Enrichissement de lexiques sémantiques approvisionnés par les foules : le système WISIGOTH appliqué à Wiktionary [Enrichment of crowdsourced semantic networks: The WISIGOTH system applied to Wiktionary]

Enrichissement de lexiques sémantiques approvisionnés par les foules : le système WISIGOTH appliqué à Wiktionary Franck Sajous* — Emmanuel Navarro** — Bruno Gaume* * CLLE-ERSS 5 allées Antonio Machado – F-31058 Toulouse Cedex 9 {sajous,gaume}@univ-tlse2.fr ** IRIT 118 route de Narbonne – F-31500 Toulouse navarro@irit.fr RÉSUMÉ. Bien que de nombreuses applications de TAL reposent sur des ressources lexicales sémantiques, celles-ci sont rarement simultanément de qualité satisfaisante et librement dispo- nibles. Partant de la confrontation entre méthodes traditionnelles et tendances émergentes de construction et d’évaluation de ressources lexicales, nous présentons dans cet article une nou- velle méthode fondée sur Wiktionary, un dictionnaire multilingue libre, disponible en ligne et construit collaborativement, puis nous proposons un enrichissement semi-automatique de son réseau de synonymie utilisant des données endogènes et exogènes, recourant à une validation « par les foules ». Nous décrivons enfin une implémentation de ce système baptisée WISIGOTH. ABSTRACT. Semantic lexical resources are a mainstay of various NLP applications. However, comprehensive and reliable resources rarely exist or are often not freely available. We discuss in this paper the context of lexical resources building and the problems of evaluation. We present Wiktionary, a freely available and collaboratively built multilingual dictionary and we propose a semi-automatic approach based on random walks for enriching its synonymy network, which uses endogenous and exogenous data. We then propose a validation “by crowds”. Finally, we present an implementation of this system called WISIGOTH. MOTS-CLÉS : réseaux de synonymie, similarité sémantique, ressources collaboratives, Wiktionary, enrichissement semi-automatique, marches aléatoires, réseaux petits mondes. KEYWORDS: synonymy networks, semantic relatedness, collaboratively constructed resources, Wiktionary, semi-automatic enrichment, random walks, hierarchical small worlds. TAL. Volume 52 – n°1/2011, pages 11 à 35 12 TAL. Volume 52 – n°1/2011 1. Introduction Souligner l’importance des ressources lexicales sémantiques dans les applications de TAL tout en déplorant leur absence ou leur qualité insatisfaisante est désormais un lieu commun. Alors que le traitement de l’anglais est doté de WordNet (ci-après noté WN), de l’Université de Princeton (Fellbaum, 1998), ressource éprouvée de- puis de nombreuses années, plusieurs langues telles que le français ne bénéficient encore d’aucune ressource de qualité satisfaisante. « We desperately need linguistic resources ! » écrit Sekine (2010), soulignant qu’il n’est pas réaliste de penser qu’une seule institution pourra développer des ressources à large échelle, qu’une collaboration est nécessaire et que partager les ressources est crucial. La première difficulté s’op- posant à la construction de telles ressources découle des modalités de développement et du compromis coût/qualité qui en résulte. Recourir à des experts pour construire manuellement des ressources induit souvent un coût prohibitif. On ne peut par ailleurs préjuger de la qualité des ressources construites automatiquement (donc bruitées), qui devraient être validées par des experts, ce qui ramène au problème initial. Enfin, dans le cas où le recours à la validation par des experts est envisageable, la mise en place d’une mesure d’accord entre ces experts est problématique. Après avoir décrit, en section 2, les tentatives antérieures de construction de res- sources et dressé un inventaire des différentes …

Content truncated to 500 words