Rubrique préparée par Fiammetta Namer Université Nancy2 de Nancy, UMR ATILF Fiammetta.Namer@univ-nancy2.fr
Sébastien Barrier (sbarrier@linguist.jussieu.fr)
Titre : Une métagrammaire pour les noms prédicatifs du français - développement et expérimentations pour les grammaires TAG
Mots-clés : verbe support, nom prédicatif, analyse automatique, métagrammaire, grammaire d’arbres adjoints, corpus.
Title : A metagrammar for French predicative nouns developed and tested through tree adjoining grammar formalism
Keywords : support verb (light verb), predicative noun, automatic analysis, metagrammar, tree adjoining grammar, corpus.
Thèse de doctorat en Sciences du Langage, Université de Paris 7,
UFR de linguistique, Laboratoire de linguistique formelle (LLF) UMR 7110, sous la direction du Professeur Anne Abeillé. Soutenue le 30/05/2006.
Jury : Mr Eric Laporte (Pr, Université de Marne-La-Vallée & IGM, président), Mme Anne Abeillé (Pr., Université Paris 7 & LLF, directrice),
M. Jean-Marie Pierrel (Pr., Université de Nancy1 & ATILF, rapporteur),
M. Owen Rambow (Reasearch Scientist, Université de Pennsylvanie, rapporteur), Mme Pollet Samvellian (MC, Université de Paris 3 et UMR 7528, examinatrice), M. Robert Vivès (Pr., Université Paris 8 et LLI, examinateur).
Résumé. Notre travail s’inscrit dans le cadre d’un projet de constitution d’une grammaire TAG à large couverture pour le français, basée sur une métagrammaire (dorénavant MG). Jusqu’à présent, les MG avaient principalement été utilisées pour décrire les verbes pleins ; la description des constructions à verbe support (CVS) et des groupes nominaux complexes qui leur étaient associés avait été négligée. Il était donc important de montrer l’adéquation des MG pour la description d’un phénomène linguistique majeur dont les caractéristiques dépassent le seul système
verbal : les CVS présentent en effet un intérêt particulier pour les MG dans la mesure où elles combinent des éléments de la syntaxe des verbes et de la syntaxe des noms, et ont une forte composante lexicale. Notre travail de thèse se structure en trois grandes parties.
Dans la première, après avoir présenté l’état de l’art des connaissances sur les CVS, d’un point de vue lexical, sémantique et syntaxique, puis la notion de MG à laquelle nous ajoutons une quatrième dimension pour mieux prendre en compte l’ordonnancement des arguments entre eux, nous mettons en place les premiers choix syntaxiques qui sont les nôtres pour représenter à la fois les CVS et les groupes nominaux prédicatifs complexes qui en sont dérivés. C’est dans cette partie, que la grammaire TAG de bas-niveau est esquissée : le nom prédicatif sert d’entrée lexicale (c’est une ancre), alors que le verbe support, qui est sélectionné en fonction de ce dernier, est renseigné par un système de trait et est substitué dans les arbres phrastiques. Pour assurer la relation systématique entre la construction du groupe nominal complexe et de la CVS correspondante, des arbres élémentaires de racine N sont ajoutés aux arbres phrastiques. Ces choix contrastent avec ceux de la grammaire TAG de l’anglais, mais également avec ceux des premiers états de la grammaire TAG du français, dans lesquels le verbe support et le nom prédicatif constituent les ancres lexicales (co-têtes) de l’arbre phrastique.
La seconde partie constitue le cœur de nos propositions : nous adoptons ainsi la représentation quadri-dimensionnelle de la MG, et proposons la mise en place d’un système original. Sans rentrer dans les détails, notons ici que 28 familles à nom prédicatif sont renseignées. Le verbe support est la tête syntaxique de la phrase, et le nom prédicatif porte une fonction par rapport à ce dernier. Ce n’est que lors de la formation du groupe nominal complexe, que le nom prédicatif perd son statut de dépendant pour devenir tête du groupe nominal. Outre des constructions déjà utilisées pour les verbes pleins (actif, passif, constructions moyenne et impersonnelle), la MG des noms prédicatifs permet également de rendre compte des passifs lexicaux, des opérateurs causatifs, et des groupes nominaux complexes.
