@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix skos: <http://www.w3.org/2004/02/skos/core#> .
@prefix ltk: <http://data.loterre.fr/ark:/67375/LTK> .
@prefix dc: <http://purl.org/dc/terms/> .
@prefix xsd: <http://www.w3.org/2001/XMLSchema#> .

<http://data.loterre.fr/ark:/67375/8LP> a owl:Ontology, skos:ConceptScheme .
<http://data.loterre.fr/ark:/67375/8LP-R50C56F3-F>
  skos:prefLabel "NLP algorithm"@en, "algorithme de TAL"@fr ;
  a skos:Concept ;
  skos:narrower <http://data.loterre.fr/ark:/67375/8LP-HTP2QCZZ-W> .

<http://data.loterre.fr/ark:/67375/8LP-HTP2QCZZ-W>
  skos:inScheme <http://data.loterre.fr/ark:/67375/8LP> ;
  skos:prefLabel "rule learning algorithm"@en, "algorithme d'apprentissage de règles"@fr ;
  skos:altLabel "rule-based algorithm"@en ;
  a skos:Concept ;
  skos:example "L'algorithme d'apprentissage de règles (par exemple PART (Frank Witten 1998)) assigne un degré de confiance à chaque règle induite. (Amrani, Kodratoff & Matte-Tailliez, 2005)"@fr, "Néanmoins il reste plusieurs questions à résoudre avant de pouvoir appliquer des algorithmes d'apprentissage symbolique de règles syntaxiques au langage naturel : l'expressivité des classes de langages apprenables ainsi que le formalisme utilisé pour les représenter doivent être améliorés (les pronoms par exemple sont difficilement représentables dans les grammaires AB) et il reste à déterminer comment et selon quels critères constituer la grammaire initiale. (Moreau, 2004)"@fr ;
  skos:broader <http://data.loterre.fr/ark:/67375/8LP-R50C56F3-F> ;
  skos:hiddenLabel "Algorithme d'apprentissage de règles"@fr, "Rule learning algorithm"@en ;
  skos:exactMatch ltk:-S65S7ZVR-2 ;
  dc:modified "2024-05-03T11:32:32"^^xsd:dateTime .