Modular Generation of Formal Grammars
Génération Modulaire de Grammaires Formelles
Résumé
The work presented in this thesis aim at facilitating the development of resources for na-
tural language processing. Resources of this type take different forms, because of the existence of
several levels of linguistic description (syntax, morphology, semantics, . . . ) and of several forma-
lisms proposed for the description of natural languages at each one of these levels. The formalisms
featuring different types of structures, a unique description language is not enough: it is necessary to
create a domain specific language (or DSL) for every formalism, and to implement a new tool which
uses this language, which is a long a complex task.
For this reason, we propose in this thesis a method to assemble in a modular way development fra-
meworks specific to tasks of linguistic resource generation. The frameworks assembled thanks to our
method are based on the fundamental concepts of the XMG (eXtensible MetaGrammar) approach,
allowing the generation of tree based grammars. The method is based on the assembling of a des-
cription language from reusable bricks, et according to a unique specification file. The totality of the
processing chain for the DSL is automatically assembled thanks to the same specification.
In a first time, we validated this approach by recreating the XMG tool from elementary bricks. Some
collaborations with linguists also brought us to assemble compilers allowing the description of mor-
phology and semantics.
Les travaux présentés dans cette thèse visent à faciliter le développement de ressources pour
le traitement automatique des langues. Les ressources de ce type prennent des formes très diverses, en
raison de l’existence de différents niveaux d’étude de la langue (syntaxe, morphologie, sémantique,
. . . ) et de différents formalismes proposés pour la description des langues à chacun de ces niveaux.
Les formalismes faisant intervenir différents types de structures, un unique langague de description
n’est pas suffisant : il est nécessaire pour chaque formalisme de créer un langage dédié (ou DSL), et
d’implémenter un nouvel outil utilisant ce langage, ce qui est une tâche longue et complexe.
Pour cette raison, nous proposons dans cette thèse une méthode pour assembler modulairement, et
adapter, des cadres de développement spécifiques à des tâches de génération de ressources langa-
gières. Les cadres de développement créés sont construits autour des concepts fondamentaux de l’ap-
proche XMG (eXtensible MetaGrammar), à savoir disposer d’un langage de description permettant
la définition modulaire d’abstractions sur des structures linguistiques, ainsi que leur combinaison
non-déterministe (c’est à dire au moyen des opérateurs logiques de conjonction et disjonction). La
méthode se base sur l’assemblage d’un langage de description à partir de briques réutilisables, et
d’après un fichier unique de spécification. L’intégralité de la chaîne de traitement pour le DSL ainsi
défini est assemblée automatiquement d’après cette même spécification.
Nous avons dans un premier temps validé cette approche en recréant l’outil XMG à partir de briques
élémentaires. Des collaborations avec des linguistes nous ont également amené à assembler des com-
pilateurs permettant la description de la morphologie de l’Ikota (langue bantoue) et de la sémantique
(au moyen de la théorie des frames).