Nous n’effectuons pas de double analyse des compléments prépositionnels au sens strict : la grammaire peut les considérer comme des compléments du verbe ou comme des compléments du nom, mais doit toujours effectuer un choix. Autrement dit, pour un complément particulier, il peut y avoir double fonction et double structure, mais pas simultanée ; pour une phrase particulière il n’y a ni double fonction, ni double structure. Les fonctions syntaxiques utilisées sont nombreuses : hormis celles déjà utilisées pour les verbes pleins, nous introduisons également les fonctions d’attribut prépositionnel, d’attribut de l’objet, de complément du nom, de premier et de second argument. Notons que les structures des nominalisations sont dérivées des constructions à verbe support. Ce choix ne représente pas une prise de position théorique, et la direction de la dérivation s’impose puisque les CVS représentent le centre d’intérêt de notre thèse.
Enfin, la troisième partie complète le manuscrit : elle étudie sur le corpus de Paris 7, les préférences lexicales liées à divers verbes supports et l’importance des
noms prédicatifs. Les verbes que nous avons étudiés nous permettent d’affirmer que l’emploi d’un verbe comme support, même s’il n’est pas toujours majoritaire est très important et bien souvent supérieur à celui de son équivalent plein. Cette troisième partie présente également quelques expérimentations avec le parseur d’A. Sarkar s’appuyant sur la MG construite et présentée dans la partie précédente.
L’évaluation montre que la prise en compte de nouveaux phénomènes a permis d’analyser des phrases qui jusqu’alors avaient été rejetées, même si elle montre également que la couverture résiste mal à l ‘analyse sur corpus non restreints. La grammaire que nous avons développée est davantage le reflet de la compétence, et malgré la complexité et la précision des analyses qu’elle renferme, il demeure difficile de prétendre analyser automatiquement et exhaustivement une langue naturelle comme le français.
Quoiqu’il en soit, les MG n’en demeurent pas moins un outil primordial, et pour les linguistes théoriciens et pour les linguistes informaticiens. Elles permettent de représenter de manière compacte une grammaire explicite, et d’envisager sereinement le développement d’une grammaire cohérente à large couverture. Notre travail a pleinement contribué à montrer leur importance et leur adéquation avec des catégories qui jusqu’alors avaient peu été prises en compte.
URL où la thèse pourra être téléchargée :
http://perso.orange.fr/larsen.25/sbarrier_llf/papers/barrier.pdf
Roberto Bonato (roberto.bonato@gmail.com)
Titre : Une Approche Computationnelle Intégrée à la Théorie du Liage
Mots-Clés : : linguistique informatique, sémantique computationnelle, resolution d’anaphores, théorie du liage.
Title : An Integrated Computational Approach to Binding Theory
Keywords : computational linguistics, computational semantics, anaphora resolution, binding theory.
Thèse de doctorat/PhD en Informatique, Università degli Studi di Verona, dipartimento di Informatica(a) & Université de Bordeaux I, UFR Maths-Info(b), sous la direction des Professeurs Denis Delfitto(a) et Christian Retoré(b). Soutenue le 4/05/2006 à l’Università degli Studi di Verona
Jury : M Roberto Giacobazzi (Pr., Università degli Studi di Verona, président), M. Denis Delfitto (Pr., Università degli Studi di Verona, codirecteur),
M. Christian Retoré (Pr., Université Bordeaux I & LABRI, codirecteur),
Mme Claire Gardent (CR, INRIA-LORIA, rapporteur), M. Eric Reuland (Pr., Université d’Utrecht, rapporteur),
M. Géraud Sénizergues (Pr, Université de Bordeaux I & LABRI, examinateur) Abstract. Pronouns play a decisive role in every natural language as the linguistic elements that enable semantic cohesion of a text. Anaphora resolution problem (that is: the problem of recovering in an automatic way the semantic content of pronouns) is therefore both an important task and a major technological challenge for any computer application that aims at a finer-grained semantic analysis of natural language texts. Binding Theory is a branch of generative linguistics devoted to discover the principles that rule the distribution and interpretation of pronouns in a sentence. In this thesis, we present two algorithms for anaphora resolution inspired by two of the most influential approaches to Binding Theory in linguistics.
