Graphes paramétrés et outils de lexicalisation
Contents
1. tre jamais sorti je n ai pas mang B H lt avoir V P C 1 J F gt gt LE TE c H lt tre VP CII F gt Advies inset je ne suis jamais sorti n_ ne lt E gt tn lt E gt lt E Fla js lt D VP CITF gt SE AdvNeg y locatif je n y mange pour ainsi dire jamais Figure 4 Le graphe param tr Vpar 5 2 Interrupteurs de chemins L acceptabilit de certaines constructions d pend de l ancre Cette d pendance est cod e par un interrupteur de chemin tel que le param tre AT dans la fig 2 La table indique par un trait binaire pour chaque entr e si cette construction est acceptable Suivant le cas le param tre est remplac soit par un noeud interm diaire vide fig 3 qui assure la connexion entre le d but et la fin du chemin soit par une valeur nulle qui l interrompt Les param tres B et C dans la figure 4 sont galement des interrupteurs de chemins 5 3 Identificateurs d entr es et de composants de la grammaire Lorsque plusieurs graphes d une m me grammaire sont lexicalis s en fonction d une m me ancre comme le graphe principal et les graphes NO V VINI ppv et N1 de la fig 1 la combinaison des diff rents graphes lexicalis s n cessite que leurs noms contiennent des identificateurs des entr es de la table Dans notre exemple il s agit de 0005 produit par le param tre 10 Un graphe param tr peut aussi ne pas contenir l ancre Ainsi dans la fig 3 l ancre est le verbe principal le so2. rique produit des variantes adapt es des l ments lexicaux sp cifiques Il est parfois pr f rable qu elle produise des variantes adapt es des classes d l ments lexicaux C est en fait le cas du graphe de la fig 4 il est possible de classer les verbes en sous cat gories telles que certains de ses param tres d pendent assez souvent de l appartenance du verbe aux sous cat gories et non de sa valeur lexicale pr cise C est ce qui a t fait lors de la construction du lexique grammaire du fran ais On peut donc utiliser ce graphe pour une lexicalisation par classes Lors de la g n ration des variantes lexicalis es des graphes on recherche les valeurs des param tres de lexicalisation dans une table comportant une entr e par classe Par exemple tous les verbes de la table 4 Gross 1975 s lectionnent obligatoirement l auxiliaire avoir pour les temps compos s Le r sultat de la lexicalisation pour cette classe fig 5 comporte donc des valeurs fixes la place des param tres B et C de la fig 4 En revanche dans ce m me graphe la valeur lexicale du verbe n est pas une valeur fixe Elle appara t donc sous la forme d un param tre F pour une passe de lexicalisation ult rieure 12 En l occurrence il s agit de la table g n rale des verbes distributionnels ric Laporte S bastien Paumier 6 Evaluation Une valuation pr cise de cette m thode de lexicalisation ne pourra tre effectu e qu en pr
3. Intex Silberztein 1993 se pr te la construction manuelle de grammaires En particulier la Ce mod le a t utilis pour l analyse syntaxique de phrases pr dicats multi mots Senellart 1999 Un verbe distributionnel par exemple pr f rer dans Luc pr f re le th au caf est un verbe qui n est ni un verbe support comme avoir dans Luc a une pr f rence pour le th ni fig avec un de ses actants comme rendre dans Luc se rend compte de la difficult Sur ces notions v Gross 1981 et Lecl re 2002 ric Laporte S bastien Paumier structuration en graphes petits et lisibles facilite l accumulation de composants peu d pendants les uns des autres Max a aimant le tournevis le soleil ne durcit pas le beurre it Max l a aimant ce jockey ne le cravache jamais EXTRACTION c est Max qui aimante le tournevis ce n est pas Max le jockey qui cravache son cheval c est NO qui V N1 c est Max qui l a aimant Luc c est le technicien qui l a aimante celui qui a cogne Luc c est Max l homme qui ne cravache pas son cheval c est Luc visp celui qui l a cogn c est Max Figure 1 Graphe g n rique 4 Lexicalisation par graphes param tr s Max a aimant le tournevis le soleil ne durcit pas le beurre per nes m o Max l a aimant ce jockey ne le cravache jamais EXTRACTION c est Max qui aimante le tournevis ce n est p
