Désambiguïsation lexicale de textes : efficacité qualitative et temporelle d’un algorithme à colonies de fourmis [Lexical disambiguation of texts: qualitative and temporal efficiency of an ant colony algorithm]

Désambiguïsation lexicale de textes : efficacité qualitative et temporelle d’un algorithme à colonies de fourmis Didier Schwab — Jérôme Goulian — Andon Tchechmedjiev Univ. Grenoble Alpes, Laboratoire d’Informatique de Grenoble équipe GETALP 41 rue des mathématiques, BP 53 38041 Grenoble Cedex 9 {Didier.Schwab,Jerome.Goulian,Andon.Tchechmedjiev}@imag.fr, http://getalp.imag.fr/WSD/ RÉSUMÉ. Dans cet article, nous présentons la notion d’algorithme local et d’algorithme global pour la désambiguïsation lexicale de textes. Un algorithme local permet de calculer la proximité sémantique entre deux objets lexicaux. L’algorithme global permet de propager ces mesures lo- cales à un niveau supérieur. Nous nous servons de cette notion pour confronter un algorithme à colonies de fourmis à d’autres méthodes issues de l’état de l’art, un algorithme génétique et un recuit simulé. En les évaluant sur un corpus de référence, nous montrons que l’efficacité temporelle des algorithmes à colonies de fourmis rend possible l’amélioration automatique du paramétrage et, en retour, leur amélioration qualitative. Enfin, nous étudions plusieurs stra- tégies de fusion tardive des résultats de nos algorithmes pour améliorer leurs performances. ABSTRACT. In this article, we present the notions of local and global algorithms, for the word sense disambiguation of texts. A local algorithm allows to calculate the semantic similarity between two lexical objects. Global algorithms propagate local measures at the upper level. We use this notion to compare an ant colony algorithm to other methods from the state of the art: a genetic algorithm and simulated annealing. Through their evaluation on a reference corpus, we show that the run-time efficiency of the ant colony algorithm makes the automated estimation of parameters possible and in turn the improvement of the quality results as well. Last, we study several late classifier fusion strategies over the results to improve the performance. MOTS-CLÉS : désambiguïsation lexicale fondée sur des similarités, algorithmes locaux/globaux, algorithmes à colonies de fourmis, algorithmes stochastiques d’optimisation. KEYWORDS: Word Sense Disambiguation based on similarity measures, local/global algorithms, Ant Colony Algorithms, Stochastic optimization algorithms. TAL. Volume 54 – n˚ 1/2013, pages 99 à 138 100 TAL. Volume 54 – n˚ 1/2013 1. Introduction La désambiguïsation lexicale est une tâche centrale pour le traitement automa- tique des langues. Elle peut en effet permettre d’améliorer de nombreuses applications comme l’extraction d’informations multilingues, le résumé automatique ou encore la traduction automatique. Schématiquement, il s’agit de choisir quel est le sens le plus approprié pour chaque mot d’un texte dans un inventaire prédéfini. Par exemple, dans « La souris mange le fromage. », l’animal devrait être préféré au dispositif électro- nique. De nombreux travaux existent sur le sujet, que l’on sépare habituellement en approches supervisées et non supervisées. Les premières utilisent des apprentissages réalisés grâce à des corpus manuellement annotés, contrairement aux secondes. Nous pensons que cette typologie devrait être raffinée. En effet, de nombreuses approches utilisent, généralement sans le dire, un algorithme local et un algorithme global. L’al- gorithme local permet de donner une mesure de la proximité sémantique entre deux objets lexicaux (sens, mots, constituants, etc.) tandis que l’algorithme global permet de propager les mesures locales à …

Content truncated to 500 words