Eventually, we combine insights issued from last 30 years of linguistic inquiry into an original computational framework and integrates them into a new algorithm. We also compare our computational approach with the purely semantic one recently proposed by Philippe Schlenker.
URL où la thèse pourra être téléchargée : http://www.fran.it/roby
Etienne Denoual (etienne.denoual@atr.jp)
Titre : Méthodes en caractères pour le traitement automatique des langues
Mots-clés : Informatique multilingue, unités de traitement, opérations sur les chaînes de caractères, évaluation de la traduction automatique, filtrage de la grammaticalité, méthodes entropiques, caractérisation de ressources linguistiques, modélisation stochastique de langue, analogie et calcul analogique, production de paraphrases, traduction automatique par l’exemple.
Title : Character-based methods for natural language processing
Keywords : Multilingual computing, levels of processing, character-based processing, machine translation evaluation, grammaticality filtering, entropic methods, linguistic data profiling, stochastic language modeling, analogy and analogic computing, paraphrase generation, example-based machine translation.
Thèse de doctorat en Informatique, Université Joseph Fourier de Grenoble, Ecole doctorale mathématiques Informatique, CLIPS-GETA,
sous la direction des Professeurs Christain Boitet (Université Joseph Fourier) et Yves Lepage (Université de Caen Basse-Normandie). Soutenue le 21/09/2006.
Jury : Mr Jean Caelen (Pr, CNRS, président),
Mr Christian Boitet (Pr., Université Joseph Fourier & CLIPS-IMAG, codirecteur), M. Yves Lepage (Pr., Université de Caen Basse-Normandie, codirecteur), Mr. Andrei Popescu-Belis (MC., ETI Genève, rapporteur),
M. Martin Rajman (Pr., EPFL Lausanne, rapporteur),
Mr. Pierre Zweigenbaum (DR, AP-HP/INSERM & INALCO, rapporteur), M. Dominique Vaufreydaz (MC., Université Pierre Mendès-France Grenoble, examinateur).
Résumé. Le traitement automatique des langues fondé sur les données a récemment assimilé de nombreuses techniques et perspectives héritées du domaine de la reconnaissance de parole. Parmi celles-ci, les méthodes qui utilisent le mot comme unité de traitement sont difficilement transposables aux systèmes d’écriture sans séparateur orthographique, et ne sont donc pas multilingues.
Le présent travail promeut l’utilisation de méthodes travaillant au niveau du signal de l’écrit : le caractère, unité immédiatement accessible dans toute langue informatisée, permet de se passer de segmentation en mots, étape actuellement incontournable pour des langues comme le chinois ou le japonais.
Dans un premier temps, nous transposons et appliquons en caractères une méthode bien établie d’évaluation objective de la traduction automatique, BLEU.
Les résultats encourageants nous permettent dans un deuxième temps d’aborder d’autres tâches de traitement des données linguistiques. Tout d’abord, le filtrage de la grammaticalité ; ensuite, la caractérisation de la similarité et de l’homogénéité des ressources linguistiques. Dans toutes ces tâches, le traitement en caractères obtient des résultats acceptables, et comparables à ceux obtenus en mots.
Dans un troisième temps, nous abordons des tâches de production de données linguistiques : le calcul analogique sur les chaines de caractères permet la production de paraphrases aussi bien que la traduction automatique.
Ce travail montre qu’on peut construire un système complet de traduction automatique ne nécessitant pas de segmentation, a fortiori pour traiter des langues sans séparateur orthographique.
URL où la thèse pourra être téléchargée :
http://www.slt.atr.jp/~edenoual/archives/doc_PhD2006_ED.pdf
Estelle Dubreil (estelle.dubreil@univ-nantes.fr)
Titre : La dimension argumentative des collocations textuelles en corpus électronique spécialisé au domaine du TAL(N).
Mots-Clés : collocation textuelle, possible argumentatif, motivation argumentative, collocation arbitraire, signification lexicale, bloc d’argumentation, corpus électronique, communauté TAL(N), linguistique de corpus.
Title : The Argumentative Part of Textual Collocations in an Electronic Corpus specialized on the TAL(N) Community
Keywords: Textual Collocation, Possible Argumentative, Argumentative Motivation, Arbitrary Collocation, Lexical Signification, Argumentative Block, Electronic Corpus, TAL(N) Community, Corpus linguistics.
Thèse de doctorat en Sciences du Langage, Université de Nantes, UFR Sciences du langage et LINA FRE CNRS 2729, sous la direction des Professeurs Béatrice Daille (LINA, Université de Nantes) et Olga Galatanu (CERCI, Université de Nantes).
Soutenue le 20/10/2006 au Laboratoire d’Informatique de Nantes Atlantique (LINA).
Jury : Mr Geoffrey Williams (Pr, Université de Bretagne & ADICORE, président), Mme Béatrice Daille (Pr., Université de Nantes & LINA, codirectrice),
Mme Olga Galatanu (Pr., Université de Nantes & CERCI, codirectrice), M. Alain Polguère (Pr., Université de Montréal & OLST, rapporteur), M. François Rastier (Pr., Université de Paris X & MoDyCo, rapporteur), Mme Marie-Paule Péry-Woodley (Pr, Université de Toulouse 2 & ERSS, examinateur).
Résumé. Traditionnellement, l’association lexicale préexistant au phénomène collocationnel est qualifiée d’arbitraire. Or en soumettant les collocations textuelles – CT – à l’analyse sémantico-discursive des possibles argumentatifs – PA –, modèle de description de la signification lexicale, non seulement cette association s’avère bien souvent argumentativement motivée, mais parfois prédictible. Aussi, nous postulons qu’une CT correspond potentiellement soit à une collocation argumentative, soit à une relation argumentative, soit enfin à une collocation arbitraire. Cette triple hypothèse a été testée sur le corpus électronique spécialisé TAL(N), grâce à une méthodologie pluridisciplinaire adaptée au caractère électronique des données (outils logiciels et Internet). Les résultats obtenus valident notre hypothèse par la présence équilibrée de collocations argumentatives et de relations argumentatives, comparée aux collocations arbitraires. Ces résultats nous confortent dans l’idée de reconsidérer le caractère arbitraire du principe
d’association collocationnelle et nous permet d’en proposer une description en termes de blocs d’argumentations externes.
Abstract. Traditionally, the lexical association that leads to the collocational phenomenon is thought to be arbitrary. Nevertheless, when applying the semantico- discursive theory of the Possible Argumentative – PA – on Textual Collocations – TC – this association arises as argumentatively motivated and possibly predictable.
We state that TC possibly corresponds to an argumentative collocation, an argumentative relation or an arbitrary collocation. This triple assumption has been tested on the specialized electronic corpus TAL(N), with a multidisciplinary methodology adapted to electronic data (Software and Internet Tools). Our hypothesis has been validated by the results we have obtained. Indeed, they highlight the equal distributions of argumentative collocations and argumentative relations within the corpus compared to arbitrary collocations. This reinforces our intuition of reconsidering the arbitrary nature of collocational associations and motivates our proposition for a description model for composing collocational associations in terms of external argumentative blocks.
URL où la thèse pourra être téléchargée : contacter l’auteur
Cécile Frérot (Cecile.Frerot@u-grenoble3.fr)
Titre : Construction et évaluation en corpus variés de lexiques syntaxiques pour la résolution des ambiguïtés de rattachement prépositionnel
Mots-Clés : lexique, syntaxe, rattachement prépositionnel, désambiguïsation, ressources endogènes, ressources exogènes.
Title : Building and evaluating various types of lexical resources to resolve corpus- based PP attachment ambiguities
Keywords : lexicon, syntax, PP attachement disambiguation, endogenous resources, exogenous resources.
Thèse de doctorat en Linguistique, Université de Toulouse-Le-Mirail, ERSS, sous la codirection des Professeurs Marie-Paule Péry-Woodley et Didier Bourigault.
Soutenue le 10/12/2005.