4. n rique aux diff rentes valeurs que peut prendre un mot Celui ci est appel l ancre du graphe param tr Chaque valeur de l ancre fait l objet d une entr e de la table Dans notre exemple l ancre est le verbe principal de la phrase Unitex produit galement un graphe qui appelle toutes les variantes lexicalis es du graphe g n rique Ces op rations sont ind pendantes du texte analyser et produisent typiquement des centaines de milliers de graphes Pour faciliter l exploitation de ce type de grammaire nous tudions plusieurs solutions notamment l utilisation d algorithmes parall les et l adaptation de la grammaire au texte Max a aimant le tournevis le soleil ne durcit pas le beurre DECLARATIVE v 0005 En N1 0005 T Max l a aimant ce jockey ne le cravache jamais EXTRACTION c est Max qui aimante le tournevis ce n est pas Max le jockey qui cravache son cheval lt E VN1 ppv 0005 c est Max qui l a aimant Luc c est le technicien qui l a aimant Ex c est NO qui V N1 celui qui a cogn Luc c est Max l homme qui ne cravache pas son cheval c est Luc gt vos j gt Hnos VINI ppv 0005 celui qui l a cogn c est Max Figure 3 Graphe lexicalis pour le verbe pr f rer 5 Types de param tres Les param tres de lexicalisation signalent les l ments d un graphe qui varient en fonction de l ancre valeurs lexicales inter
5. sence de plusieurs ressources une grammaire d une couverture raisonnable les tables de lexique grammaire d crivant les classes d l ments lexicaux ayant le statut d ancres les tables g n rales d crivant les propri t s des tables pr c dentes les lexiques donnant pour les l ments lexicaux les valeurs des traits syntaxiques et s mantiques utilis s dans la grammaire Aucune de ces ressources n tant disponible en totalit nous avons effectu une exp rience avec des ressources partielles un jeu de 20 graphes pour les phrases d claratives et de 54 graphes qui d crivent grossi rement les groupes nominaux les verbes modaux et les insertions adverbiales la table 32NM du lexique grammaire Boons et al 1976 l entr e de cette derni re dans la table g n rale des verbes distributionnels et les lexiques de formes fl chies du LADL Nous avons trait Le Tour du monde en 80 jours de Jules Verne 72 000 mots avec Unitex La grammaire g n rique retient 2014 occurrences dont 3 8 sont des identifications correctes d occurrences de la table 32NM En lexicalisant les 20 graphes pour les phrases d claratives on retient seulement 486 occurrences ce qui fait passer la pr cision 16 soit 4 fois plus Le bruit r siduel se r partit en 34 d aux approximations de la grammaire 27 d diverses ambigu t s lexicales expressions fig es il y a A pour 24 d des ambigu t s des ver
6. TALN 2006 Leuven 10 13 avril 2006 Graphes param tr s et outils de lexicalisation ric Laporte S bastien Paumier IGM Universit de Marne la Vall e 5 bd Descartes 77454 Marne la Vall e CEDEX 2 eric laporte univ mlv fr sebastien paumier univ mlv fr R sum La lexicalisation des grammaires r duit le nombre des erreurs d analyse syntaxique et am liore les r sultats des applications Cependant cette modification affecte un syst me d analyse syntaxique dans tous ses aspects Un de nos objectifs de recherche est de mettre au point un mod le r aliste pour la lexicalisation des grammaires Nous avons r alis des exp riences en ce sens avec une grammaire tr s simple par son contenu et son formalisme et un lexique syntaxique tr s informatif le lexique grammaire du fran ais labor au LADL La m thode de lexicalisation est celle des graphes param tr s Nos r sultats tendent montrer que la plupart des informations contenues dans le lexique grammaire peuvent tre transf r es dans une grammaire et exploit es avec succ s dans l analyse syntaxique de phrases Abstract Shifting to a lexicalized grammar reduces the number of parsing errors and improves application results However such an operation affects a syntactic parser in all its aspects One of our research objectives is to design a realistic model for grammar lexicalization We carried out experiments for which we used a grammar with a very simple content and fo
