{ "paper_id": "C73-2018", "header": { "generated_with": "S2ORC 1.0.0", "date_generated": "2023-01-19T12:27:57.203341Z" }, "title": "", "authors": [ { "first": "Jacques", "middle": [], "last": "Courtin", "suffix": "", "affiliation": { "laboratory": "", "institution": "UN ANALYSEUR SYNTAXIQUE INTERACTIF POUR LA COMMUNICATION HOMME-MACHINE", "location": {} }, "email": "" } ], "year": "", "venue": null, "identifiers": {}, "abstract": "Nous envisageons la r&lisation d'un syst~me de communication Homme-Machine en langues naturelles, qui pourrait 8tre utilis6 par exemple pour l'dtude de la langue elle-mSme ou pour la rdalisation d'un syst~me questions-r~ponses sttr un sujet d~termind (consultation d'tme banque de donn~es et r6ponses approprides). Avant d'en arriver ~t la rdalisation du module s~mantique, il faut se d~finir un module d'analyse morphologique et un module d'analyse syntaxique. N~anmoins, nous pensons que la sdmantique dolt pouvoir intervenir le plus rapidement possible afin de lever les ambiguit~s ren-contr~es au niveau du module pr~cddent. Dans cet exposd, nous nous limiterons ~ l'&ude des deux premiers modules. D~s ~t present, nous pr6cisons que nous nous sommes orient,s vers des syst~mes interactifs afin d'dtablir un vdritable dialogue entre l'utilisateur et la machine. Pour l'analyse morphologique, nous ne nous smnmes pas limitds uniquement fi la reconnaissance du mot mais dgalement ~t celle des lo cutions non ambigues afin d'dviter leurs reconstructions au niveau de la syntaxe. Ce premier module constitue k lui seul un v&itable syst~me puisque nous avons d6fmi un dditeur morphologique conversationnel dont les grandes lignes seront explicit~es en 1. Quant ~t l'analyseur syntaxique, nous nous sommes fixds comme objectif d'obtenir directement des structures de dSpendances car elles sont facilment interpr~tables. Nous avons donc abandonn~ les structures de constituants obtenues ~t partir des grammaires << context-free ~ pour les raisons suivantes: les algorithmes d'analyse avaient l'inconv~nient majeur de conduire k une tr~s grande combinatoire. On pouvait certes la limiter en introduisant des << validations-saturations)) qui avaient le d~savantage de demander au linguiste de d~finir le cheminement de l'algorithme au niveau de la grammaire. I1 en rdsultait une tr~s grande difficultd de mise au point.", "pdf_parse": { "paper_id": "C73-2018", "_pdf_hash": "", "abstract": [ { "text": "Nous envisageons la r&lisation d'un syst~me de communication Homme-Machine en langues naturelles, qui pourrait 8tre utilis6 par exemple pour l'dtude de la langue elle-mSme ou pour la rdalisation d'un syst~me questions-r~ponses sttr un sujet d~termind (consultation d'tme banque de donn~es et r6ponses approprides). Avant d'en arriver ~t la rdalisation du module s~mantique, il faut se d~finir un module d'analyse morphologique et un module d'analyse syntaxique. N~anmoins, nous pensons que la sdmantique dolt pouvoir intervenir le plus rapidement possible afin de lever les ambiguit~s ren-contr~es au niveau du module pr~cddent. Dans cet exposd, nous nous limiterons ~ l'&ude des deux premiers modules. D~s ~t present, nous pr6cisons que nous nous sommes orient,s vers des syst~mes interactifs afin d'dtablir un vdritable dialogue entre l'utilisateur et la machine. Pour l'analyse morphologique, nous ne nous smnmes pas limitds uniquement fi la reconnaissance du mot mais dgalement ~t celle des lo cutions non ambigues afin d'dviter leurs reconstructions au niveau de la syntaxe. Ce premier module constitue k lui seul un v&itable syst~me puisque nous avons d6fmi un dditeur morphologique conversationnel dont les grandes lignes seront explicit~es en 1. Quant ~t l'analyseur syntaxique, nous nous sommes fixds comme objectif d'obtenir directement des structures de dSpendances car elles sont facilment interpr~tables. Nous avons donc abandonn~ les structures de constituants obtenues ~t partir des grammaires << context-free ~ pour les raisons suivantes: les algorithmes d'analyse avaient l'inconv~nient majeur de conduire k une tr~s grande combinatoire. On pouvait certes la limiter en introduisant des << validations-saturations)) qui avaient le d~savantage de demander au linguiste de d~finir le cheminement de l'algorithme au niveau de la grammaire. I1 en rdsultait une tr~s grande difficultd de mise au point.