Jury : Mme Andrée Borillo (Pr., Université Toulouse-Le-Mirail & ERSS,
président), M. Didier Bourigault (CR1, ERSS, codirecteur), Mme Marie-Paule Péry- Woodley (Pr., Université Toulouse-Le-Mirail & ERSS, codirectrice), Mme Nathalie Kübler (Pr., Université Paris 7, rapporteur), M. Jean Véronis (Pr., Université de
Provence, rapporteur), Mme Gaëlle Recourcé (Responsable des développements linguistiques, Synomia, examinatrice).
Résumé. La thèse porte sur la construction et à l’exploitation de lexiques syntaxiques pour le traitement automatique de corpus à travers la résolution des ambiguïtés de rattachement prépositionnel. Considérée comme une des tâches les plus délicates à résoudre automatiquement, la résolution des ambiguïtés implique de rattacher un syntagme prépositionnel (SP) au mot dont il dépend dans une phrase. Il s’agit par exemple de rattacher le SP « à l’emploi » au nom « aide » dans
« offrir une aide à l’emploi », mais le SP « à l’employé » au verbe « offrir » dans « offrir une aide à l’employé », au sein de structures pourtant identiques. La résolution correcte des ambiguïtés est déterminante pour l’analyse automatique de corpus, notamment pour le traitement de l’information, où l’on voudra par exemple indexer « aide à l’emploi » dans le premier cas, mais « aide à l’employé » dans le second.
Le travail de thèse vise a mesurer l’apport respectif de lexiques de nature différente - fondées sur l’introspection ou acquises à partir de corpus - dans un contexte où la plupart des travaux sur la désambiguïsation utilisent des corpus de langue générale pour construire des lexiques, et où l’exploitation de ressources existantes élaborées à partir de l’introspection du linguiste reste marginale.
Pour répondre à cet objectif, nous avons construit différents lexiques :
(i) un lexique général dérivé d’une ressource existante, les tables syntaxiques du lexique-grammaire (Gross, 1975) , qui ont été élaborées à partir de l’introspection du linguiste, indépendamment de tout corpus et de tout domaine;
(ii) un lexique constitué à partir de corpus, fondé sur la collecte de données attestées et donc censé refléter une certaine réalité langagière ; nous avons choisi comme corpus un échantillon de 200 millions de mots du journal « Le Monde » ; (iii) des lexiques spécifiques, c’est-à-dire adaptés à chaque corpus en cours d’analyse.
Nous avons cherché à évaluer l’utilité de ces ressources pour le traitement de corpus variés, c’est-à-dire que nous avons mesuré quelle était l’influence du type de corpus sur la qualité de l’analyse automatique. C’est là un aspect fondamental de notre recherche puisque la prise en compte de la variation des corpus dans la résolution d’un problème de traitement automatique a été rarement étudiée. En effet, l’efficacité des lexiques est en général testée sur un seul corpus, et la question liée à la nécessité d’adapter le lexique au type de corpus demeure peu explorée.
Dans ce contexte, nous avons choisi des corpus aussi variés que possible qui constituent à la fois des corpus d’étude pour analyser le phénomène linguistique étudié (i.e. le rattachement prépositionnel) et des corpus de test pour évaluer l’apport des ressources lexicales dans la levée des ambiguïtés (corpus scientifique, juridique, médical, littéraire et journalistique).
A partir de ces cinq corpus annotés manuellement, nous avons observé le phénomène linguistique étudié et fait émerger des variations entre les corpus. Nous avons en effet dégagé des spécificités linguistiques propres à chaque corpus, mettant au jour des disparités dans la répartition des catégories grammaticales (environ 31 % de verbes dans le corpus littéraire contre 7 % dans le corpus médical qui compte 61 % de noms) mais aussi et surtout dans le rattachement des prépositions. C’est ainsi que le rattachement à un nom domine dans le corpus médical, alors qu’il est plus faible dans les corpus littéraire et journalistique par exemple, ou bien encore que le rattachement à un adjectif est le plus élevé dans le corpus juridique. Cette analyse dans des corpus variés a permis de mieux appréhender les variations observées dans les résultats de la désambiguïsation automatique.
