{ "paper_id": "F13-1023", "header": { "generated_with": "S2ORC 1.0.0", "date_generated": "2023-01-19T09:41:06.371708Z" }, "title": "Identification, alignement, et traductions des adjectifs relationnels en corpus comparables", "authors": [ { "first": "Rima", "middle": [], "last": "Harastani", "suffix": "", "affiliation": { "laboratory": "UMR CNRS 6241", "institution": "", "location": { "addrLine": "2 Chemin de la Houssini\u00e8re", "postCode": "44300", "settlement": "Nantes" } }, "email": "rima.harastani@univ-nantes.fr" }, { "first": "Beatrice", "middle": [], "last": "Daille", "suffix": "", "affiliation": { "laboratory": "UMR CNRS 6241", "institution": "", "location": { "addrLine": "2 Chemin de la Houssini\u00e8re", "postCode": "44300", "settlement": "Nantes" } }, "email": "beatrice.daille@univ-nantes.fr" }, { "first": "Emmanuel", "middle": [], "last": "Morin", "suffix": "", "affiliation": { "laboratory": "UMR CNRS 6241", "institution": "", "location": { "addrLine": "2 Chemin de la Houssini\u00e8re", "postCode": "44300", "settlement": "Nantes" } }, "email": "emmanuel.morin@univ-nantes.fr" } ], "year": "", "venue": null, "identifiers": {}, "abstract": "Dans cet article, nous extrayons des adjectifs relationnels fran\u00e7ais et nous les alignons automatiquement avec les noms dont ils sont d\u00e9riv\u00e9s en utilisant un corpus monolingue. Les alignements adjectif-nom seront ensuite utilis\u00e9s dans la traduction compositionelle des termes complexes de la forme [N AdjR] \u00e0 partir d'un corpus comparable fran\u00e7ais-anglais. Un nouveau terme [N N ] (ex. cancer du poumon) sera obtenu en rempla\u00e7ant l'adjectif relationnel Ad jR (ex. pulmonaire) dans [N AdjR] (ex. cancer pulmonaire) par le nom N (ex. poumon) avec lequel il est align\u00e9. Si aucune traduction n'est propos\u00e9e pour [N AdjR], nous consid\u00e9rons que ses traduction(s) sont \u00e9quivalentes \u00e0 celle(s) de sa paraphrase [N N ]. Nous exp\u00e9rimentons avec un corpus comparable dans le domaine de cancer du sein, et nous obtenons des alignements adjectif-nom qui aident \u00e0 traduire des termes complexes de la forme [N AdjR] vers l'anglais avec une pr\u00e9cision de 86 %.", "pdf_parse": { "paper_id": "F13-1023", "_pdf_hash": "", "abstract": [ { "text": "Dans cet article, nous extrayons des adjectifs relationnels fran\u00e7ais et nous les alignons automatiquement avec les noms dont ils sont d\u00e9riv\u00e9s en utilisant un corpus monolingue. Les alignements adjectif-nom seront ensuite utilis\u00e9s dans la traduction compositionelle des termes complexes de la forme [N AdjR] \u00e0 partir d'un corpus comparable fran\u00e7ais-anglais. Un nouveau terme [N N ] (ex. cancer du poumon) sera obtenu en rempla\u00e7ant l'adjectif relationnel Ad jR (ex. pulmonaire) dans [N AdjR] (ex. cancer pulmonaire) par le nom N (ex. poumon) avec lequel il est align\u00e9. Si aucune traduction n'est propos\u00e9e pour [N AdjR], nous consid\u00e9rons que ses traduction(s) sont \u00e9quivalentes \u00e0 celle(s) de sa paraphrase [N N ]. Nous exp\u00e9rimentons avec un corpus comparable dans le domaine de cancer du sein, et nous obtenons des alignements adjectif-nom qui aident \u00e0 traduire des termes complexes de la forme [N AdjR] vers l'anglais avec une pr\u00e9cision de 86 %.