7. as Max le jockey qui cravache son cheval c est NO qui V N1 c est Max qui l a aimant Luc c est le technicien qui l a aimant celui qui a cogn Luc c est Max l homme qui ne cravache pas son cheval c est Luc celui qui l a cogn c est Max Figure 2 Graphe param tr Le graphe de la figure 2 est une variante du pr c dent param tr e en vue de sa lexicalisation La seule diff rence est la pr sence des param tres AT pr s de l tat initial et dans certains identificateurs de sous graphes La figure 3 est le r sultat de la lexicalisation pour le verbe pr f rer le param tre AT a t remplac par un noeud interm diaire vide et les param tres par le num ro identificateur de ce verbe Le principe de la lexicalisation par 7 La structuration du RTN et la lisibilit des graphes d pendent aussi du talent de l auteur de la grammaire Graphes param tr s et outils de lexicalisation graphes param tr s est ainsi la g n ration de variantes lexicalis es d un graphe g n rique On ins re manuellement des param tres dans les graphes de la grammaire g n rique Paumier 2001 Les variantes lexicalis es sont engendr es automatiquement par le syst me Unitex Paumier 2003 partir du graphe param tr Lors de cette op ration les param tres sont remplac s par des valeurs trouv es dans une table du lexique grammaire Les graphes lexicalis s obtenus sont les adaptations du graphe g
8. bes de la table 32NM avec d autres entr es verbales Il serait n cessaire de formaliser plus de contraintes dans la grammaire pour augmenter encore la pr cision Pour valuer le rappel nous avons fait une seconde exp rience avec une grammaire plus r duite et une seule entr e lexicale de verbe Nous avons lexicalis un graphe l g rement plus labor que celui de la fig 2 pour l entr e du verbe receler d crite dans la table 32NM et appliqu la grammaire obtenue un texte journalistique de 20 millions de mots Du fait que les formes conjugu es de ce verbe ne sont pas ambigu s avec d autres cat gories grammaticales nous obtenons 98 de pr cision sur les 50 constructions reconnues on compte 1 erreur due une forme interrogative avec inversion du sujet Notre corpus contenait 137 occurrences de ce verbe dont 47 correspondant des participes pr sents des infinitives et des relatives qui ne sont pas pr vus par la grammaire Sur les 90 autres occurrences notre grammaire en reconna t correctement 54 et en ignore e 21 cause d insertions non pr vues de parenth ses ou de guillemets ce mus e l int rieur du mus e rec le d sormais quelque treize cents oeuvres e 24 cause d autres lacunes de la grammaire graphe de groupe nominal incomplet coordinations de phrases etc il ne rec le rien de m diocre 1 Parmi celles ci 62 reconnaissent compl tement la structure de la phra
9. ces de qualit et n cessitent de nombreuses ann es de travail par des quipes qui combinent des comp tences r elles en informatique et en linguistique Le travail pr sent ici se situe dans une troisi me approche Roche 1993 1999 Il s agit d introduire dans une grammaire des informations pr sentes dans un lexique syntaxique et s mantique existant construit manuellement Le principal avantage de cette m thode vient de l utilisation d un lexique La construction manuelle de lexiques se pr te bien la prise en compte de deux notions cruciales d une part les unit s lexicales multi mots d autre part la s paration d un mot ambigu en plusieurs entr es lexicales Comme la pr c dente cette approche comporte une exigence de qualit et suppose une combinaison de comp tences en informatique et en linguistique Elle n cessite pour aboutir que le lexique ait une couverture lexico grammaticale plus tendue qu aucun lexique disponible l heure actuelle Cependant les enjeux sont la hauteur de la difficult et le lexique grammaire du LADL est une approximation pertinente du lexique requis Silberztein 1999 a modifi l approche de Roche par l utilisation syst matique de r seaux de transitions r cursifs RTN l introduction d outils de visualisation et d dition de RTN la simplification des outils de traitement des grammaires et l adoption d un autre algorithme d analyse syntaxique Nous avons poursuivi cette recherc
