@inproceedings{Liang-Amsili-Burnett:CORIA-TALN:2023,
    author = "Liang, Yiming and Amsili, Pascal and Burnett, Heather",
    title = "Uniformit\'e de la densit\'e informationnelle: le cas du redoublement du sujet",
    booktitle = "Actes de CORIA-TALN 2023. Actes de la 30e Conf\'erence sur le Traitement Automatique des Langues Naturelles (TALN),  volume 1 : travaux de recherche originaux - articles longs",
    month = "6",
    year = "2023",
    address = "Paris, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "164-176",
    note = "",
    abstract = "Nous pr\'esentons les r\'esultats d'une exp\'erience visant \`a savoir si la densit\'e d'information (ou de surprise) affecte le redoublement du sujet dans des conversations spontan\'ees. En utilisant la version fran\c{c}aise de GPT, nous estimons la surprise lexicale du sujet NP \'etant donn\'e un contexte pr\'ec\'edent et v\'erifions si la surprise du sujet affecte son redoublement. L'analyse de r\'egression \`a effet mixte montre que, en plus des facteurs qui ont \'et\'e montr\'es comme affectant le redoublement du sujet dans la litt\'erature, la pr\'evisibilit\'e du sujet nominal est un pr\'edicteur important du non-redoublement. Les sujets nominaux moins pr\'edictibles tendent \`a \^etre redoubl\'es par rapport \`a ceux qui sont plus pr\'edictibles. Notre travail confirme l'int\'er\^et de l'hypoth\`ese de l'Uniformit\'e de la densit\'e informationnelle (UID) pour le fran\c{c}ais et illustre l'op\'erationalisation de la densit\'e informationnelle \`a l'aide de grands mod\`eles neuronaux de langage.",
    keywords = "uniformit\'e de la densit\'e informationnelle, redoublement du sujet, surprise, fran\c{c}ais oral, Transformer G\'en\'eratif Pr\'e, entra{\^\i}n\'e (GPT)",
    url = "461901.pdf"
}