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Abstract", "sec_num": null } ], "body_text": [ { "text": "Les termes complexes sont des termes qui se composent de plus d'un mot. La plupart de ces termes poss\u00e8dent une propri\u00e9t\u00e9 compositionnelle, c'est-\u00e0-dire que la signification de l'ensemble peut \u00eatre appr\u00e9hend\u00e9e par la signification des parties. Ainsi, certaines approches ont \u00e9t\u00e9 propos\u00e9es pour traduire des termes complexes en fonction de cette propri\u00e9t\u00e9 (voir Baldwin et Tanaka (2004) ). Elles consistent \u00e0 traduire un terme complexe mot \u00e0 mot \u00e0 l'aide d'un dictionnaire bilingue. Ensuite, elles combinent ces traductions individuelles selon des formes appropri\u00e9es pour produire des traductions candidates du terme complexe. Les traductions candidates sont ensuite cherch\u00e9es dans un corpus comparable 1 avant d'\u00eatre consid\u00e9r\u00e9es comme correctes. Les corpus comparables ont \u00e9t\u00e9 utilis\u00e9s avec succ\u00e8s dans la t\u00e2che de l'alignement de termes par de nombreuses approches (Rapp, 1995; Baldwin et Tanaka, 2004) en raison de leur plus grande disponibilit\u00e9 par rapport aux corpus parall\u00e8les 2 (Bowker et Pearson, 2002) . Ainsi, pour traduire compositionnellement le terme fran\u00e7ais \"gestion clinique\" en anglais, on peut traduire \"gestion\" par \"management\" et \"clinique\" par \"clinical\", puis rassembler ces traduction sous la forme [A N] (A et N signifient respectivement adjectif et nom) afin d'obtenir une traduction candidate \"clinical management\". Nous nous int\u00e9ressons aux termes complexes de la forme [N AdjR] (Ad jR d\u00e9signe un adjectif relationnel), ex. cancer pulmonaire. En effet, ces termes peuvent \u00eatre traduits compositionnellement dans une autre langue par des termes de la forme [N N] (ex. \"cancer pulmonaire\" est traduit en anglais par \"lung cancer\"), voir figure 1. Si le substantif \"lung\" n'est pas une traduction de l'adjectif \"pulmonaire\" dans le dictionnaire, le lien entre \"pulmonaire\" et \"lung\" peut \u00eatre \u00e9tabli via le substantif \"poumon\" dont \"pulmonaire\" est le d\u00e9riv\u00e9 et \"lung\" est la traduction. Ainsi, nous pouvons traduire \"cancer pulmonaire\" par \"lung cancer\" en passant par la paraphrase \"cancer du poumon\". Cette piste a \u00e9t\u00e9 d\u00e9j\u00e0 explor\u00e9e par Morin et Daille (2010) Apr\u00e8s une pr\u00e9sentation de la classe d'adjectifs relationnels et les probl\u00e8mes li\u00e9s \u00e0 son identification en section 2, nous d\u00e9veloppons dans la section 3 une approche qui nous permet d'extraire automatiquement des adjectifs relationnels d'un corpus fran\u00e7ais. Ensuite, nous proposons une approche en section 4 afin de relier un adjectif relationnel (extrait pr\u00e9c\u00e9demment du corpus) \u00e0 un nom existant dans un dictionnaire bilingue et dans le corpus. Si la plupart des adjectifs relationnels sont d\u00e9riv\u00e9s par suffixation \u00e0 partir de noms populaires (ex. canc\u00e9reux / cancer), il y en a d'autres qui sont construits \u00e0 partir de racines suppl\u00e9tives des noms (ex. m\u00e9dullaire / moelle). Nous traitons ces deux cas s\u00e9par\u00e9ment : (a) adjectif relationnel commun : nous supposons qu'un adjectif relationnel partage un certain nombre de lettres avec son nom de base, et que l'ordre des lettres est conserv\u00e9. Ainsi, un score entre un adjectif relationnel et chaque nom dans un dictionnaire (et qui existe dans le corpus) sera obtenu en fonction de la similarit\u00e9 