Le stemming produit une forme tronquée sans garantir un mot correct, tandis que la lemmatisation vise le lemme dictionnairique

Explication

Le stemming réduit un mot à une forme racinée en retirant des affixes, sans garantir une forme correcte. La lemmatisation, elle, ramène le mot à son lemme dictionnairique en tenant compte du contexte.

5. Que fait la tokenisation dans un pipeline de traitement du texte ?

Elle convertit les lettres en minuscules pour harmoniser l’écriture
Elle découpe le texte en unités appelées tokens
Elle attribue à chaque mot sa catégorie grammaticale
Elle remplace les mots par des vecteurs numériques

Elle découpe le texte en unités appelées tokens

Explication

La tokenisation segmente le texte en unités appelées tokens, qui peuvent être des mots, des phrases ou des sous-mots. La conversion en minuscules relève de la normalisation.

6. Quel appariement est correct entre une tâche et son rôle ?

POS tagging : supprimer les accents d’un texte
NER : identifier des entités comme des personnes ou des lieux
POS tagging : mesurer la rareté des mots dans un corpus
NER : compter les occurrences des mots dans un document

NER : identifier des entités comme des personnes ou des lieux

Explication

Le NER repère et étiquette des entités nommées comme des personnes, des lieux, des organisations ou des dates. Le POS tagging sert plutôt à attribuer une catégorie grammaticale à chaque mot.

7. Quelle caractéristique décrit le mieux le modèle Bag of Words ?

Il transforme chaque mot en son lemme dictionnairique
Il représente un texte par des comptages de mots sans tenir compte de l’ordre
Il conserve l’ordre des mots et leur contexte
Il produit des représentations dépendantes du contexte comme BERT

Il représente un texte par des comptages de mots sans tenir compte de l’ordre

Explication

Le modèle Bag of Words représente un texte par un vecteur de comptage des mots du vocabulaire, sans ordre ni contexte. C’est précisément ce qui le distingue des représentations contextuelles.

8. Quel est le principe du TF-IDF ?

Classer chaque mot selon sa catégorie grammaticale
Remplacer chaque mot par un vecteur appris selon son contexte
Attribuer le même poids à tous les mots pour simplifier le calcul
Donner plus de poids aux mots fréquents dans un document mais rares dans le corpus

Donner plus de poids aux mots fréquents dans un document mais rares dans le corpus

Explication

Le TF-IDF combine la fréquence d’un terme dans un document et sa rareté dans l’ensemble du corpus pour mieux discriminer les mots utiles. Il réduit donc le poids des mots très fréquents globalement.

9. Qu’est-ce qu’un corpus multilingue ?

Un ensemble de textes écrits dans une seule langue standardisée
Un lexique de mots fréquents sans documents associés
Un ensemble de textes écrits dans plusieurs langues
Un modèle entraîné pour traiter plusieurs langues

Un ensemble de textes écrits dans plusieurs langues

Explication

Un corpus multilingue contient des textes écrits dans plusieurs langues. Un modèle multilingue, en revanche, est un système d’apprentissage et non un corpus.

10. Pourquoi la détection de langue est-elle utile dans le traitement de corpus multilingues ?

Pour convertir automatiquement tous les textes en anglais
Pour choisir ensuite le bon prétraitement adapté à la langue
Pour remplacer les étapes de nettoyage et de normalisation
Pour supprimer les différences d’alphabet entre les langues

Pour choisir ensuite le bon prétraitement adapté à la langue

Explication

La détection de langue sert à identifier la langue d’un texte afin d’appliquer ensuite le prétraitement approprié. Cela est particulièrement utile quand les stop words, la tokenisation ou la lemmatisation varient selon la langue.

11. Quelle stratégie multilingue consiste à détecter la langue d’un texte puis à appliquer un pipeline de prétraitement adapté à cette langue ?

La suppression systématique des caractères non latins
Le prétraitement spécifique par langue
L’utilisation d’un modèle monolingue unique
La traduction vers une langue pivot

Le prétraitement spécifique par langue

Explication

Le prétraitement spécifique par langue repose sur l’identification préalable de la langue pour choisir des outils et ressources adaptés. La traduction vers une langue pivot passe au contraire par une langue commune avant le traitement.

12. Quel est l’inconvénient principal de la stratégie basée sur une langue pivot pour traiter des textes multilingues ?

Elle empêche toute forme de normalisation textuelle
Elle peut entraîner une perte d’information lors de la traduction
Elle exige toujours un entraînement séparé pour chaque langue
Elle ne fonctionne que pour des textes déjà annotés

Elle peut entraîner une perte d’information lors de la traduction

Explication

La stratégie de langue pivot traduit les textes vers une langue commune, souvent l’anglais, avant le prétraitement, mais la traduction peut altérer ou faire perdre des informations. Les autres propositions ne correspondent pas à cette approche.

Révisez avec les flashcards

Mémorisez les réponses avec 12 flashcards sur Introduction aux Techniques de Prétraitement NLP.

Prétraitement linguistique — définition ?

Opérations pour rendre le texte exploitable par NLP.

Bruit linguistique — exemple ?

Caractères, ponctuations inutiles, balises HTML.

Variabilité linguistique — cause ?

Différences d’écriture pour un même terme.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Introduction aux Techniques de Prétraitement NLP.

Voir la fiche →

Cours similaires

Gestion des fichiers en PHP

Programmation

Identification utilisateur en PHP

Programmation

Automated PCB Fault Diagnosis

Intelligence Artificielle

Rôle d'un système d'exploitation

Questions techniques projet Compawgnon

Bases de Python pour débutants

Programmation

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM