Modlisation de la langue crite pour le TAL

1
Modélisation de la langue écrite pour le TAL

• Agnès Tutin
• Maîtrise IDL Orientation TALEP

2
1. Introduction

• Plan
• 1.1 Le TAL quest-ce que cest?
• 1.2 Lobjet du TAL le langage naturel
• 1.3 Les différents niveaux de traitement en TAL
• 1.4 Lobjet du cours la modélisation des
  données linguistiques

3
1. Introduction

• 1.1 Le TAL quest-ce que cest?
• Domaine qui vise à modéliser et à reproduire à
  laide de machines le langage humain
• Objectifs
• Faire des programmes dans le but dapplications
  pratiques (TAO, Recherche dinformation sur le
  Web, etc.)
• Modéliser pour tester des hypothèses sur le
  langage

4

• 1.2 Lobjet du TAL le langage naturel
• Langage naturel par opposition aux langages
  formels
• Le langage naturel est fondamentalement ambigu,
  ce qui fait sa richesse (jeux de mots,
  équivoques) mais constitue la principale
  difficulté, en particulier pour lanalyse

5

• Pas de correspondance entre la forme et le sens
• une forme ? plusieurs sens lambiguïté
• Ambiguïté (locale) au niveau des mots
• catégorielle couvent (nom ou verbe), la (nom,
  dét. ou pronom)
• sémantique
• polysémie assiette (contenu ou contenant),
  boire (un liquide ou être alcoolique)
• homonymie avocat (végétal ou personne), voler
  (planer ou dérober).

6

• Ambiguïté au niveau de la phrase due à la
  combinaison des mots (ambiguïté syntaxique)
• ambiguïté syntaxique catégorielle la petite
  porte le voile
• ambiguïté syntaxique structurale il aime
  létudiante de linguistique anglaise
• ambiguïté syntaxique de structure profonde
  Léo regarde manger les poulets

7

• Ambiguïté au niveau de la phrase due au sens des
  mots (ambiguïté sémantique)
• Exemple la portée des quantificateurs
• Tous les étudiants de linguistique parlent une
  langue

8

• Ambiguïté au niveau textuel (ambiguïté
  discursive)
• Exemple la résolution des anaphores
• Le professeur a mis l'élève à la porte parce
  qu'il l'agaçait.
• Le professeur a mis l'élève à la porte parce
  qu'il en avait assez.
• Le professeur a envoyé l'élève chez le directeur
  parce qu'il le demandait.

9

• Un sens ? plusieurs formes la paraphrase
• Au niveau des mots la synonymie (ou plutôt
  quasi-synonymie)
• Lulu a acheté un nouveau vélo/ une nouvelle
  bicyclette
• Mariette sest spécialisée en TAL/ en
  linguistique informatique

10

• Au niveau des phrases
• contenu lexical différent
• Lulu a acheté un nouveau vélo/ Lulu sest payé
  une nouvelle bicyclette
• contenu lexical identique (allotaxie)
• Ce cours de sémantique passionne Lulu/ Lulu est
  passionné par ce cours de sémantique

11

• Dautres difficultés
• Les métaphores, les comparaisons
• Ce cours est une purge.
• Ce cours est comme une purge.

12

• 1.3 Les différents niveaux de traitement en TAL
• Segmentation
• Analyse morphologique et lexicale
• Analyse lexicale désambiguïsée (étiquetage
  morpho-syntaxique) lt-- Etape facultative
• Analyse syntaxique
• Analyse sémantique
• Analyse pragmatique
• Dans le cadre du cours, point de vue de lanalyse
  (de la segmentation vers le sens)
• Tous les modèles linguistiques ne sont pas aussi
  stratifiés (par exemple, analyse syntaxique et
  analyse sémantique simultanées)

13

• La segmentation
• Consiste à segmenter le texte en unités
  lexicales (et y repérer des marques de paragraphe
  ou autres marques indiquant la structure
  logique).
• Pas complètement trivial - analyse des sigles
  et des abréviations.- élisions.- amalgames

14
Un exemple de segmentationTexte en entrée
Jean-Pierre vient-il aujourd'hui à l'U.F.R.?
Non, il fait de l'U.L.M. au Versoud.

• Résultat de la segmentation Jean-Pierre vient-
  -il aujourd'hui à l' U.F.R . ? Non, il
  fait de l' U.L.M . au Versoud.

15

• Lanalyse morphologique et lexicale
• Prend en entrée les résultats de la segmentation
  (les mots sous leurs formes fléchies) et fournit
  en sortie un lemme accompagné de propriétés
  morphologiques, syntaxiques et sémantiques.
• brise
• 1. lemme briser, catégorie verbe, nombre
  singulier, personne première ou troisième,
  temps présent, mode indicatif ou subjonctif.
• 2. lemme brise, catégorie nom, nombre
  singulier, genre féminin.

16

• Lanalyse lexicale désambiguïsée (ou étiquetage
  morpho-syntaxique)
•  L'étiquetage morpho-syntaxique consiste à
  identifier la classe morpho-syntaxique qui est
  associée aux mots dans leur contexte
  d'énonciation.  (Paroubek Rajman 2000 131)

17

• Lanalyse sémantique
• Prend en entrée le résultat de lanalyse
  syntaxique et fournit en sortie une
  représentation sémantique (la représentation
  sémantique est plus abstraite que la
  représentation syntaxique par exemple, les
  paraphrases syntaxiques auront le même type de
  représentation les mots grammaticaux comme les
  déterminants ou les auxiliaires napparaîtront
  pas comme entités lexicales).

18

• Lanalyse syntaxique
• Prend en entrée le résultat de lanalyse
  lexicale (éventuellement de l'étiquetage
  morpho-syntaxique) et fournit en sortie une
  structure hiérachisée des groupements structurels
  et des relations fonctionnelles qui unissent les
  groupements.

19

• Lanalyse pragmatique
• Prend en entrée le résultat de lanalyse
  sémantique et fournit une représentation adaptée
  au contexte énonciatif (repérage de limplicite
  et des présupposés, interprétation des actes de
  langage, etc.)

20

• 1.4 Lobjet du cours la modélisation des
  données linguistiques
• Importer les connaissances et les modèles des
  sciences du langage et les modéliser/adapter au
  TAL.
• Formalisation des données et des modèles
  description explicite et rigoureuse.
• Utilisation de modèles linguistiques spécifiques
  (mais souvent inspirés des théories
  linguistiques). Lutilisation de vrais modèles
  linguistiques évite les description  ad hoc .
• Description exhaustive (et donc parfois
  fastidieuse!) par exemple, le lexique doit être
  décrit dans son entier pour la correction
  orthographique.