Apprentissage sur corpus de relations lexicales sémantiques - La linguistique et l'apprentissage au service d'applications du traitement automatique des langues - TEL - Thèses en ligne Accéder directement au contenu
Hdr Année : 2002

Corpus-based acquisition of semantic lexical relations - Linguistics and machine learning in the service of natural language processing applications

Apprentissage sur corpus de relations lexicales sémantiques - La linguistique et l'apprentissage au service d'applications du traitement automatique des langues

Pascale Sébillot

Résumé

The document is a synthesis of our research on textual corpus based acquisition of lexical resources. More precisely, our work is dedicated to the elaboration of methods to automatically learn semantic lexical relations which enrich the description of words, both in a disambiguation and a intra- and inter-category semantic variants recognition objectives; moreover these relations can be used in several applications (information retrieval, filtering, etc.). A key point of our research is the strong coupling between the developed machine learning methods and linguistic theories: the theories are indeed a framework to determine relevant lexical relations, to validate what is acquired, or even to propose the machine learning method necessary for the acquisition; the acquired elements also have to be linguistically motivated and significant. We present our work in F. Rastier's Interpretive semantics framework to automatically acquire intra-category paradigmatic links (antonymy, synonymy, etc., but also more fine-grain semic ones) from specialized corpora, using statistical techniques (in particular ascending hierarchical clustering). We also describe how inductive logic programming symbolic machine learning helps us to learn noun-verb transcategory relations, controlling the relevance of the obtained links with J. Pustejovsky's Generative lexicon formalism. The conclusive section is dedicated to several issues, among which the use of the relations to expand queries in information retrieval systems, the way to evaluate the contribution of these lexical resources, but also the adequacy of explanatory machine learning techniques to acquire information from corpora.
Le document présente une synthèse des recherches que nous avons menées sur le thème de l'acquisition de ressources lexicales à partir de corpus textuels. Plus particulièrement, ces travaux portent sur le développement de méthodes d'apprentissage automatique de relations lexicales sémantiques, ayant pour objectif d'enrichir la description de mots dans une double optique de désambiguïsation et de traitement de variantes sémantiques intra- et intercatégorielles, et susceptibles d'être utilisées au sein de différentes applications (recherche d'information, filtrage...). Nos études se caractérisent particulièrement par le fort couplage que nous recherchons entre les méthodes d'apprentissage développées et des théories linguistiques. Ces théories nous servent de cadres pour déterminer les relations lexicales pertinentes, valider ce qui est acquis, voire mettre au point la méthode d'apprentissage nécessaire à cette acquisition; de plus, les éléments appris doivent être linguistiquement motivés et significatifs. Ainsi, nous décrivons comment, en nous positionnant dans le cadre de la sémantique interprétative de F. Rastier, nous cherchons à apprendre, par des méthodes statistiques (en particulier de classification ascendante hiérarchique), des liens paradigmatiques intracatégoriels - antonymie, synonymie..., mais aussi d'autres liens plus fins de type sémique - à partir de corpus non spécialisés. D'autre part, nous expliquons comment, en contrôlant leur pertinence grâce au formalisme du Lexique génératif de J. Pustejovsky, nous acquérons par de l'apprentissage symbolique de type programmation logique inductive des liens transcatégoriels nomino-verbaux. Parmi les perspectives évoquées en conclusion, nous abordons en particulier les questions soulevées lorsque l'on s'intéresse à l'insertion des relations acquises dans un système de recherche d'information pour reformuler des requêtes, ainsi que celles concernant l'évaluation des apports de ces ressources lexicales. Nous discutons également de la pertinence de l'utilisation de méthodes d'apprentissage explicative pour acquérir des informations en corpus.
Fichier principal
Vignette du fichier
hdr_Pascale_Sebillot.pdf (951.01 Ko) Télécharger le fichier
Loading...

Dates et versions

tel-00533657 , version 1 (08-11-2010)

Identifiants

  • HAL Id : tel-00533657 , version 1

Citer

Pascale Sébillot. Apprentissage sur corpus de relations lexicales sémantiques - La linguistique et l'apprentissage au service d'applications du traitement automatique des langues. Interface homme-machine [cs.HC]. Université Rennes 1, 2002. ⟨tel-00533657⟩
397 Consultations
719 Téléchargements

Partager

Gmail Facebook X LinkedIn More