Étude bilingue de l’acquisition et de la validation automatiques de paraphrases sous-phrastiques [Automatic acquisition and validation of sub-sentential paraphrases : a bilingual study]

Étude bilingue de l’acquisition et de la validation automatiques de paraphrases sous-phrastiques Houda Bouamor — Aurélien Max — Anne Vilnat LIMSI-CNRS et Univ. Paris Sud BP 133 91403 Orsay cedex prenom.nom@limsi.fr RÉSUMÉ. Dans ce travail nous présentons une étude détaillée de la tâche d’acquisition de paraphrases sous-phrastiques à partir de corpus monolingues parallèles. Nous démontrons empiriquement que ces corpus, bien qu’extrêmement rares, constituent le type de ressources le mieux adapté pour cette étude. Nos expériences mettent en jeu cinq techniques d’acquisi- tion, représentatives de différentes approches et connaissances, en anglais et en français. Afin d’améliorer la performance en acquisition, nous réalisons la combinaison des paraphrases pro- duites par ces techniques par une validation reposant sur un classifieur automatique biclasse. Un résultat important de notre étude est l’identification de paraphrases qui défient actuellement les techniques étudiées, lesquelles sont classées et quantifiées en anglais et français. ABSTRACT. This work uses parallel monolingual corpora for a detailed study of the task of sub- sentential paraphrase acquisition. We argue that the scarcity of this type of resource is com- pensated by the fact that it is the most suited type for studies on paraphrasing. We propose a large exploration of this task with experiments on two languages with five different acquisition techniques, selected for their complementarity, and their combinations. We report a significant gain over all techniques by validating candidate paraphrases using a maximum entropy clas- sifier. An important result of our study is the identification of difficult-to-acquire paraphrase pairs, which are classified and quantified in a bilingual typology. MOTS-CLÉS : acquisition de paraphrases, classification automatique de paraphrase, typologie de paraphrases. KEYWORDS: paraphrase acquisition, paraphrase automatic classification, paraphrase typology. TAL. Volume 53 - no1/2012, pages 11 à 37 12 TAL. Volume 53 - no1/2012 1. Introduction La variabilité en langue est une source majeure de difficultés dans la plupart des ap- plications du traitement automatique des langues. Elle se manifeste dans le fait qu’une même idée ou un même événement peut être exprimé avec des mots ou des groupes de mots différents ayant la même signification dans leur contexte respectif. Capturer automatiquement les équivalences sémantiques entre ces unités de texte est une tâche complexe, mais qui s’avère indispensable dans de nombreux contextes. On observe un intérêt croissant porté à l’acquisition et à l’utilisation de paraphrases (Madnani et Dorr, 2010), même si la définition de cette notion reste difficile à cerner : de nombreuses définitions existent en effet dans la littérature (Fuchs, 1994). L’acqui- sition a priori de listes d’équivalences met à disposition des ressources utiles pour, par exemple, améliorer le repérage d’une réponse à une question (Ravichandran et Hovy, 2002), autoriser des formulations différentes en évaluation de la traduction au- tomatique (Kauchak et Barzilay, 2006), ou encore aider des auteurs à trouver des for- mulations plus adaptées (Bouamor et al., 2011a). Dans ces travaux, la définition de ce que peut être une paraphrase est fortement liée à l’application elle-même. La défini- tion que nous utiliserons dans cet article pour des paraphrases sous-phrastiques est que …

Content truncated to 500 words