10. he avec de nouvelles grammaires et r alis des exp riences d valuation D autres projets du m me type sont en cours Gardent et al 2005 3 Les RTN comme formalisme grammatical Les RTN ont un statut part parmi les formalismes de grammaires syntaxiques et s mantiques en raison de leur simplicit biblique Il s agit d un outil purement formel d pourvu de notions linguistiques au m me titre que les automates finis ou les grammaires alg briques Le graphe de la fig 1 par exemple ne comporte explicitement ni traits ni syntagmes ni r gles d unification ni arbres syntaxiques C est le composant principal d une grammaire g n rique des phrases d claratives transitives directes verbe distributionnel et un seul compl ment essentiel Les ar tes du graphe repr sentent la concat nation de formes linguistiques Les listes contenues dans les noeuds comme que qu repr sentent des paradigmes Les identificateurs affich s sur fond gris comme NO repr sentent des appels d autres graphes Les textes apparaissant hors des noeuds comme Luc a vu le lit sont des commentaires destin s faciliter la lecture Les formes contenues dans les noeuds sont ici des mots mais peuvent aussi tre des masques lexicaux Blanc Dister 2004 et donc comporter des traits La quasi absence de m talangage uniquement les noms des graphes et les traits est un facteur important de lisibilit Cette forme graphique de RTN inspir e du syst me
11. nch verbs Lingvistic Investigationes 25 1 29 48 NEUMANN G 1998 Automatic extraction of stochastic lexicalized tree grammars from treebanks In Proc of the 4th Workshop on Tree Adjoining Grammars and Related Frameworks Philadelphia 666 679 PAUMIER S 2001 Some remarks on the application of a lexicon grammar Lingvisticae Investigationes 24 2 245 256 PAUMIER S 2003 De la reconnaissance de formes linguistiques l analyse syntaxique Th se de doctorat Universit de Marne la Vall e ROCHE E 1993 Analyse syntaxique transformationnelle du fran ais par transducteurs et lexique grammaire Th se de doctorat Universit de Marne la Vall e 170 p ROCHE E 1999 Finite state transducers parsing free and frozen sentences In A Kornai ed Extended finite state models of language Cambridge University Press 108 120 SENELLART J 1999 Reconnaissance automatique des entr es du lexique grammaire des phrases fig es Travaux de linguistique 37 109 121 SILBERZTEIN M 1993 Dictionnaires lectroniques et analyse automatique de textes Le syst me INTEX Paris Masson 234 p SILBERZTEIN M 1999 Manuel d utilisation d Intex version 4 12 10
12. nterrupteurs de chemins identificateurs d entr es lexicales ou de composants de la grammaire existent dans tout formalisme grammatical ou peuvent facilement y tre incorpor s Les potentialit s de ce mod le nous semblent donc beaucoup plus tendues que l utilisation qui en a t faite depuis sa cr ation En particulier des exp riences sont en cours dans notre quipe Blanc Constant 2005 sur l application de ce mod le un formalisme grammatical plus complexe avec unification et production d un arbre distinct de l arbre de d rivation et avec l algorithme d analyse syntaxique d Earley plus efficace R f rences ABEILLE A CANDITO M H 2000 FTAG a lexicalized Tree adjoining grammar for French In Abeill A Rambow O eds Tree Adjoining Grammars CSLI Stanford 305 330 BLANC O CONSTANT M 2005 Lexicalization of grammars with parameterized graphs In Proc of RANLP 2005 Borovets Bulgaria 117 121 BLANC O DISTER A 2004 Automates lexicaux avec structure de traits Actes de RECITAL 23 32 BOONS J P GUILLET A LECLERE CH 1976 La structure des phrases simples en fran ais Classes de constructions transitives Rapport technique 6 LADL 86 58 p BRISCOE T CARROLL J 1993 Generalised probabilistic LR parsing for unification based grammars Computational linguistics 19 1 25 60 CARROLL J FANG A 2004 The automatic acquisition of verb subcategorisations and their impact on the perf
13. ormance of an HPSG parser In Proc of IJCNLP LNCS 3248 646 654 ric Laporte S bastien Paumier EGEDI D MARTIN P 1994 A Freely Available Syntactic Lexicon for English In Proc of the International Workshop on Sharable Natural Language Resources Nara Japan GARDENT C GUILLAUME B PERRIER G FALK I 2005 Maurice Gross grammar lexicon and natural language processing In Proc of the Language and Technology Conference Poznan Poland GROSS M 1975 M thodes en syntaxe Paris Hermann 414 p GROSS M 1981 Les bases empiriques de la notion de pr dicat s mantique Langages 63 7 52 GROSS M 1984 Lexicon Grammar and the Syntactic Analysis of French Proc of COLING GROSS M 1994 2e dition 2005 Lexicon Grammar Application to French In R E Asher ed The Encyclopedia of Language and Linguistics Oxford New York Seoul Tokyo Pergamon vol 4 2195 2205 HAN C LAVOIE B PALMER M RAMBOW O KITTREDGE R KORELSKY T KM N KIM M 2000 Handling structural divergences and recovering dropped arguments in a Korean English machine translation system In Proc of the Conference of the Association for Machine Translation in the Americas LNCS 1934 Berlin New York Springer 40 53 JIKOUN K MUR J DE RIKE M 2004 Information extraction for question answering Improving recall through syntactic patterns In Proc of COLING 1284 1290 LECLERE CH 2002 Organization of the lexicon grammar of Fre