de lettres par l'approche d\u00e9crite en section 4.1, nous exploitons ensuite le contexte afin que ce score soit plus repr\u00e9sentatif en section 4.1.1 ; (b) adjectif relationnel savant : nous v\u00e9rifions si un adjectif relationnel peut \u00eatre reli\u00e9 avec un nom \u00e0 l'aide d'une racine suppl\u00e9tive en appliquant l'approche expliqu\u00e9e en section 4.1.3. En section 5, nous utilisons les alignements obtenus par l'approche d'alignement adjectif-nom dans la traduction compositionnelle par paraphrase des termes [N AdjR]. Enfin, nous \u00e9valuons en section 6 les approches que nous proposons et nous concluons dans la section 7. FIGURE 1 -Traduction par paraphrase (o\u00f9 t-fr est le terme fran\u00e7ais, T-en est l'ensemble des traductions anglaises et Dico-bi est le dictionnaire bilingue fran\u00e7ais-anglais).", "cite_spans": [ { "start": 360, "end": 384, "text": "Baldwin et Tanaka (2004)", "ref_id": "BIBREF0" }, { "start": 865, "end": 877, "text": "(Rapp, 1995;", "ref_id": "BIBREF17" }, { "start": 878, "end": 902, "text": "Baldwin et Tanaka, 2004)", "ref_id": "BIBREF0" }, { "start": 983, "end": 1008, "text": "(Bowker et Pearson, 2002)", "ref_id": "BIBREF1" }, { "start": 2063, "end": 2085, "text": "Morin et Daille (2010)", "ref_id": "BIBREF13" } ], "ref_spans": [], "eq_spans": [], "section": "Introduction", "sec_num": "1" }, { "text": "Dans cette section, nous pr\u00e9sentons la classe des adjectifs relationnels et ses propri\u00e9t\u00e9s, ainsi que des travaux qui se sont int\u00e9ress\u00e9s \u00e0 l'identification de cette classe et les probl\u00e8mes li\u00e9s \u00e0 cette identification. Dubois-Charlier (1999, p. 128) , \"un adjectif relationnel est issu d'une relative, o\u00f9 est caract\u00e9ris\u00e9 par l'absence de d\u00e9terminant ; cette relative se branche directement sur l'ant\u00e9c\u00e9dent auquel elle se rapporte, et l'ensemble form\u00e9 du nom et de l'adjectif nominal suffix\u00e9 forme un nom compos\u00e9\". Exemple : ce corps chimique est l'acide qui est ; ce corps chimique est l'acide nitrique.", "cite_spans": [ { "start": 218, "end": 248, "text": "Dubois-Charlier (1999, p. 128)", "ref_id": null } ], "ref_spans": [], "eq_spans": [], "section": "Adjectifs relationnels", "sec_num": "2" }, { "text": "Les adjectifs relationnels sont des adjectifs d\u00e9nominaux (adjectifs construits sur des bases nominales), \u00e0 ne pas confondre avec les adjectifs d\u00e9verbaux qui sont d\u00e9riv\u00e9s d'un verbe par des suffixes tels que -able, -ible, -ile, -ant, etc, (ex. d\u00e9gradable/ de d\u00e9grader) . Alors qu'un adjectif dit \"qualificatif\" (Ad jQ) peut aussi \u00eatre construit sur une base nominale, la relation [N AdjQ] est diff\u00e9rente de la relation [N AdjR]. Par exemple, dans la phrase \"Fran\u00e7ois a des jambes \u00e9l\u00e9phantesques\", l'adjectif \"\u00e9l\u00e9phantesques\" n'\u00e9tablit pas une relation entre les jambes de Fran\u00e7ois et la cat\u00e9gorie \"\u00e9l\u00e9phant\", il leur attribue une qualit\u00e9 des individus de cette cat\u00e9gorie : \u00eatre tr\u00e8s gros, exemple extrait de Roch\u00e9 (2006) . Dubois-Charlier (1999, p. 129) et Goes (1999, p. 251 ) citent certaines propri\u00e9t\u00e9s de ces adjectifs que nous r\u00e9sumons sous le titre de propri\u00e9t\u00e9s linguistiques et pr\u00e9sentons dans la table 1 (P1 \u00e0 P6). D'autres propri\u00e9t\u00e9 que nous appelons \"op\u00e9rationnelles\" et