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Abstract", "sec_num": null } ], "body_text": [ { "text": "JACQUES COURTIN D'autre part, cette d6marche nous semblait peu naturelle et ndcessitait ensuite l'6criture d'un module suppl~mentaire permettant d'obtenir des structures plus facilement interpr6tables que les structures de constituants.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "184", "sec_num": null }, { "text": "Nous avons 6galement 6cart6 les algorithmes ddfinis k partir d'une grammaire de d6pendances du fair m~me qu'elle ndcessite un nombre important de r~gles car it taut expliciter toutes les configurations possibles de d6pendants sous un gouverneur donn6.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "184", "sec_num": null }, { "text": "Le choix que nous avons fait a 6t6 d'accepter comme donn6es des structures de d6pendances. Cette strat6gie, qui sera ddfinie en 2, conduit naturellement k un syst~me d'apprentissage. L'algorithme n'acceptant que des relations entre les cat6gories, il fera appel ~t une grammaire context-free pour valider une sous-structure terminale en vdrifiant les accords entre les variables. I1 est ~t noter que l'6criture de cette grammaire sera extr~mement simplifi6e 6tant donn6 qu'il suftit de pr6ciser tmiquement les conditions de r4dcriture des variables grammaticales entre les catdgories.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "184", "sec_num": null }, { "text": "Cette ddmarche nous semble beaucoup plus naturelle. Nous pr6cisons d~s maintenant que pour des facilit6s de r6alisation nous ne traiterons que des structures de ddpendances projectives.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "184", "sec_num": null }, { "text": "Nous pouvons r6sumer le projet par le sch6ma ci-dessous:", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "184", "sec_num": null }, { "text": "] superviseur ]. --le sp6cialiste qui est charg~ de la r~alisation du systbme morphologique du point de vue linguistique, le non sp6cialiste qui d6sire faire de l'analyse morphologique sans ~tre oblig~ de connaltre le fonctionnement du syst~me.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "184", "sec_num": null }, { "text": "1.1. Les outils mis ~ la disposition du spddaliste.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "184", "sec_num": null }, { "text": "--L'analyse morphologique est r6alis4e ~t l'aide d'une grammaire d'dtats finis munie de validations et de saturations qui permet non seulement de reconnaltre un mot de la langue mais 4galement de r&liser en parallSle une transduction des variables.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "184", "sec_num": null }, { "text": "--Du point de vue morphologique, chaque mot peut 8tre rangd dans une classe ayant un certain comportement linguistique. Par exemple, en franqais les verbes du premier groupe: aimer, chanter, diviser, etc ..... admettent la mSme conjugaison. On a donc choisi arbitrairemerit un mot de la classe afin de pouvoir, au moment de l'indexage, faire rdfdrence ~. ce mot. C'est ce que nous avons appel4 un module.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "184", "sec_num": null }, { "text": "Par exemple, si on choisit la base chant comme modhle, dans le dictionnaire il suffira de dire que les bases DIVIS, AIM, etc ... se comportent comme CHANT du point de vue de la conjugaison verbale.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "184", "sec_num": null }, { "text": "Nous avons donc mis k la disposition du linguiste un petit langage extrSmement simple qui lui permettra d'6crire les r6gles de grammaire et les modhles. La mise au point se faisant ~ l'aide d'un terminal par l'interm~diaire du systhme CP/CMS de l'universit4 de Grenoble, l'utilisateur peut donc ~. tout moment modifier les rhgles et les mod61es qui sont ensuite compil4s en vue du traitement morphologique.