Evaluation of a possibilistic classification approach for Arabic texts disambiguation (Evaluation d’une approche de classification possibiliste pour la désambiguïsation des textes arabes) [in French]

[O-S2.3] 316 21ème Traitement Automatique des Langues Naturelles, Marseille, 2014 Evaluation d’une approche de classification possibiliste pour la désambiguïsation des textes arabes Raja Ayed1 Ibrahim Bounhas2 Bilel Elayeb1, 3 Narjès Bellamine Ben Saoud1, 4 Fabrice Evrard5 (1) Laboratoire de recherche RIADI, ENSI, Université de la Manouba, 2010, Tunisie (2) Laboratoire de l'informatique pour les systèmes industriels, Institut Supérieur de Documentation, Université de la Manouba, 2010,Tunisie (3) Institut de technologies des Émirats, P.O. Box: 41009, Abu Dhabi, Émirats arabes unis (4) Institut supérieur de l’informatique, ISI, Université de Tunis El Manar, 1002, Tunisie (5) Institut de recherche en informatique de Toulouse (IRIT), 02 rue Camichel, 31071 Toulouse, France ayed.raja@gmail.com, bounhas.ibrahim@yahoo.fr, bilel.elayeb@riadi.rnu.tn, narjes.bellamine@ensi.rnu.tn, fabrice.evrard@enseeiht.fr Résumé. La désambiguïsation morphologique d’un mot arabe consiste à identifier l’analyse morphologique appropriée correspondante à ce mot. Dans cet article, nous présentons trois modèles de désambiguïsation morphologique de textes arabes non voyellés basés sur la classification possibiliste. Cette approche traite les données imprécises dans les phases d’apprentissage et de test, étant donné que notre modèle apprend à partir de données non étiquetés. Nous testons notre approche sur deux corpus, à savoir le corpus du Hadith et le Treebank Arabe. Ces corpus contiennent des données de types différents classiques et modernes. Nous comparons nos modèles avec des classifieurs probabilistes et statistiques. Pour ce faire, nous transformons la structure des ensembles d’apprentissage et de test pour remédier au problème d’imperfection des données. Abstract. Morphological disambiguation of Arabic words consists in identifying their appropriate morphological analysis. In this paper, we present three models of morphological disambiguation of non-vocalized Arabic texts based on possibilistic classification. This approach deals with imprecise training and testing datasets, as we learn from untagged texts. We experiment our approach on two corpora i.e. the Hadith corpus and the Arabic Treebank. These corpora contain data of different types: traditional and modern. We compare our models to probabilistic and statistical classifiers. To do this, we transform the structure of the training and the test sets to deal with imprecise data. Mots-clés : Traitement Automatique des Langues Naturelles, Désambiguïsation Morphologique de l’Arabe, Théorie des Possibilités, Classification Possibiliste. Keywords: Natural Language Processing, Arabic Morphological Disambiguation, Possibility Theory, Possibilistic Classification. 1 Introduction De nombreux mots Arabes possèdent la même forme orthographique. Ceci est dû à la richesse morphologique de cette langue (Diab et al., 2004). En effet, l'omission des voyelles courtes peut générer plus de 12 interprétations morphologiques d'un mot donné (Habash et Rambow, 2007). Par conséquent, l'une des formes d'ambiguïté les plus relevées en arabe est l'ambiguïté morphologique. Un mot peut être ambigu à l'égard de sa structure interne. Le traitement morphologique porte sur le morphème qui constitue l’unité élémentaire discernable. L'analyse morphologique d'un mot a pour rôle de déterminer les valeurs d'un grand nombre de caractéristiques ou d’attributs morphologiques d’une entité lexicale (un mot), comme la catégorie grammaticale (nom, verbe, etc.), le genre, le nombre, etc. En fait, un mot non voyellé peut conduire à de nombreuses solutions morphologiques. Par exemple, le mot فقو (wqf), en dehors du contexte, peut …

Content truncated to 500 words