| |
 Acquisition automatique
sur corpus de lexiques basés sur la sémantique
différentielle
Localisation : Irisa, Rennes
Equipe : Aïda
Responsable : P. Sébillot (tél. direct : 02
99 84 73 17, email : sebillot@irisa.fr)
Mots-clés : acquisition d’information lexicale
sur corpus, classification, sémantique lexicale, sémantique
différentielle.
De nombreuses applications du traitement automatique du langage
naturel (recherche documentaire, traduction automatique, etc.) nécessitent
l’utilisation d’un lexique décrivant la sémantique
des mots qu’elles manipulent. Or de tels lexiques n’existent
pas pour tous les domaines, et ils doivent donc être acquis
automatiquement à partir d’un corpus, ensemble de textes
du domaine concerné.
Nous nous intéressons à l’acquisition, à
l’aide de méthodes de classification, de lexiques basés
sur la sémantique différentielle de Rastier, théorie
dans laquelle la signification d’un mot est définie
par les différences qu’elle entretient avec celles des
autres mots. Pour Rastier, le sens d’un mot est essentiellement
déterminé par le thème du texte dans lequel
il apparaît et par les mots qui l’entourent (son voisinage).
Un premier travail a permis de découper automatiquement un
corpus en sous-corpus parlant du même sujet. Le but de cette
thèse sera, dans un premier temps, d’affiner ce découpage
en sous-corpus thématiques en gérant les ambiguïtés
sémantiques concernant les diverses occurrences d’un
même mot. La seconde phase concernera la mise au point d’une
méthode efficace de classification permettant de regrouper
automatiquement, dans un sous-corpus donné, les mots sémantiquement
proches en classes homogènes (par exemple, regrouper chaise,
tabouret, fauteuil) grâce à la ressemblance de leurs
voisinages, puis l’établissement d’une technique
permettant, au sein d’une même classe, de distinguer
automatiquement les mots regroupés (notion de confort présente
pour fauteuil, pas pour tabouret), ou, au sein de deux thèmes
distincts, de caractériser la différence de sens d’un
même mot (aspect économique ou humain du mot pays)
toujours en se basant sur l’étude de leurs contextes
d’utilisation. Une application des liens ainsi appris à
la recherche d’information est envisagée.
|
