A model to predict lexical complexity and to grade words (Un modèle pour prédire la complexité lexicale et graduer les mots) [in French]

[O-L1.2] 91 21ème Traitement Automatique des Langues Naturelles, Marseille, 2014 Un modèle pour prédire la complexité lexicale et graduer les mots Núria Gala1 Thomas François2 Delphine Bernhard3 Cédrick Fairon2 (1) LIF-CNRS UMR 7279, Aix Marseille Université, (2) CENTAL, Université Catholique de Louvain, (3) LILPA, Université de Strasbourg nuria.gala@lif.univ-mrs.fr, tfrancois@uclouvain.be, dbernhard@unistra.fr, cfairon@uclouvain.be Résumé. Analyser la complexité lexicale est une tâche qui, depuis toujours, a principalement retenu l’attention de psycholinguistes et d’enseignants de langues. Plus récemment, cette problématique a fait l’objet d’un intérêt grandissant dans le domaine du traitement automatique des langues (TAL) et, en particulier, en simplification automatique de textes. L’objectif de cette tâche est d’identifier des termes et des structures difficiles à comprendre par un public cible et de proposer des outils de simplification automatisée de ces contenus. Cet article aborde la question lexicale en identifiant un ensemble de prédicteurs de la complexité lexicale et en évaluant leur efficacité via une analyse corrélationnelle. Les meilleures de ces variables ont été intégrées dans un modèle capable de prédire la difficulté lexicale dans un contexte d’apprentissage du français. Abstract. Analysing lexical complexity is a task that has mainly attracted the attention of psycholinguists and language teachers. More recently, this issue has seen a growing interest in the field of Natural Language Processing (NLP) and, in particular, that of automatic text simplification. The aim of this task is to identify words and structures which may be difficult to understand by a target audience and provide automated tools to simplify these contents. This article focuses on the lexical issue by identifying a set of predictors of the lexical complexity whose efficiency are assessed with a correlational analysis. The best of those variables are integrated into a model able to predict the difficulty of words for learners of French. Mots-clés : complexité lexicale, analyse morphologique, mots gradués, ressources lexicales. Keywords: lexical complexity, morphological analysis, graded words, lexical resources. 1 Introduction La complexité lexicale n’est pas une notion qui puisse être définie dans l’absolu. En effet, un terme est perçu différemment en fonction du public qui y est confronté (apprenants de langue maternelle, apprenants de langue seconde, personnes avec une difficulté ou une pathologie liée au langage, etc.), d’où le terme de ’difficulté’ (complexité subjective, (Blache, 2011)). De même, s’appuyer sur le seul critère de la fréquence pour appréhender la complexité du lexique semble réducteur : bien que ce critère se soit avéré très efficace dans la littérature (voir section 2), cette variable ne peut seule expliquer l’ensemble des problèmes rencontrés par différentes catégories de lecteurs. La notion de ’complexité’ est, ainsi, multidimensionnelle (vitesse d’accès au lexique mental, compréhension, mémorisation, prononciation, activation du sens, orthographe, etc.), difficilement saisissable à partir de critères uniquement statistiques et très liée aux caractéristiques du public envisagé. Dans le cadre de cet article, nous visons un public d’apprenants du français langue maternelle (L1) ou de français langue étrangère (FLE). En tenant compte de plusieurs ressources existantes, nous avons identifié un ensemble de variables intra- lexicales et statistiques que nous avons intégrées …

Content truncated to 500 words