Notre recherche présente la conception et la réalisation d’un système d’analyse syntaxique de surface en français sans connaissance préalable. START est un système à base de règles qui reconnaît les groupes syntaxiques d’un corpus non annoté en français, et procède à l’étiquetage partiel des constituants. La méthode est fondée sur l’analyse distributionnelle des mots grammaticaux (comme les articles, pronoms, négation, etc.) qui sont utilisés comme le noyau des règles. Les règles sont fondées sur des statistiques effectuées sur l’ensemble du corpus, afin de définir la fonction et la distribution des mots grammaticaux. Le système effectue les tâches suivantes :

• Reconnaissance des phrases, avec mention sur les signes de ponctuation et désambiguïsation du rôle du point, cette procédure préliminaire pour tout traitement du langage naturel dépasse 99% de reconnaissance avec un taux d’erreur inférieur à 0,9%. Le même algorithme a été testé sur un corpus en grec et les résultats atteignent les mêmes taux de réussite et d’erreur respectivement.

• Détermination des frontières des constituants tels que les groupes nominaux, les groupes verbaux. Le système reconnaît des groupes syntaxiques (groupes nominaux, verbaux, prépositionnels), et procède à l’extraction des parties du discours, par exemple pour une phrase « … étendait ses bras vides. », le système reconnaît le groupe nominal /ses bras vides/. Nous insistons sur le fait que notre algorithme n’utilise ni textes étiquetés ni dictionnaire.

•Etiquetage partiel des mots qui composent les constituants détectés, par exemple pour le groupe nominal /ses bras vides/ le système étiquette le mot /bras/ comme nom.

•Désambiguïsation du cas « le, la, les, l’ », article défini ou pronom personnel ? Le système reconnaît le type grammatical et procède à l’étiquetage du contexte droit du mot ambigu soit nom (si article) soit verbe (si pronom). La réussite dépasse 98,5% et l’erreur est inférieur à 1%. Le module de désambiguïsation est un parseur à trois passages.

•Création d’un dictionnaire à partir des mots qui composent les constituants. Par exemple le mot « bras » va être ajouté dans le dictionnaire dans la catégorie grammaticale correspondante. Le dictionnaire est composé de noms, verbes, participes passés en leur forme fléchie et quelques adverbes.

Le dictionnaire est utilisé pour le troisième passage du parseur de désambiguïsation, comme une procédure d’auto- apprentissage. Nous avons également commencé à construire un dictionnaire grec avec les catégories grammaticales : nom et verbe. Les expérimentations ont été effectuées sur un corpus grec non annoté et les résultats sont satisfaisants. Ceci prouve l’adaptabilité de l’algorithme sans autre changement que la lange elle-même. Le fait que le taux d’erreur des différentes applications soit bas, nous donne la possibilité d’annoter automatiquement et partiellement des corpus non restreints, contrairement aux annotations actuelles où le taux d’erreur est si important qu’il rend intéressante l’annotation manuelle. Une autre perspective est l’étiquetage automatique du rôle syntaxique des parties du discours détectées. Si l’on considère l’exemple que nous avons mentionné plus haut, « … étendait ses bras vides. », le groupe nominal reconnu /ses bras vides/ va être étiqueté comme complément d’objet direct (COD) du verbe qui précède « étendait ». Ce qui nous intéresse également est la possibilité de générer automatiquement les règles du système.

Allocataire de recherche - Monitrice (1998-2001)

Introduction à l'informatique (DEUG MASS

Architecture des ordinateurs (DEUG MASS)

Programmation Logique (DEUG MASS)

Systèmes et Réseaux (DEUG MASS)

ATER Université Paris 8 (2001 - 2003)

Programmation Orientée Objet C++ (IUP MIME)

Structure de donnees (IUP MIME)

Programmation impérative, programmation en perl (IUP MIME)

Cargée de Cours Université Paris 8 (2003-2005)

Techniques de Programmation avancées (Licence - Maîtrise Informatique)

Introduction aux langages informatiques (DEUG MISASHS)

Ingénierie des langues (Licence - Maîtrise Informatique)

Programmation logique (DEUG MISASHS)

Cargée de Cours CNAM (2004-2005)

Architecture des machines

Systèmes informatiques

Logiciels fonctionnant sur Windows NT et 9x

• Emacs version 20.4 : emacs.bin - emacs.lisp

• Les principales fonctions et les principaux raccourcis disponibles sous Emacs : refcard.ps

• Gcc Version 2.95 complet (Compilateur C pour PC) : gcc-2_95.exe

• HowTo installer gcc et emacs sous windows : howto.txt

 

• MiKTex version 1.2 complet (LaTex pour PC) : 1.20.zip

• Ghostscript : gs600w32.exe

• Ghostview (viewer de fichier postscript (utilise ghostscript)) : gsv28w32.exe

 

• Terminal : Tera Term Pro

• SSH utilisant Tera Term Pro : SSH