Les résultats obtenus à l’issue des différentes stratégies de désambiguïsation mises en œuvre montrent une utilité variable des différents lexiques construits. Tout d’abord, concernant l’opposition introspection/corpus, c’est de manière globale le lexique acquis à partir du journal « Le Monde » qui contribue le plus à la désambiguïsation. Ensuite, l’utilité des informations sur les catégories grammaticales (verbe, nom, adjectif) varie en fonction des corpus ; les informations verbales sont par exemple très utiles pour le corpus littéraire ou journalistique mais en revanche peu pertinentes pour le traitement du corpus médical spécialisé. La confrontation du lexique général à un lexique spécialisé, adapté à chaque corpus, montre la nécessité d’utiliser des informations spécifiques au corpus pour le traitement de corpus spécialisés, tel que le corpus médical.
L’ensemble des résultats plaident en faveur de la prise en compte de la variation du phénomène linguistique étudié dans le traitement automatique de corpus, et de la nécessité de cibler la nature des ressources lexicales utilisées en fonction du type de corpus.
URL où la thèse pourra être téléchargée : contacter l’auteur
Eun Jin JUNG (eun-jin.jung@univ-mlv.fr)
Titre : Grammaire des adverbes de durée et de date en coréen
Mots-Clés : adverbe de temps, durée, date, lexique-grammaire, analyse syntaxique, verbe support, grammaire locale, graphe, automate fini, reconnaissance automatique.
Title : The grammar of adverbs of time, date and duration in Korean
Keywords : time adverbial, duration, date, lexicon-grammar, syntactic analysis, support verb, local grammar, graph, finite-state automata, automatic recognition.
Thèse de doctorat en Sciences du Langage, Université de Marne-La-Vallée, Institut Gaspard-Monge (IGM), sous la direction du Professeur Eric Laporte.
Soutenue le 13/12/2005.
Jury : Mme Panayota-Tita Kyriacopoulou (MC, Université Aristote de
Thessalonique, président), M. Eric Laporte (Pr., Université de Marne-La-Vallée &
IGM, directeur), M. Chai-Song Hong (Pr., Université Nationale de Séoul,
rapporteur), M. Denis Maurel (Pr., Université François Rabelais de Tours & LI/E3I, rapporteur), M. Seung-Un Choi (MC, Université de Paris 7, examinateur).
Résumé. Notre travail a pour objectif une analyse syntaxique des adverbes de temps coréens dont l’interprétation correspond à une durée ou à une date (e.g. 3sigan dongan (pendant 3 heures), 5uel 6il (le 6 mai)). Pour la linguistique formelle comme pour le traitement informatique des langues, une description aussi exhaustive et explicite que possible est indispensable. La méthodologie du lexique- grammaire (M. Gross 1975, 1986b) nous a fourni un modèle de description formelle et systématique de la langue naturelle.
Nous avons choisi de décrire les combinaisons lexicales concernées par des graphes d’automates finis, qui constituent autant de "grammaires locales"
représentant les différents types de séquences adverbiales possibles. Nos graphes peuvent être intégrés directement à un analyseur syntaxique automatique pour localiser les adverbes de durée et de date en coréen dans des textes quelconques.
Cette étude est structurée comme suit.
Dans le premier chapitre, nous présentons plusieurs points cruciaux de notre cadre théorique, le lexique-grammaire, et des grammaires locales. Dans le deuxième chapitre, nous nous intéressons plus particulièrement aux formes des groupes nominaux construits sur des noms de temps (Ntps), c’est-à-dire les séquences Dét Ntps, ceci dans une large mesure indépendamment de la postposition et de l’utilisation de ces formes comme adverbes de date ou comme adverbes de durée. Nous consacrons le chapitre 3 à l’analyse des formes interprétables comme des durées et le chapitre 4 à celle des formes interprétables comme des dates. Nous analysons comment les groupes nominaux de temps étudiés dans le deuxième chapitre peuvent entrer dans des phrases qui donnent lieu à des interprétations de durée ou de date.
URL où la thèse pourra être téléchargée : http://igm.univ-mlv.fr/LabInfo/theses/2005/jung.pdf