14. r sents dans les corpus arbor s disponibles La couverture lexicale et la couverture grammaticale d un corpus arbor sont en effet toutes deux tributaires de sa taille De plus la s paration d un mot ambigu en plusieurs entr es lexicales notion fondamentale est peu d velopp e dans les corpus arbor s disponibles Une deuxi me approche Egedi Martin 1994 Abe ll Candito 2000 consiste enrichir manuellement des grammaires g n riques en informations relatives des l ments lexicaux Laboratoire d automatique documentaire et linguistique Universit Paris 7 1968 2000 Ce travail a t en partie financ par le CNRS et par le Minist re fran ais de l Industrie Nous remercions les relecteurs pour leurs remarques pertinentes Dans la suite nous appelons grammaires g n riques les grammaires non lexicalis es La cible de l apprentissage tant la correspondance entre l ments lexicaux et constructions grammaticales le nombre d exemples pertinent ici est plut t une couverture lexico grammaticale qui n cessiterait des quantit s de corpus arbor s d un ordre de grandeur encore sup rieur Graphes param tr s et outils de lexicalisation Le fait que la proc dure soit manuelle permet aux auteurs des ressources d exercer un contr le direct sur leur contenu aussi bien lors de la maintenance et de la correction d erreurs que lors de la construction initiale De tels projets visent la construction de ressour
15. rmalism and a very informative syntactic lexicon the lexicon grammar of French elaborated by the LADL Lexicalization was performed by applying the parameterized graph approach Our results tend to show that most information in the lexicon grammar can be transferred into a grammar and exploited successfully for the syntactic parsing of sentences 2 F 2 Mots cl s Grammaires syntaxe lexicalisation r seaux de transitions r cursifs Keywords Grammar syntax lexicalization recursive transition networks ric Laporte S bastien Paumier 1 Introduction L analyse syntaxique automatique du texte en langue naturelle n cessite l utilisation de grammaires syntaxiques et s mantiques formalis es La majorit des auteurs de grammaires a longtemps fait porter l essentiel de ses efforts sur la g n ralit des r gles qu ils y formalisaient Depuis une quinzaine d ann es beaucoup tentent au contraire de prendre en compte les interd pendances massives entre l ments lexicaux et r gles grammaticales et de lexicaliser les grammaires c est dire d y introduire des informations sp cifiques certains l ments lexicaux Cela r duit le nombre d erreurs d analyse syntaxique Briscoe Carroll 1993 Carroll Fang 2004 et am liore les r sultats des syst mes de traduction automatique Han et al 2000 ou de r ponse des questions Jijkoun et al 2004 Cependant cette modification affecte un syst me d analyse syntaxiq
16. rupteurs de chemins En voici une typologie 5 1 Valeurs lexicales Certaines valeurs lexicales d pendent de l ancre par exemple des pr positions r gies par des pr dicats pr f rer retenir de ou encore l ancre elle m me Ainsi dans la figure 4 le param tre D correspond au lemme de l ancre Remplac dans l expression lt D V K gt il Logiciel libre sous licence LGPL http igm univ mlv fr unitex chaque param tre correspond une colonne de la table ric Laporte S bastien Paumier produit le masque lexical lt pr f rer V K gt qui code les formes du participe pass K du verbe V pr f rer j ai mang B H lt avoir V P C 1 J F gt N MeS y c H lt trevr crrr inset je suis vite sorti lt vg lt D V P CIJ F gt y locatif je mange je devrais avoir mang avoir j aurais pu ne pas souvent manger es 4 Van lt E lt D V K gt Insert C H tre n ne lt E gt j jaurais pu manger n AdvNeg H EE GD doit tre sorti lt E gt lt E gt h Es Vaux re y D y le cas je n ai pas pu manger y locatif est trait dans Vaux je devrais n avoir pas mang B H avoir ne j A AdNes a a HeD VK n y y c H tre y locatif Gl devrait n
