4,346 research outputs found

    A primer on innovation and growth

    Get PDF
    Philippe Aghion emphasises that for Europe to stimulate innovation and growth, it is not enough to increase spending on research and development and the protection of intellectual property.

    Histoire de la Deuxième Guerre Mondiale (1992-1997) (09). Philippe Burrin (1) - face B

    No full text
    Séminaire organisé et enregistré par l'IHTP (Paris), entre 1992 et 1997 ; sous la direction de Jean-Pierre Azéma et Dominique Veillon. Communication de Philippe Burrin

    Histoire de la Deuxième Guerre Mondiale (1992-1997) (09). Philippe Burrin (1) - face A

    No full text
    Séminaire organisé et enregistré par l'IHTP (Paris), entre 1992 et 1997 ; sous la direction de Jean-Pierre Azéma et Dominique Veillon. Communication de Philippe Burrin

    Histoire de la Deuxième Guerre Mondiale (1992-1997) (10). Philippe Burrin (2) - face B

    No full text
    Séminaire organisé et enregistré par l'IHTP (Paris), entre 1992 et 1997 ; sous la direction de Jean-Pierre Azéma et Dominique Veillon. Communication de Philippe Burrin (suite)

    Histoire de la Deuxième Guerre Mondiale (1992-1997) (10). Philippe Burrin (2) - face A

    No full text
    Séminaire organisé et enregistré par l'IHTP (Paris), entre 1992 et 1997 ; sous la direction de Jean-Pierre Azéma et Dominique Veillon. Communication de Philippe Burrin (suite)

    A Primer on Innovation and Growth. Bruegel policy brief 2006/06, October 2006

    Get PDF
    Summary. In sharp contrast with the post-war period, over the last 10 years income per head in the EU has begun to decline in comparison to that of the US. Against this background, the revival of growth and productivity has become an overriding priority of European policymakers. While fostering innovation has become a necessity in Europe, R&D investments alone will not do the job

    « The author writes like a Briton ». La réception de Balzac en Angleterre

    No full text
    Salazar Philippe-Joseph. « The author writes like a Briton ». La réception de Balzac en Angleterre. In: Littératures classiques, n°33, printemps 1998. Fortunes de Guez de Balzac. pp. 247-262

    Passage Retrieval in Standardization Documents

    No full text
    Ce travail de thèse se concentre sur la recherche de passages textuels, qui consiste à retrouver de petits extraits de documents.Les concepteurs d'un réseau électrique doivent souvent lire de longs documents de standardisation, et nous souhaitons leur fournir un système avec lequel ils peuvent répondre efficacement à leur besoin d'information.Dans cette thèse, nous proposons d'étudier des modèles d'estimation de la pertinence qui exploitent les caractéristiques des standards afin d'en améliorer les performances.Plus précisément, nous considérons leur structure physique, leurs références inter- et intra-documents et leur vocabulaire technique.Notre première contribution porte sur le problème de la contextualisation des passages, qui consiste à prendre en compte le contexte d'un passage pour en estimer la pertinence.Nous considérons le contexte d'un passage par rapport à la structure du document qui le contient, et nous proposons deux approches pour exploiter ce contexte.Nous utilisons des modèles traditionnels d'estimation de la pertinence qui permettent une recherche efficace et efficiente, et atteignent des performances significativement plus élevées que celle de la littérature.Notre deuxième contribution se concentre sur le problème de la contextualisation des passages en utilisant des méthodes basées sur les réseaux neuronaux.Nous considérons la structure d'un document en tant que graphe et étudions l'utilisation de graph neural networks qui sont des réseaux neuronaux spécialisés dans les données graphiques dont le but est de calculer des représentations sémantiques de passages.Nous exploitons ces représentations dans un modèle d'estimation de la pertinence basé sur les réseaux neuronaux.Bien que cette approche soit moins efficace, elle atteint des performances significativement meilleures par rapport à la littérature ainsi que par rapport à notre solution qui utilise des méthodes traditionnelles.Notre troisième contribution se concentre sur la prise en compte simultanée des entités et du problème de contextualisation des passages en utilisant des méthodes de réseaux neuronaux.Nous considérons des représentations de documents sous forme de graphes auxquelles nous ajoutons des entités, et calculons des représentations de passages sémantiques en utilisant des graph neural networks.De manière similaire à notre deuxième contribution, nous intégrons ces représentations dans un modèle d'estimation de pertinence neuronaux.Nous montrons que la prise en compte des entités ainsi que de la structure d'un document améliorent significativement les résultats par rapport à uniquement la prise en compte de la structure.This thesis work focuses on textual Passage Retrieval, which is the task of retrieving small excerpts of documents.Designers of an electrical network often have to read through long standardization documents, and our motivation is to provide a system with which they can effectively and efficiently answer their information need.In this thesis work, we propose to study relevance estimation models that leverage the characteristics of standards in order to improve the performances.More precisely, we considers their physical structure, their inter- and intra-documents references and their technical vocabulary.Our first contribution focuses on the passage contextualization problem, which is the consideration of a passage's context to estimate is relevance.We consider a passage's context with respect to its containing document's structure, and propose two approaches to leverage this context.We use traditional relevance estimation models which allow for effective and efficient retrieval, and achieve significantly higher performances than the literature.Our second contribution focuses on the passage contextualization problem using methods based on neural networks.We consider a document's structure as a graph and investigate the use of graph neural networks to compute semantic passage's representations.We leverage these representations in a relevance estimation model based on neural networks.While this approach is less efficient, it achieves significantly better performances compared to the literature as well as compared to our solution that uses traditional methods.Our third contribution focuses on considering simultaneously entities and the passage contextualization problem by using neural networks methods.We consider entity-enhanced graph document representations and compute semantic passage's representations using graph neural networks.We integrate these representations in a relevance estimation model similarly to our second contribution.We show that considering entities as well as a document's structure significantly improves the results compared to solely considering the structure
    corecore