Ressources linguistiques et identification automatique d'expressions polylexicales - Analyse et Traitement Informatique de la Langue Française Accéder directement au contenu
Chapitre D'ouvrage Année : 2022

Ressources linguistiques et identification automatique d'expressions polylexicales

Résumé

Le traitement automatique des langues est un domaine cherchant à concevoir des méthodes et outils pour analyser et générer automatiquement des données langagières. Les chercheurs dans ce domaine sont généralement confrontés à de nombreux problèmes liés à la langue, et notamment le traitement des expressions polylexicales, qui sont généralement définies comme des combinaisons de mots qui montrent une certaine irrégularité de composition à un ou plusieurs niveaux linguistiques. Les exemples prototypiques sont en général des expressions idiomatiques totalement opaques sémantiquement, comme "cordon bleu" (signifiant « excellent cuisinier »), mais ces expressions sont en réalité très variées et montrent une grande disparité). Leur identification automatique dans les textes est une étape cruciale pour le traitement automatique des langues, et notamment des applications telles que la traduction automatique. Par exemple, la phrase "Luc avait un coup dans le nez à cette soirée" où l'expression idiomatique "avoir un coup dans le nez" signifie « être ivre », est traduite littéralement par "Luc has a punch in the nose" par le traducteur automatique de Google ( https://translate.google.fr, consultation : 31-07-2020), ce qui est clairement erroné. L'information que "avait un coup dans le nez" est une occurrence d'expression idiomatique, avec idéalement sa traduction dans la langue cible, peut être extrêmement utile pour de tels systèmes. Dans le cadre de nos travaux de recherche, nous nous intéressons à l'identification automatique de telles expressions dans les textes. Les approches que nous mettons en oeuvre sont génériques, dans le sens où elles sont applicables à la majorité des langues. Nos méthodes s'appuient néanmoins sur des ressources linguistiques telles que des corpus annotés ou des ressources lexicales, propres à chaque langue, et nous portons une attention particulière au français. Dans cet article, nous montrons différentes approches d'identification à partir de ces deux types de ressources, sur lesquels nous avons travaillé.
Fichier principal
Vignette du fichier
Mathieu_Constant_eusk2020.pdf (322.17 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04016075 , version 1 (06-03-2023)

Identifiants

Citer

Mathieu Constant. Ressources linguistiques et identification automatique d'expressions polylexicales. Andoni Sagarna Izaguirre; Miriam Urkia. Ingurune digitala, hizkuntzen estandarizazioa eta euskara, Iberoamericana Vervuert; Euskaltzaindia, pp.139-155, 2022, 978-84-9192-331-2. ⟨10.31819/9783968693934-008⟩. ⟨hal-04016075⟩
19 Consultations
3 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More