Du quatrième de proportion comme principe inductif : une proposition et son application à l’apprentissage de la morphologie [Inference with formal analogical proportions: application to the automatic learning of morphology]

Du quatrième de proportion comme principe inductif : une proposition et son application à l’apprentissage de la morphologie Nicolas Stroppa* — François Yvon** * National Centre for Language Technology, Dublin City University Dublin 9, Ireland nstroppa@computing.dcu.ie ** GET/ENST et LTCI, UMR 5141 46, rue Barrault, F-75013 Paris yvon@enst.fr RÉSUMÉ. Nous présentons un modèle d’apprentissage par analogie qui exploite la notion de proportions analogiques formelles ; cette approche présuppose de savoir donner un sens à ces proportions et de pouvoir implanter efficacement leur calcul. Nous proposons une définition algébrique de cette notion, valable pour les structures utilisées couramment pour les repré- sentations linguistiques : mots sur un alphabet fini, structures attribut-valeur, arbres étiquetés. Nous présentons ensuite une application à une tâche concrète, consistant à apprendre à ana- lyser morphologiquement des formes orthographiques inconnues. Des résultats expérimentaux sur plusieurs lexiques permettent d’apprécier la validité de notre démarche. ABSTRACT. We present an analogical learning model which exploits the notion of formal analogi- cal proportions; this approach requires the ability to define these proportions and to implement them efficiently. We propose an algebraic definition of this notion, which applies to a large range of structured objects: words, attribute-value structures, labeled trees. We test this infer- ence model by applying it to the task of learning morphological analyses of unknown forms. We can assess the validity of the approach thanks to experimental results that are given for several lexicons. MOTS-CLÉS : apprentissage automatique, raisonnement par analogie, morphologie. KEYWORDS: machine learning, analogical reasoning, morphology. TAL. Volume 47 – n° 1/2006, pages 33 à 59 34 TAL. Volume 47 – n° 1/2006 1. Introduction Les outils du traitement automatique des langues ont été profondément renouvelés, au cours des dernières années, par la rapide dissémination de techniques d’apprentis- sage automatique (Mitchell, 1997), qui permettent d’acquérir automatiquement des connaissances et des règles de décision (exemplairement de désambiguïsation) à par- tir de corpus ou de ressources annotées (Manning et Schütze, 1999). Plusieurs raisons ont concouru à accélérer cette évolution, en particulier, la multiplication des sources de données disponibles et la démonstration répétée de l’efficacité de ces méthodes. Si les approches à base de données s’opposent globalement aux approches à base de connaissances, cette notion recouvre de multiples sous-classes de méthodes, le choix d’une méthode particulière pour accomplir une tâche donnée dépendant lar- gement des options théoriques et des buts poursuivis : cherche-t-on à construire un apprenti cognitivement réaliste ? un apprenti qualitativement performant ? un apprenti dont on saura analyser et exploiter les connaissances ? auquel on pourra incorporer des connaissances linguistiques ? qui sera capable de traiter des représentations va- riées ? etc. Nous nous intéressons, dans ce travail, à un mécanisme d’apprentissage particulier, fondé sur la recherche de relations d’analogies au sein d’un échantillon de données étiquetées. Ce mécanisme présente deux spécificités qui le distinguent des méthodes d’apprentissage les plus utilisées, notamment des méthodes statistiques, et qui justifient son intérêt : sa capacité à intégrer des formes d’a priori linguistiques et à s’accommoder simplement de représentations symboliques riches …

Content truncated to 500 words