qui se sont bas\u00e9es sur les propri\u00e9t\u00e9s linguistiques sont pr\u00e9sent\u00e9es \u00e9galement dans la table 1. Les propri\u00e9t\u00e9s op\u00e9rationnelles ne sont pas toujours exclusives aux adjectifs relationnels mais elles nous permettent de rep\u00e9rer des adjectifs automatiquement dans un corpus.", "cite_spans": [ { "start": 203, "end": 267, "text": "que -able, -ible, -ile, -ant, etc, (ex. d\u00e9gradable/ de d\u00e9grader)", "ref_id": null }, { "start": 707, "end": 719, "text": "Roch\u00e9 (2006)", "ref_id": "BIBREF19" }, { "start": 722, "end": 752, "text": "Dubois-Charlier (1999, p. 129)", "ref_id": null }, { "start": 756, "end": 774, "text": "Goes (1999, p. 251", "ref_id": null } ], "ref_spans": [], "eq_spans": [], "section": "D'apr\u00e8s Dubois et", "sec_num": null }, { "text": "Les adjectifs relationnels sont d\u00e9riv\u00e9s par suffixation d'un nom. Les suffixes des adjectifs relationnels peuvent \u00eatre : -ien, -ois, -ique, etc. (P7 dans la table 1). Toutefois, la d\u00e9tection automatique des noms de base dont les adjectifs relationnels sont d\u00e9riv\u00e9s ne se fait pas par une simple comparaison entre la base nominale et l'adjectif relationnel d\u00e9-suffix\u00e9 \u00e0 cause de l'allomorphie des bases ; \"l'addition d'un suffixe peut entra\u00eener des modifications morphologiques de la base nominale, elles sont plus ou moins importantes selon la nature de N ou selon la nature du suffixe\" (Dubois et Dubois-Charlier, 1999, p. 135) . Par exemple, ces modifications peuvent \u00eatre : la modification phonique ou graphique de N (tropique/tropical), l'addition de voyelles ou de syllabes (nom/nominal), modification du radical \u00e0 partir du latin (b\u00eate/bestial), etc. Par ailleurs, les adjectifs relationnels et les adjectifs d\u00e9verbaux ont quelques suffixes en commun, qui sont : -if, -aire, -eux, -oire, et -\u00e9. La cat\u00e9gorie d'un adjectif ne peut donc pas \u00eatre d\u00e9termin\u00e9e en ne s'appuyant que sur son suffixe.", "cite_spans": [ { "start": 587, "end": 628, "text": "(Dubois et Dubois-Charlier, 1999, p. 135)", "ref_id": null } ], "ref_spans": [], "eq_spans": [], "section": "Dubois et", "sec_num": null }, { "text": "La t\u00e2che d'identification des adjectifs relationnels dans un corpus n'est pas simple : d'une part la classe des adjectifs relationnels est floue, et d'une autre, il n'y a pas de r\u00e8gles v\u00e9ritablement s\u00fbres pour les identifier automatiquement (Goes, 1999; Maniez, 2005) . De plus, les adjectifs relationnels d\u00e9rivent, avec le temps, de fa\u00e7on r\u00e9guli\u00e8re vers la qualification (Noailly, 1999, p. 24) . Par exemple, certains adjectifs peuvent jouer un r\u00f4le relationnel ou qualificatif selon le contexte (ex. le syst\u00e8me nerveux (Ad jR) vs. Fran\u00e7ois est nerveux (Ad jQ)). Un adjectif peut donc avoir dans un terme deux interpr\u00e9tations, l'une relationnelle et l'autre qualificative, par exemple, \"une chaise royale\" : est-elle la chaise du roi ou une chaise luxueuse ? Si on identifie l'adjectif \"royale\" comme relationnel, et qu'on l'aligne avec le nom \"roi\" quand il s'agit d'une utilisation qualificative de cet adjectif : \"chaise royale\" sera paraphras\u00e9 par \"chaise du roi\" qui peut \u00eatre traduit en anglais par \"chair of the king\". L'alignement d'un adjectif qualificatif avec un nom peut donc introduire de mauvaises traductions