Extraction de synonymes à partir d'un corpus multilingue aligné - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Texte et corpus Année : 2008

Extraction de synonymes à partir d'un corpus multilingue aligné

Résumé

L’extraction automatique de synonymes est une tâche relativement classique parmi les applications du traitement automatique des langues ; qui plus est, ses résultats et la qualité de ceux-ci vont souvent conditionner d’autres processus importants du domaine comme la fouille de textes, le résumé automatique, l’indexation de documents ou l’expansion de requêtes. Les différents procédés d’extraction ont en commun une recherche de similarités entre les unités du lexique à partir de leurs emplois dans un corpus1. En général, le corpus est constitué de textes, et les premières recherches ont été menées en traitant des productions spécialisées comme des comptes-rendus médicaux ou des notices techniques, tous rédigés dans la même langue. Dans ce cas, l’extraction des synonymes postule que les mots reliés sémantiquement partagent un certain nombre de contextes ; les méthodes les plus sophistiquées élaborent au préalable une analyse syntaxique des textes, ce qui permet le rapprochement de mots qui partagent non seulement le même co-texte, mais aussi la même fonction syntaxique (Bourigault, 2002). Néanmoins, et malgré tout l’intérêt des résultats de ces travaux, il faut bien reconnaître comme leurs auteurs que la moisson de synonymes s’avère relativement pauvre lorsque l’on s’attaque à des corpus généraux comme ceux constitués par plusieurs années de textes journalistiques (Bourigault & Galy, 2005). On remarque alors que les ensembles ainsi formés contiennent certes des synonymes, mais aussi des antonymes, des hyponymes et des hyperonymes, même en excluant les changements de catégorie grammaticale. Sans approfondir ces aspects d’une méthode qui n’est pas la nôtre, on peut toutefois mentionner que des travaux récents sur la polysémie verbale ont mis en évidence la flexibilité des « classes » formées à partir du partage de contextes (Jacquet & Venant, 2005). Ces mêmes travaux ont par ailleurs montré tout l’intérêt de passer d’une analyse globale sur tout un corpus, à une approche plus locale et dynamique pour mieux désambiguïser les énoncés et constituer des classes d’objets2 qui seraient cette fois plus homogènes.
Signalons ici une variante importante et prometteuse de la méthode : elle opère un changement de corpus en s’attachant à traiter non plus des textes, mais les définitions de dictionnaires généraux. Les résultats obtenus avec le lexique verbal, appliquant des filtrages pertinents, conduisent à des rapprochements synonymiques, voire métaphoriques tout à fait intéressants et dénués d’anomalies grossières (Gaume, 2006).
Cela dit, nous allons maintenant nous pencher sur une autre voie, qui emploie des corpus multilingues, et dont les fondements diffèrent sensiblement des méthodes précédentes.

Domaines

Linguistique
Fichier principal
Vignette du fichier
jlc07.pdf (79.66 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Licence : CC BY NC ND - Paternité - Pas d'utilisation commerciale - Pas de modification

Dates et versions

hal-04524318 , version 1 (28-03-2024)

Licence

Paternité - Pas d'utilisation commerciale - Pas de modification

Identifiants

  • HAL Id : hal-04524318 , version 1

Citer

Jean-Luc Manguin, Tiedemann Jörg, Plas van Der. Extraction de synonymes à partir d'un corpus multilingue aligné. Texte et corpus, 2008. ⟨hal-04524318⟩
15 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More