Acquisition de connaissances lexicales à partir de corpus : la sous-catégorisation verbale en français [Lexical acquisition from corpora: the case of subcategorization frames in French]

Acquisition de connaissances lexicales à partir de corpus : la sous-catégorisation verbale en français Cédric Messiant* — Kata Gábor** — Thierry Poibeau*** * Laboratoire d’Informatique de Paris-Nord, UMR 7030 CNRS et Université Paris 13 99, avenue Jean-Baptiste Clément — F-93430 Villetaneuse, France cedric.messiant@lipn.univ-paris13.fr ** Department of Language Technology, Research Institute for Linguistics Hungarian Academy of Sciences — Budapest, Hongrie gkata@nytud.hu *** Laboratoire LaTTiCe, UMR 8094 CNRS et École Normale Supérieure 1, rue Maurice Arnoux — F-92120 Montrouge, France thierry.poibeau@ens.fr RÉSUMÉ. Nous décrivons dans cet article une méthode permettant l’acquisition d’un lexique syn- taxique des verbes du français à partir de l’analyse automatique de gros corpus. Nous évaluons cette méthode par rapport à des ressources existantes et nous montrons que notre système pro- duit automatiquement de nouvelles données qui peuvent compléter les lexiques existants. Nous montrons enfin comment la syntaxe peut aider à faire émerger des classes lexico-sémantiques, dans la lignée des travaux de Levin (1993). ABSTRACT. We present in this paper a method to automatically acquire a syntactic lexicon of subcategorization frames for French verbs directly from large corpora. The method is evaluated against existing lexical resources: we show that our system is capable of producing new frames that were not previously registered. Lastly, we show that it is possible to induce lexico-semantic classes « à la Levin » (1993) from these data. MOTS-CLÉS : lexique, verbe, sous-catégorisation, acquisition à partir de corpus. KEYWORDS: lexicon, verb, subcategorization frames, lexical acquisition. TAL Volume 51 – n° 1/2010, pages 65 à 96 66 TAL Volume 51 – n° 1/2010 1. Introduction Les informations lexicales, c’est-à-dire les informations se rapportant aux mots et à leurs propriétés ont pris une importance considérable pour le traitement des langues ces dernières années (Danlos, 1988 ; Laporte, 2000). Il est en effet primordial pour la grammaire d’une langue de savoir comment se combinent les mots, simples ou com- posés, sur le plan syntaxique comme sur le plan sémantique. La finesse de l’analyse repose finalement moins sur des principes syntaxiques généraux que sur les contraintes propres à chaque élément lexical (Gross, 1975 ; Gross et Danlos, 1988). Au sein des théories lexicalistes, comme la grammaire lexicale-fonctionnelle (LFG) ou la gram- maire syntagmatique guidée par les têtes (HPSG) (Abeillé, 1993), de nombreuses re- cherches ont été faites pour élaborer un modèle de lexique plus sophistiqué (Bresnan et Zaenen, 1990 ; Copestake, 1992 ; Koenig et Davis, 2000). De nouvelles théories visant le développement de lexiques structurés ont alors vu le jour (Levin, 1993 ; Pus- tejovsky, 1995). Parallèlement, la disponibilité de corpus électroniques de grande taille a permis de mener des études sur le comportement linguistique des éléments lexicaux et les propriétés sous-jacentes qui les influencent. En effet, le comportement des mots en contexte est d’autant plus surprenant qu’il peut varier au cours du temps, d’un locu- teur à l’autre, voire en fonction de la situation ou du corpus considéré. Pour prendre un exemple simple, le verbe « essaimer » est réputé intransitif mais il est largement employé de …

Content truncated to 500 words