pour la m\u00e9thode compositionnelle. Cependant, quand un adjectif peut avoir un emploi relationnel, l'alignement de cet adjectif avec son nom de base peut aider \u00e0 la traduction des termes [N A] avec une haute pr\u00e9cision (Morin et Daille, 2010) .", "cite_spans": [ { "start": 241, "end": 253, "text": "(Goes, 1999;", "ref_id": "BIBREF9" }, { "start": 254, "end": 267, "text": "Maniez, 2005)", "ref_id": "BIBREF12" }, { "start": 372, "end": 394, "text": "(Noailly, 1999, p. 24)", "ref_id": null }, { "start": 1341, "end": 1364, "text": "(Morin et Daille, 2010)", "ref_id": "BIBREF13" } ], "ref_spans": [], "eq_spans": [], "section": "Identification", "sec_num": "2.2" }, { "text": "Plusieurs travaux se sont int\u00e9ress\u00e9s \u00e0 l'identification des adjectifs relationnels, nous pr\u00e9sentons bri\u00e8vement ci-dessous les travaux de Daille (1999) et Maniez (2005) qui se penchent sur l'extraction automatique ou semi-automatique des adjectifs relationnels \u00e0 partir des corpus monolingues, ainsi que le travail de Cartoni (2008) sur les mots pr\u00e9fix\u00e9s. Daille (1999) exploite des r\u00e8gles de d\u00e9suffixation-recodage (d\u00e9finies manuellement pour le fran\u00e7ais et l'anglais) pour relier un adjectif relationnel avec son nom de base (ex. la r\u00e8gle (-esti\u00e8re, -\u00eat) peut relier \"foresti\u00e8re\" \u00e0 \"for\u00eat\"). Un adjectif A extrait \u00e0 l'aide de ces r\u00e8gles, et qui doit appara\u00eetre avec un nom recteur X sous la forme [X A], sera consid\u00e9r\u00e9 comme relationnel s'il peut \u00eatre paraphras\u00e9 par un groupe [pr\u00e9position substantif] sous la forme [X PREP DET ? N ] ; o\u00f9 N est le nom dont A est d\u00e9riv\u00e9 (voir P8 dans la table 1). La recherche des paraphrases est faite \u00e0 partir du corpus. Cette m\u00e9thode donne une pr\u00e9cision de 99 %, mais un faible rappel d\u00fb au nombre limit\u00e9 de paraphrases dans le corpus. Maniez (2005) examine deux approches pour identifier les adjectifs relationnels dans un corpus de sp\u00e9cialit\u00e9 en anglais : (a) il se penche sur l'hypoth\u00e8se que dans un corpus sp\u00e9cialis\u00e9, la plupart des adjectifs sont relationnels. Ainsi, il exploite P1 et P4 (voir la table 1) afin de filtrer les adjectifs non-relationnels dans le corpus (b) tous les adjectifs en deuxi\u00e8me position extraits \u00e0 partir du motif [ADJ1-ADJ2-N] sont s\u00e9lectionn\u00e9s en tant qu'adjectifs relationnels. Ce motif peut \u00eatre adapt\u00e9 en fran\u00e7ais par [N-ADJ1-ADJ2], et nous ajoutons le crit\u00e8re suivant : si ADJ2 est relationnel, ADJ1 est \u00e9galement relationnel. La raison pour laquelle nous consid\u00e9rons que l'adjectif en premi\u00e8re position est relationnel, c'est parce que l'adjectif relationnel suit imm\u00e9diatement le nom (Pedreira, 2002) , et qu'on d\u00e9termine avant de qualifier (ex. un discours pr\u00e9sidentiel int\u00e9ressant), nous conclurons donc qu'un adjectif qualificatif ne peut pas pr\u00e9c\u00e9der un adjectif relationnel, cette propri\u00e9t\u00e9 est d\u00e9crite sous P9 dans la table 1. Cartoni (2008) Nous allons en premier d\u00e9velopper dans la section suivante une m\u00e9thode pour extraire une liste des adjectifs relationnels du corpus \u00e0 l'aide des propri\u00e9t\u00e9s pr\u00e9sent\u00e9es.", "cite_spans": [ { "start": 137, "end": 150, "text": "Daille (1999)", "ref_id": "BIBREF5" }, { "start": 154, "end": 