17. se et 38 partiellement 14 x ie Ces valeurs ne sont pas comparables ceux fournis par d autres analyseurs syntaxiques car notre tiquetage morpho syntaxique a plus de rappel mais moins de pr cision que ceux utilis s par les autres auteurs Graphes param tr s et outils de lexicalisation Il voyage beaucoup mais rec le des tendances casani res Ses gravures ne rec lent cependant ni citation ni imitation Le silence est donc d la grammaire g n rique et non la m thode de lexicalisation Voici quelques exemples d occurrences correctement analys es Constantine est une ville qui rec le des tr sors culturels Les bordereaux rec lent enfin les noms de plusieurs grandes entreprises fran aises Les instruments financiers d riv s en g n ral rec lent des risques importants parfois masqu s derri re leur appareil technique et math matique La banlieue parisienne rec le bien des surprises en mati re de handball 7 Conclusion Les r sultats obtenus tendent confirmer les r sultats pr c dents sur le r alisme du mod le de lexicalisation par graphes param tr s la plupart des informations contenues dans le lexique grammaire peuvent tre transf r es dans une grammaire g n rique et exploit es avec succ s dans l analyse syntaxique de phrases Par ailleurs ce mod le de lexicalisation est fortement d coupl du formalisme grammatical Les notions auxquelles il fait appel valeurs lexicales i
18. ue dans tous ses aspects lexique structures de donn es algorithmes et ordres de grandeur des objets Un de nos objectifs de recherche est de mettre au point un mod le r aliste pour la lexicalisation des grammaires syntaxiques et s mantiques Nous avons r alis des exp riences en ce sens avec une grammaire tr s simple par son contenu et son formalisme et un lexique syntaxique tr s informatif le lexique grammaire du fran ais labor au LADL Gross 1984 1994 La m thode de lexicalisation est celle des graphes param tr s Dans cette pr sentation apr s un rappel sur des travaux ant rieurs nous d crivons notre formalisme grammatical la lexicalisation par graphes param tr s et nos exp riences d valuation et nous en tirons des conclusions 2 Travaux ant rieurs L approche la plus r pandue pour la lexicalisation consiste enrichir une grammaire g n rique par apprentissage automatique partir d exemples trouv s dans un corpus arbor Neumann 1998 Le principal avantage de ce principe est sans doute la division du travail entre deux types de t ches d une part la construction des corpus arbor s qui demande essentiellement des talents en linguistique et d autre part l apprentissage automatique envisag comme un probl me presque purement informatique La difficult de l entreprise ressort cependant si l on met en relation la complexit des comportements apprendre et le nombre limit s d exemples p
19. us graphe N0 0005 repr sente son sujet et tient compte des contraintes exerc es sur le sujet par une des valeurs lexicales du verbe mais le verbe ne figure pas dans ce sous graphe l Pour am liorer la lisibilit des graphes param tr s les notations peu parlantes AT D seront remplac es par les intitul s des propri t s respectivement NO V N1 et V Graphes param tr s et outils de lexicalisation Dans la fig 3 le graphe lexicalis appelle des sous graphes adapt s l ancre en raison des contraintes de s lection que celle ci exerce sur le sujet Cet effet est obtenu en ins rant un param tre de lexicalisation dans le nom du graphe appel fig 2 Le sous graphe appel doit tre lexicalis par ailleurs 5 4 Niveaux de g n ricit dans la lexicalisation lt E gt Insert lt avoir V P CITF gt lt Si lt F V P CIJ F gt avoir lt E gt Insert ne lt E gt An lt E lt E aus sn y ne lt E gt TE lt E gt x lt KE n h A EESE Insert QENK lt avoir V P CITF gt lt E gt lt E gt H lt VK gt AdvNeg Insert OENE n ne lt E SES SEx P CLIF gt ne js lt F VPCITF gt j Re AdvNeg Figure 5 Le graphe Vpar lexicalis pour la classe 4 Dans les exemples pr c dents la lexicalisation d un composant d une grammaire g n
Download Pdf Manuals
Related Search