Proposition pour l'enrichissement sémantique de corpus textuels - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2010

Proposition pour l'enrichissement sémantique de corpus textuels

Résumé

L'enrichissement sémantique de corpus, banal dans l'ingénierie, est encore marginal dans les recherches académiques en linguistique de corpus, pour des raisons philologiques (annoter, c'est prendre le risque d'accroître le bruit) et pratiques (manque de ressources adaptées). Adoptant le cadre théorique de la sémantique des textes, nous proposons ici d'évaluer l'apport pour la linguistique de corpus, en particulier pour la textométrie, d'une annotation en sèmes réalisée à partir d'une ressource à large couverture. Dans l'étude présentée, nous confrontons un corpus de formes non annoté sémiquement (un million de formes) au corpus de sèmes correspondant (23 millions de sèmes). Le corpus est constitué d'articles sur la crise économique publiés entre septembre 2008 et février 2009 dans deux quotidiens aux lignes éditoriales contrastées, le Figaro et l'Humanité. Deux approches ont été retenues : une approche globale, confrontant les lignes éditoriales de chaque journal et une approche locale, destinée à caractériser une unité lexicale à travers les passages la contenant. La confrontation des plans sémique et lexical repose sur des comparaisons de listes de spécificités calculées avec le logiciel Lexico3. Les expériences réalisées montrent une convergence entre plans lexical et sémique au niveau des contenus sémantiques saillants, à échelle globale comme locale. Ces résultats valident ainsi l'annotation en sèmes utilisée. Elle permet en outre de préciser et d'enrichir la caractérisation sémantique des textes ou de passages particuliers en accroissant le nombre d'unités descriptives. Par exemple, l'analyse des paragraphes contenant « économie réelle » fait apparaître un faisceau d'isotopies relatif à la maladie quand celle-ci n'est, dans le texte, qu'implicite. Les sèmes sont par exemple /contagion/, /dysfonctionnement/, /pathologique/, /trouble/, /crise/, /infection/, /mal/, /épidémie/, etc. En bref, notre expérience montre qu'une annotation en traits sémantiques des corpus, articulée avec des méthodes statistiques et des outils de description adaptés, est susceptible d'apporter de nouvelles perspectives de recherche en linguistique de corpus. Références GRZESITCHAK, Mick, Evelyne JACQUEY, Mathieu VALETTE (2007) « Systèmes complexes et analyse textuelle : Traits sémantiques et recherche d'isotopies » (2007), ARCo'07 – Cognition, Complexité, Collectif., Acta-Cognitica, 227-235. HABERT, Benoît (2005) : « Portrait de linguiste(s) à l'instrument ». Revue Texto ! Textes et cultures, vol. X, n°4, disponible sur http://www.revue-texto.net/Corpus/Publications/Habert/Habert_Portrait.html. RASTIER, François (2001) Arts et sciences du texte, Paris, PUF. SALEM A., LAMALLE C., MARTINEZ W., FLEURY S., FRACCHIOLLA B., KUNCOVA A. et MAISONDIEU A. (2003) Lexico3 – Outils de statistique textuelle. Manuel d'utilisation. Syled-CLA2T, Université de la Sorbonne nouvelle – Paris 3 : http://www.cavi.univ-paris3.fr/Ilpga/ilpga/tal/lexicoWWW. VALETTE, Mathieu, Alexander ESTACIO-MORENO, Etienne PETITJEAN, Evelyne JACQUEY (2006) « Éléments pour la génération de classes sémantiques à partir de définitions lexicographiques. Pour une approche sémique du sens », Verbum ex machina (TALN 06), P. Mertens et al. (éds). Cahiers du CENTAL, 2.1, PUL, pp. 357-366. VALETTE, Mathieu (2008) « A quoi servent les lexiques sémantiques ? Discussion et proposition », Description linguistique pour le traitement automatique du français, M. Constant, A. Dister, et al. (éds), Cahiers du CENTAL, n°5 – décembre 2008, PUL, 43-58.

Domaines

Linguistique
Fichier non déposé

Dates et versions

hal-00421627 , version 1 (02-10-2009)
hal-00421627 , version 2 (23-09-2010)

Identifiants

  • HAL Id : hal-00421627 , version 1

Citer

Coralie Reutenauer, Mathieu Valette, Evelyne Jacquey, Mick Grzesitchak. Proposition pour l'enrichissement sémantique de corpus textuels. 6e Journées internationales de la Linguistique de Corpus, Sep 2009, France. pp.40-50. ⟨hal-00421627v1⟩
199 Consultations
315 Téléchargements

Partager

Gmail Facebook X LinkedIn More