167, "text": "Maniez (2005)", "ref_id": "BIBREF12" }, { "start": 317, "end": 331, "text": "Cartoni (2008)", "ref_id": "BIBREF2" }, { "start": 355, "end": 368, "text": "Daille (1999)", "ref_id": "BIBREF5" }, { "start": 1073, "end": 1086, "text": "Maniez (2005)", "ref_id": "BIBREF12" }, { "start": 1860, "end": 1876, "text": "(Pedreira, 2002)", "ref_id": "BIBREF16" }, { "start": 2109, "end": 2123, "text": "Cartoni (2008)", "ref_id": "BIBREF2" } ], "ref_spans": [], "eq_spans": [], "section": "Identification", "sec_num": "2.2" }, { "text": "\"ils n'acceptent pas d'adverbe de degr\u00e9\" (acide tr\u00e8s nitrique, sauf cas particulier) (Dubois et Dubois-Charlier, 1999) . Les adjectifs relationnels \"refusent la gradation en g\u00e9n\u00e9ral, et \"tr\u00e8s\" en particulier\" (Goes, 1999 ) P2", "cite_spans": [ { "start": 96, "end": 118, "text": "Dubois-Charlier, 1999)", "ref_id": "BIBREF7" }, { "start": 209, "end": 220, "text": "(Goes, 1999", "ref_id": "BIBREF9" } ], "ref_spans": [], "eq_spans": [], "section": "Propri\u00e9t\u00e9s linguistiques P1", "sec_num": null }, { "text": "\"ils ne peuvent pas \u00eatre ant\u00e9pos\u00e9s\" (le nitrique acide).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Propri\u00e9t\u00e9s linguistiques P1", "sec_num": null }, { "text": "\"ils ne sont pas susceptibles d'adverbialisation\" (nitriquement) \"ni de nominalisation\" (nitricit\u00e9).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "P3", "sec_num": null }, { "text": "\"ils ne s'emploient pas en fonction d'attribut\" (cet acide est nitrique, sauf cas particulier).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "P4", "sec_num": null }, { "text": "\"la coordination d'un adjectif relationnel avec un adjectif qualificatif est impossible\".", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "P5", "sec_num": null }, { "text": "\"ils ne forment g\u00e9n\u00e9ralement pas de s\u00e9ries antonymes\".", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "P6", "sec_num": null }, { "text": "les suffixes des adjectifs relationnels : -ique, -aire, -eux, -ier, -ien, -ois, -ain, -al, -el, -estre, -il, -in, -esque, -\u00e9, - -, trans-, uni-, tri-, anti-, tri-, pr\u00e9-. P12 ils peuvent \u00eatre pr\u00e9fix\u00e9s par des racines gr\u00e9co-latines : micro-, s\u00e9ro-, radio-, etc. La reconnaissance automatique des Ad jR en corpus pose un certain nombre de probl\u00e8mes comme nous l'avons vu en section 2 : (a) ambigu\u00eft\u00e9 des suffixes ; (b) ambigu\u00eft\u00e9 de la classe relationnel/qualificatif ; (c) indice de relation exprim\u00e9 par les propri\u00e9t\u00e9s non-pr\u00e9sentes en corpus. Dans cette section, nous d\u00e9veloppons une approche pour extraire des adjectifs relationnels automatiquement du corpus.", "cite_spans": [ { "start": 42, "end": 127, "text": "-ique, -aire, -eux, -ier, -ien, -ois, -ain, -al, -el, -estre, -il, -in, -esque, -\u00e9, -", "ref_id": null }, { "start": 128, "end": 173, "text": "-, trans-, uni-, tri-, anti-, tri-, pr\u00e9-. P12", "ref_id": null } ], "ref_spans": [], "eq_spans": [], "section": "Propri\u00e9t\u00e9s op\u00e9rationnelles P7", "sec_num": null }, { "text": "Afin d'extraire des adjectifs relationnels du corpus, nous exploitons quelques propri\u00e9t\u00e9s linguistiques et op\u00e9rationnelles pr\u00e9sent\u00e9es dans la table 1. Nous partons de l'hypoth\u00e8se que les racines gr\u00e9co-latines et certains pr\u00e9fixes