Making Use of Existing Lexical Resources to Build a Verbnet like Classification of French Verbs - TEL - Thèses en ligne Access content directly
Theses Year : 2012

Making Use of Existing Lexical Resources to Build a Verbnet like Classification of French Verbs

Acquisition de classes verbales pour le français

Abstract

Classifications which group together verbs and a set of shared syntactic and semantic properties have proven useful both in linguistics and in Natural Language Processing tasks. However, for French this type of classifications is not available in a format suitable for automated processing. In addition, most existing approaches for automatically acquiring verb classes fail to associate the verb classes produced with an explicit characterisation of the syntactic and semantic properties shared by the class members. Here we propose a novel approach to verb clustering which addresses these shortcomings. We classify French verbs using two clustering methods, a symbolic method called Formal Concept Analysis (FCA) and a probabilistic neural clustering method called Incremental Growing Neural Gas with Feature Maximisation (IGNGF). The obtained classes group together verbs, subcategorisation frames and thematic grids. We apply this approach to French data consisting of roughly 4000 verbs and 350 subcategorisation frames, and evaluate both the clusters obtained (i.e., verb classes) and the features labeling each cluster (i.e., syntactic frames and thematic grids). The results suggest that both classification methods can be used to bootstrap a Verbnet style classification for French such that the verb classes it contains (i) are reasonably clean and (ii) associate verbs with partial information about subcategorisation frames and thematic grids. The obtained classifications are complementary. While the FCA classification better represents verb polysemy (better F-measure and recall compared to reference data) the IGNGF classification performed better with respect to the produced verb classes and when used in a task based evaluation.
Des classifications verbales associant classes de verbes avec des propriétés syntaxiques et sémantiques communes aux membres d'une classe se sont montrées utiles aussi bien dans la recherche linguistique que dans le traitement automatique des langues. Cette thèse a pour objectif de présenter des approches pour l'acquisition automatique de classes verbales pour le Français palliant ainsi partiellement le manque de ce type de ressources pour le Français. Par rapport aux classes générées, dans la plupart des approches existantes, les classes de verbes produites ne sont pas associées avec une caractérisation explicite des propriétés syntaxiques et sémantiques partagées par les membres des classes. Notre approche permet non seulement de créer des classes de verbes mais aussi d'associer ces classes avec les cadres de sous-catégorisations et les grilles thématiques partagés par les membres d'une classe. Nous utilisons deux méthodes de classification pour acquérir des classes verbales. La première est une méthode symbolique appelée \textit{Analyse Formelle de Conceptes} (FCA - Formal Concept Analysis). La deuxième exploite un algorithme de gaz neuronal croissant basé sur l'étiquetage des clusters par maximisation de vraisemblance (IGNGF - Incremental Growing Neural Gas with Feature maximisation). Pour la création des classes verbales, nous appliquons ces deux méthodes aux même ressources Françaises et Anglaises. Celle-ci sont constituées d'une part d'un lexique syntaxique pour les verbes du Français, issue de la fusion de trois ressources pour le Français existantes. D'autre part elles sont obtenues par traduction automatique en Français des classes du Verbnet anglais. Les classes verbales produites sont associées à des informations syntaxiques et sémantiques explicites sous forme de cadres de sous-catégorisations et grilles thématiques. Les classifications produites sont évaluées dans un premier temps en tant que groupements de verbes par une comparaison à une référence (proposé par \cite{SunKorhonenEtAl}). Deuxièmement, les associations aux cadres syntaxiques et aux grilles thématiques sont évaluée d'une part d'une façon intrinsèque par une comparaison à une annotation manuelle en rôles thématiques. D'autre part nous effectuons une évaluation extrinsèque en utilisant les classes verbales dans une tâche d'annotation en rôles thématiques simplifiée. Ces évaluations montrent que les classifications obtenues par les deux méthodes sont pertinentes tant par rapport aux groupement de verbes produits qu'aux associations de ces verbes avec des cadres de sous-catégorisation et des grilles thématiques. Elles présentent néanmoins des caractéristiques complémentaires. Tandis que les classes produites par FCA se sont révélées plus performantes par rapport aux associations $\langle$verbe, cadre syntaxique$\rangle$ et $\langle$verbe, grille thématique$\rangle$, les classes générées par IGNGF correspondent mieux à la classification de référence et se sont montrées plus efficaces à l'attribution de rôles thématiques.
Fichier principal
Vignette du fichier
these.pdf (1.11 Mo) Télécharger le fichier
main.pdf (785.63 Ko) Télécharger le fichier
Format : Other
Loading...

Dates and versions

tel-00714737 , version 1 (05-07-2012)

Identifiers

  • HAL Id : tel-00714737 , version 1

Cite

Ingrid Falk. Making Use of Existing Lexical Resources to Build a Verbnet like Classification of French Verbs. Computation and Language [cs.CL]. Université Nancy II, 2012. English. ⟨NNT : ⟩. ⟨tel-00714737⟩
460 View
641 Download

Share

Gmail Facebook Twitter LinkedIn More