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "--", "sec_num": null }, { "text": "Quant au dictionnaire, il est important de noter: a) qu'il est organisd par ordre alphab4tique et en fonction de la fr~quence des mots. b) Qu'&ant donn6 que l'on d~sire obtenir tousles d~coupages possibles, on a utilis4, pour l'identification, la technique du Iongestmatch;", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "--", "sec_num": null }, { "text": "c'est-k-dire que l'on cherche la plus longue superposition possible entre l'occurrence et un ~ldment du dictionnaire; une fois trouvde, on recherche tm 418ment plus court quc cette dernihre et ainsi de suite. Nous avons donc organis4 le dictionnaire de telle sorte qu'ayant trouv4 la plus longue superposition possible, on obtienne <~ presque gratuitement ~ les ~ldments qui sont plus courts. c) qu'6tant donn6 que l'on d6sire analyser des formes completes telles que: c)gauche de, c) droite de, etc .... , le blanc ne sera plus consid6r6 comme un s6parateur.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "--", "sec_num": null }, { "text": "Nous avons voulu donner k l'utilisateur, en cours d'ex6cution d'analyse morphologique, la possibilit6:", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Les outils mis ~ la disposition du non sp3cialiste et du sp3cialiste.", "sec_num": "1.2." }, { "text": "-- de corriger un mot real orthographi6. --d'interroger le dictionnaire; --d'indexer", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Les outils mis ~ la disposition du non sp3cialiste et du sp3cialiste.", "sec_num": "1.2." }, { "text": "automatiquement, sans &re oblig6 de connaltre les modbles, gr,~ce k un syst~me d'6quivalence;", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Les outils mis ~ la disposition du non sp3cialiste et du sp3cialiste.", "sec_num": "1.2." }, { "text": "de donner une dquivalence morphologique sans pour cela ~tre oblig6 d'introduire le mot dans le dictionnaire (cette option est parti-culi~rement int6ressante pour les noms propres, noms de villes, les mots rares, etc ...);", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Les outils mis ~ la disposition du non sp3cialiste et du sp3cialiste.", "sec_num": "1.2." }, { "text": "de faire du pas k pas et ainsi pouvoir v6rifier les rdsultats apr~s chaque mot.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Les outils mis ~ la disposition du non sp3cialiste et du sp3cialiste.", "sec_num": "1.2." }, { "text": "Nous avons 6numdr6 ici les fonctions principales de cet 6diteur, 6tant bien entendu que routes ces possibilit6s sont offertes k l'utilisateur en cours d'ex6cution et qu'elles ne remettent pas en cause la pattie du texte d6j~t analys6e.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Les outils mis ~ la disposition du non sp3cialiste et du sp3cialiste.", "sec_num": "1.2." }, { "text": "Pour r&liser cette analyse, nous nous sommes servis de la notion de poids qui avait 6t6 introduite dans le syst~me de traduction automatique du C.~.T.A. pour effectuer la g6ndration du fran~ais.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "ANALYSE SYNTAXIQUE", "sec_num": "2." }, { "text": "Nous rappelons ici la d6finition du poids. Poids. A chaque sommet de la structure de d6pendances, on va affecter un poids. Les poids n6gatifs correspondront aux mots plac6s k gauche du gouvemeur, et les poids positifs ~. ceux placds k droite, le gouverneur ayant un poids z6ro par rapport ~t ses d6pendants. D'autre part, il est 6galement important de noter clue le poids est en m~me temps caract6ristique d'une fonction syntaxique.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "ANALYSE SYNTAXIQUE", "sec_num": "2." }, { "text": "Nous avons ~galement ajout6 une cat~gorie syntaxique appel6e phrase qui est telle que tousles gouverneurs d'tme phrase auront un poids -t-1 par rapport ~t cette catdgorie.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "ANALYSE SYNTAXIQUE", "sec_num": "2." }, { "text": "Exemple Nous allons done demander ~t l'utilisateur de d6crire la langue en fournissant au syst~me des relations de d@endances munies de poids. ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "ANALYSE SYNTAXIQUE", "sec_num": "2." }, { "text": "i-- 1 I-- -- i 1 Xl ,--Xi _ f 0 I Pta Pnl l Phi ............. x.I", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "ANALYSE SYNTAXIQUE", "sec_num": "2." }, { "text": "P~n P/j: ensemble des poids entre le d6pendant X~ et le gouverneur X~.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "ANALYSE SYNTAXIQUE", "sec_num": "2." }, { "text": "b) i~tant donn~ que nous ne traitons que des structures de d~pendances projectives, nous avons les propri6t& suivantes:", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "bl V\u00a2, V i, avec i > j, si l'ensemble Pis n'est pas vide, il ne peut ~tre constitu6 que de poids strictement positifs.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "b2 Vi, Vs, avec i < j, si l'ensemble Piy n'est pas vide, il ne peut &re constitu6 que de poids strictement ndgatifs.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "Le premier pas de l'algorithme consiste donc en la suppression des poids positifs ou des poids ndgatifs des ensembles Psi suivant que i < j ou i>j. )VI41 j = MIN (Pit, , Pi12t ........... Pi, , ~iu) x,,", "cite_spans": [ { "start": 162, "end": 167, "text": "(Pit,", "ref_id": null }, { "start": 168, "end": 169, "text": ",", "ref_id": null }, { "start": 170, "end": 191, "text": "Pi12t ........... Pi,", "ref_id": null }, { "start": 192, "end": 193, "text": ",", "ref_id": null }, { "start": 194, "end": 198, "text": "~iu)", "ref_id": null } ], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "........... x,,,", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "si on a pu trouver les 616ments Mild, Mi2j ........... Mint. Pour les d@endants k gauche, il est facile de voir qu'on est amen6 ~t appliquer le mSme algorithme.", "cite_spans": [ { "start": 32, "end": 37, "text": "Mild,", "ref_id": null }, { "start": 38, "end": 60, "text": "Mi2j ........... Mint.", "ref_id": null } ], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "Le principe de l'algorithme est donc le suivant: prendre un gouverneur, &udier ses d@endants k gauche, construire toutes les structures possibles en allant toujours prendre des ddpendants ~ gauche et ceci r6cursivement, ensuite remonter en prenant des d@endants k droite jusqu'k obtenir toutes les solutions possibles.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "Exemple: soit la phrase: Ie pait ehien noir mange [a soupe chaude. En fonction des relations stock6es en m6moire, on extrait le tableau associ6 k cette phrase: --l~tudier les d6pendants k gauche de chien.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "Nous chkn on fait appel h la context-free qui a pour but de ,J", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "v&ifier la concordance des variables.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "Nous venons de ddfinir les grandes lignes de l'analyseur de dEpendances. Ce programme est gdnEral et ind@endant des applications. Afin d'amEliorer l'efficacitd de l'algorithme, on peut d'ores et dEj~ se rendre compte qu'il sera intdressant de:", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "d&erminer les categories qui ne sont jamais gouverneurs: article, adjectif, etc.., afin d'Eviter une recherche inutile de d@endants.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "--DEterminer une prioritd pour les gouvernettrs principaux de la phrase. Par exemple, quand il y a presence d'un verbe, exclure les substautifs (qui sont gouverneurs dans le cas d'un titre qui n'a pas de verbe).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propridtds de ce tableau:", "sec_num": null }, { "text": "Etc .... D'autre part, darts des cas trEs particuliers tels que la conjonction, il nous semble nEcessaire de determiner tm algorithme special qui serait ddclencM automatiquement par le programme principal.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "--", "sec_num": null }, { "text": "L'exp&ience en ce domaine sera notre meilleur guide. ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "--", "sec_num": null } ], "back_matter": [], "bib_entries": { "BIBREF5": { "ref_id": "b5", "title": "VIRGolLYA: =32", "authors": [], "year": null, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "VIRGolLYA: =32;", "links": null }, "BIBREF7": { "ref_id": "b7", "title": "VIRG~", "authors": [], "year": null, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "VIRG~,VERB: =-32,32; 2. oAVOI: = 32;", "links": null }, "BIBREF9": { "ref_id": "b9", "title": "PPASoDE: =48", "authors": [], "year": null, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "PPASoDE: =48;", "links": null }, "BIBREF19": { "ref_id": "b19", "title": "SUBC'~ADJQ: =-16", "authors": [], "year": null, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "SUBC'~ADJQ: =-16,16;", "links": null }, "BIBREF30": { "ref_id": "b30", "title": "VER_B~INFI: =96 ; VERB oNE", "authors": [], "year": null, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "VER_B~INFI: =96 ; VERB oNE: = -24;", "links": null }, "BIBREF32": { "ref_id": "b32", "title": "Organisation d'un dictionnaire pour l'analyse morphologique, I", "authors": [ { "first": "", "middle": [], "last": "Bibliographie J", "suffix": "" }, { "first": "", "middle": [], "last": "Courtin ;", "suffix": "" }, { "first": "", "middle": [], "last": "I~", "suffix": "" } ], "year": null, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "BIBLIOGRAPHIE j. COURTIN, Organisation d'un dictionnaire pour l'analyse morphologique, I.I~..", "links": null }, "BIBREF34": { "ref_id": "b34", "title": "Un mdtalangage pour l'analyse morphologique", "authors": [ { "first": "J", "middle": [], "last": "Courtm", "suffix": "" }, { "first": "J", "middle": [ "L" ], "last": "P~i~u", "suffix": "" }, { "first": "P", "middle": [], "last": "Sgai~i~", "suffix": "" } ], "year": 1969, "venue": "Document C.E.T.A", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "J. COURTm, J. L. P~I~U, P. SGAI~I~, Un md- talangage pour l'analyse morphologique, Document C.E.T.A., Grenoble, 1969.", "links": null }, "BIBREF36": { "ref_id": "b36", "title": "Programme d'analyse syntaxique)~, Documents", "authors": [], "year": null, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "Programme d'analyse syntaxique)~, Do- cuments C.E.T.A., Grenoble.", "links": null }, "BIBREF37": { "ref_id": "b37", "title": "Dependency theory: A formalism and some observations", "authors": [ { "first": "D", "middle": [ "G" ], "last": "Hays", "suffix": "" } ], "year": 1964, "venue": "Memorandum RM-4087-PR", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "D. G. HAYS, Dependency theory: A for- malism and some observations, Memo- randum RM-4087-PR, The Rand Corporation, 1964..", "links": null }, "BIBREF38": { "ref_id": "b38", "title": "Consultation du dictionnaire et analyse morphologique en traduction automatique (th~se)", "authors": [ { "first": "G", "middle": [], "last": "Vm~ron", "suffix": "" } ], "year": 1962, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "G. Vm~roN, Consultation du dictionnaire et analyse morphologique en traduction automatique (th~se), Grenoble, 1962.", "links": null }, "BIBREF39": { "ref_id": "b39", "title": "ModUles et algorithmes pour la traduction automatique (th~se), Grenoble", "authors": [ { "first": "G", "middle": [], "last": "Vmr~on", "suffix": "" } ], "year": 1970, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "G. Vmr~ON, ModUles et algorithmes pour la traduction automatique (th~se), Gre- noble, 1970.", "links": null }, "BIBREF40": { "ref_id": "b40", "title": "Procedures as a representation for data in a computer program for understanding natural language", "authors": [ { "first": "T", "middle": [], "last": "Winograd", "suffix": "" } ], "year": 1971, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "T. WINOgRAD, Procedures as a represen- tation for data in a computer program for understanding natural language (1971).", "links": null } }, "ref_entries": { "TABREF2": { "content": "
JACQUES COURTIN
le tableau aura la forme suivante:
gouvemeur
phrase verbe substantifl article adjectif
d6pendant
phrase
verbe
substantif50 + 60
article16
adjectif14 + 14
Nous donnons maintenant les points principaux de l'analyseur en
terminant par un exemple qui permettra de d6terminer la philosophie
de la m6thode.
