Est-ce que l'extraction des interrogatives du français peut-elle être automatisée ? - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Can French Interrogative Retrieval be Fully Machine-Based ?

Est-ce que l'extraction des interrogatives du français peut-elle être automatisée ?

Résumé

The vast majority of linguistic corpus studies on French interrogatives retrieve the researched patterns by hand or only based on simple heuristics on raw text (e.g. interrogative words, question marks). In this paper, I present FUDIA (French UD Interrogative Annotator), a program able to detect French interrogatives from a corpus annotated in Universal Dependencies (UD). FUDIA is a rule-based graph rewriting system based on Grew. I inventory the obstacles to such an interrogative identification task and I explain how FUDIA solves most of them. I show that, coupled with a parser fine-tuned on similar data, FUDIA obtains good results on raw text (written and speech transcription).
La quasi totalité des études linguistiques sur les interrogatives du français se contente d'extraire ces dernières d'un corpus à la main ou grâce à de simples heuristiques basées sur du texte brut (mots interrogatifs, point d'interrogation,...). Dans ce papier, je présente FUDIA (French UD Interrogative Annotator), un programme qui permet de détecter les interrogatives du français d'un corpus annoté en dépendances universelles (UD). FUDIA est un système de réécriture de graphe par règles, basé sur Grew. Je liste les obstacles à une telle tâche d'identification automatique des interrogatives et j'explique comment FUDIA en résout la plupart. Je montre que, couplé à un parseur affiné sur des données similaires, FUDIA obtient de bons résultats sur du texte brut (écrit et transcription de l'oral).
Fichier principal
Vignette du fichier
PDF.pdf (226.72 Ko) Télécharger le fichier
lift_poster.pdf (534.68 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04359947 , version 1 (21-12-2023)

Identifiants

  • HAL Id : hal-04359947 , version 1

Citer

Valentin D. Richard. Est-ce que l'extraction des interrogatives du français peut-elle être automatisée ?. 5èmes journées du Groupement de Recherche CNRS « Linguistique Informatique, Formelle et de Terrain » (LIFT 2023), Nov 2023, Nancy, France. pp.69-76. ⟨hal-04359947⟩
57 Consultations
10 Téléchargements

Partager

Gmail Facebook X LinkedIn More