Analyse en corpus de chaînes de coréférence : la coréférence non-stricte à l'épreuve de la linguistique outillée - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Corpus analysis of coreference chains

Analyse en corpus de chaînes de coréférence : la coréférence non-stricte à l'épreuve de la linguistique outillée

Résumé

A coreference chain designates the set of linguistic expressions that refer to the same entity. The coreference relation between a chain's elements implies that the referent must be strictly the same for each expression that composes it. However, the referent of an expression is sometimes difficult to identify and the coreference relation between several expressions cannot therefore be strict without any doubt. For a reader, this lack of precision does not necessarily pose difficulties. Nevertheless, the coreference annotation task of a corpus consists in unequivocally identifying the referent of each expression. Non-strict coreference phenomena can therefore generate annotation difficulties. This thesis began within the ANR Democrat project, with an annotation task that highlighted the emergence of theoretical and technical annotation difficulties related to non-strict coreference. We thus propose to review the linguistic phenomena involved in non-strict coreference, in particular the (co)referential fuzziness as well as the typical cases found in corpora. In a second step, we propose a study of the annotation of these phenomena in a Democrat sub-corpus. This study reveals a great variability in the annotation of these phenomena from which we derive a classification. To avoid the annotation difficulties related to these phenomena, we propose a more precise framework for the annotation of fuzzy coreference. This implies precisions to be added to the annotation manual as well as an adapted annotation scheme, taking into account the fuzzy coreference.
Une chaîne de coréférence désigne l'ensemble des expressions linguistiques qui réfèrent à la même entité. La relation de coréférence entre les « maillons » d'une chaîne implique que le référent doit être strictement le même pour chaque expression qui la compose. Cependant, il arrive que le référent d'une expression soit difficile à identifier et que la relation de coréférence entre plusieurs expressions ne soit pas stricte de manière certaine. Pour un lecteur, ce manque de précision ne pose pas nécessairement de difficultés. En revanche, lors de l'annotation d'un corpus en coréférences, il est question d'indiquer clairement le référent de chaque expression. Les phénomènes de coréférence non stricte peuvent donc causer des difficultés d'annotation. Cette thèse a débuté au sein du projet ANR Democrat, avec une tâche d'annotation qui a permis de faire émerger des difficultés d'annotation théoriques et techniques liées à la coréférence non stricte. Nous proposons donc de passer en revue les phénomènes linguistiques impliqués dans la coréférence non stricte, notamment le flou (co)référentiel ainsi que les cas typiques relevés en corpus. Dans un second temps, nous proposons une étude de l'annotation de ces phénomènes dans un sous-corpus de Democrat. Cette étude révèle une grande variabilité d'annotation de ces phénomènes dont nous tirons une classification. Pour éviter les difficultés d'annotation liées à ces phénomènes, nous proposons un cadre plus précis pour l'annotation de la coréférence floue. Cela implique des précisions à ajouter au manuel d'annotation ainsi qu'un schéma d'annotation adapté, prenant en compte la coréférence floue.
Fichier principal
Vignette du fichier
These_Marine_DELABORDE_2020.pdf (2.72 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03425446 , version 1 (10-11-2021)

Identifiants

  • HAL Id : tel-03425446 , version 1

Citer

Marine Delaborde. Analyse en corpus de chaînes de coréférence : la coréférence non-stricte à l'épreuve de la linguistique outillée. Linguistique. Université de la Sorbonne nouvelle - Paris III, 2020. Français. ⟨NNT : 2020PA030073⟩. ⟨tel-03425446⟩
236 Consultations
475 Téléchargements

Partager

Gmail Facebook X LinkedIn More