c~e~ (substantif)\"so~tpe (substantif) /60
-16-14+~4-~6
", "text": "Nous nous sommes done d6finis un tableau ~ trois dimensions A(n,n,p) o?.1 nest le hombre de cat6gories, et p le hombre maximum de relations diffdrentes entre deux cat6gories. ~ Exemple: si pour la phrase le petit chien noir mange la soupe, le linguiste nous a fourni la structure suivante:", "type_str": "table", "num": null, "html": null }, "TABREF3": { "content": "
De m~me, pour que Xjexiste, il faut trouver
un poids de P~3t qui soit sup&ieur ou 6gal k Pakt, etc .... Nous avons
donc d6fini l'algorithme suivant:
soit Mitt l'41~ment minimum de Pilt
Maj = MIN (Pro/, Pa2t ........ Pa.i,t) P~,ktaPi,j
Appelons M~2 j l'616ment de P~2j qui est tel que
a) Etude de plusieurs ddpendants ~ droite d'un gouverneur. >I b) II n'existe pas d'dl6ments Pi2~FPiaj tels que: Mi2 t > Pi2~t >t Mat
Etant donn6 qu'il n'y a auctme relation entre les ddpendants ~ droite
et les d6pendants ~. gauche, nous nous posons le probl~me suivant:
soit X sXj avec
Nous avons d'abord la solution 6vidente d'un seul d6pendant. On
les prendra donc successivement les uns apr~s les autres pour savoir si
l'on peut construire tree telle structure.
Ensuite, il faudra examiner la possibilit6 de deux d6pendants, puis
de trois, etc .... jusqu'~, n d6pendants.
Nous allons donner maintenant l'algorithme qui permet de d6ter-
miner si n d6pendants sent possibles.
Soient Pili, Pi2s ........ P~,i l'ensemble des poids correspondant ~t
x,.l x,3 pour obtenir ~.~,. il faut trouver un poids de l'ensemble
x,,x,2
", "text": ". un gouverneur, et X~I X~2 ........... X,, n d6pendants possibles de Pat qui soit sup&ieur ou 6gal ~t un poids de Paj': soit Pi2kt ce poids. De m~me, on d6finit les 616ments Mi3t, Mia t ................. Mi,t:", "type_str": "table", "num": null, "html": null }, "TABREF4": { "content": "", "text": "P~*kfiPiu Mikt >>\" M~.it et il n'existe pas d'616ments P~kfiPiz j tels que: Mik;. >P\u00a2tks >I M~k.l~. avec 2 ~< k ~< n. On peut donc construire X;.", "type_str": "table", "num": null, "html": null }, "TABREF5": { "content": "
Comme nous l'avions annoncE, nous pr&isons que l'analyse synta-
xique a ErE scind6 en deux niveaux:
1) Etude des relations entre les categories
2) Etude des variables morphologiques.
L'algorithme de dependances fair appel 5. une grammaire context-free
pour verifier les variables chaque lois que l'on a dEterminE une sous-
structure terminale ~ gauche ou 5. droite. Par exemple, &s que l'on
a trouv6
I1 n'y a que le couple le petit qui convienne
chie? nge
-16-14
l~tude des d6pendants ~t droite de chien: on trouve noir.
inange
lg petit3wir
A gauche de mange, c'est termin6: donc 6tude des d6pendants
droite.
--I1 est facile de voir que l'on obtient:
ch'eo e
le ._petit noirla~c aude
", "text": "avons trois possibilit6s: le, petit, ou le petit.", "type_str": "table", "num": null, "html": null } } } }