GLÀFF, a Large Versatile French Lexicon (GLÀFF, un Gros Lexique À tout Faire du Français) [in French]

GLÀFF, un Gros Lexique À tout Faire du Français Franck Sajous, Nabil Hathout et Basilio Calderone CLLE-ERSS – CNRS et Université de Toulouse 2 Le Mirail RÉSUMÉ Cet article présente GLÀFF, un lexique du français à large couverture extrait du Wiktionnaire, le dictionnaire collaboratif en ligne. GLÀFF contient pour chaque entrée une description mor- phosyntaxique et une transcription phonémique. Il se distingue des autres lexiques existants principalement par sa taille, sa licence libre et la possibilité de le faire évoluer de façon con- stante. Nous décrivons ici comment nous l’avons construit, puis caractérisé en le comparant à différentes ressources connues. Cette comparaison montre que sa taille et sa qualité font de GLÀFF un candidat sérieux comme nouvelle ressource standard pour le TAL, la linguistique et la psycholinguistique. ABSTRACT GLÀFF, a Large Versatile French Lexicon This paper introduces GLÀFF, a large-scale versatile French lexicon extracted from Wiktionary, the collaborative online dictionary. GLÀFF contains, for each entry, a morphosyntactic description and a phonetic transcription. It distinguishes itself from the other available lexicons mainly by its size, its potential for constant updating and its copylefted license that makes it available for use, modification and redistribution. We explain how we have built GLÀFF and compare it to other known resources. We show that its size and quality are strong assets that could allow GLÀFF to become a reference lexicon for NLP, linguistics and psycholinguistics. MOTS-CLÉS : Lexique morpho-phonologique, ressources lexicales libres, Wiktionnaire. KEYWORDS: Morpho-phonological lexicon, free lexical resources, French Wiktionary. 1 Introduction Pour être complet, il aurait fallu indiquer dans le nom de notre lexique qu’il est issu du Wiktion- naire, un très gros dictionnaire en ligne qui comporte plus de 2 millions d’entrées. À titre de comparaison, la nomenclature du Trésor de la Langue Française (TLF) contient environ 65 000 vedettes et 100 000 entrées (principales ou secondaires). À la taille du Wiktionnaire s’ajoute la grande variété de ses descriptions avec, outre les définitions, des informations relatives à la prononciation, aux formes fléchies, aux dérivés et aux membres de la famille morphologique, aux traductions, aux synonymes, antonymes, hyponymes, hyperonymes, etc. Ces informations paraissent répondre à une grande variété de besoins et être d’une qualité notable pour l’édition française. Notre projet est de permettre au TAL et plus généralement aux linguistes expérimentaux d’exploiter facilement cette ressource multi-usages, d’une richesse remarquable. TALN-RÉCITAL 2013, 17-21 Juin, Les Sables d’Olonne 285 c￿ ATALA Une première exploitation du Wiktionnaire avait conduit à WiktionaryX 1 (Sajous et al., 2010, 2011), un lexique structuré donnant accès, pour chaque entrée, à des informations de nature sémantique : définitions, synonymes, hyponymes, traductions dans d’autres langues, etc. Avec GLÀFF 2, nous proposons une étape supplémentaire dont le but est de permettre l’exploita- tion des informations phonologiques et morphosyntaxiques. Outre sa taille et sa polyvalence, GLÀFF se caractérise par sa licence libre (Creative Commons By-SA). L’un des objectifs de ce travail est d’estimer la qualité de la ressource, sa couverture et son adéquation aux besoins des linguistes qui réalisent des expérimentations et/ou des modélisations, …

Content truncated to 500 words