fran\u00e7ais pr\u00e9fixent des adjectifs non-qualificatifs pour extraire une liste d'adjectifs initiale (en utilisant les propri\u00e9t\u00e9s P11 et P12). Nous nous basons sur cette liste afin de l'\u00e9tendre en utilisant d'autres propri\u00e9t\u00e9s (P9 et P10). La m\u00e9thode d'identification automatique des adjectifs relationnels du corpus que nous proposons est pr\u00e9sent\u00e9e dans l'algorithme 1 (nous faisons r\u00e9f\u00e9rence dans cet algorithme aux propri\u00e9t\u00e9s list\u00e9es dans la table 1). L'ensemble des listes que nous extrayons sera utilis\u00e9 par l'approche d'alignement adjectif-nom pr\u00e9sent\u00e9e en section 4.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Approche", "sec_num": "3.1" }, { "text": "1. Il y a des racines (ex. \"bio-\") qui peuvent pr\u00e9fixer des adjectifs d\u00e9verbaux (ex. biod\u00e9gradable). Cependant, dans le cas des adjectifs pr\u00e9fix\u00e9s par ces racines et qui se terminent par un suffixe qui ne peut pas \u00eatre d\u00e9verbal (ex. -ique dans \"biochimique\"), nous consid\u00e9rons que ces adjectifs sont relationnels. 2. Afin de trouver les adverbes construits \u00e0 partir d'un adjectif dans le corpus : (a) nous ajoutons le suffixe adverbial \"ment\" (et d'autres adaptations du suffixe) \u00e0 l'adjectif (b) nous cherchons ces adverbes construits dans le corpus. 3. L'extraction des adjectifs relationnels par le biais de la propri\u00e9t\u00e9 P9 est plus fiable que l'extraction de ces adjectifs par P10. En effet, P10 peut introduire du bruit quand il s'agit d'une utilisation qualificative d'un adjectif. Pour cette raison, nous choisissons de ne l'appliquer que sur les adjectifs relationnels qui sont trouv\u00e9s \u00e0 l'aide de P11 et P12 (qui ont en effet peu de chances d'avoir un emploi qualificatif). 4. Bien qu'on puisse aussi extraire des adjectifs d\u00e9verbaux par cette m\u00e9thode, on peut les relier la plupart du temps \u00e0 des substantifs (ex. v\u00e9g\u00e9tatif ; Verbe : v\u00e9g\u00e9ter ; Nom : v\u00e9g\u00e9tation).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Remarques", "sec_num": "3.1.1" }, { "text": "Nous visons \u00e0 extraire une liste de racines L racines automatiquement du corpus, ces racines sont utilis\u00e9es par l'algorithme d'identification automatique des adjectifs relationnels pr\u00e9sent\u00e9 dans l'algorithme 1. Nous supposons que les racines gr\u00e9co-latines pr\u00e9fixent les bases adjectivales non-qualificatives. Certaines racines ne peuvent pr\u00e9fixer que des adjectifs relationnels, alors que d'autres peuvent pr\u00e9fixer des adjectifs relationnels ou d\u00e9verbaux. Nous pr\u00e9sentons la m\u00e9thode que nous d\u00e9veloppons pour extraire des racines dans l'algorithme 2. Cependant, nous donnons une p\u00e9nalit\u00e9 moins \u00e9lev\u00e9e \u00e0 la substitution de deux lettres qui sont proches phon\u00e9tiquement. Par exemple, on fixe la p\u00e9nalit\u00e9 de la substitution de \"f\" par \"v\" et \"\u00e9\" par \"\u00e8\" \u00e0 0,5. Nous nous inspirons de Dubois et Dubois-Charlier (1999) pour d\u00e9finir ces substitutions, puisque des adaptations g\u00e9n\u00e9rales de la langue fran\u00e7aise y sont d\u00e9finies.", "cite_spans": [ { "start": 790, "end": 812, "text": "Dubois-Charlier (1999)", "ref_id": "BIBREF7" } ], "ref_spans": [], "eq_spans": [], "section": "Identification des racines gr\u00e9co-latines", "sec_num": "3.2" }, { "text": "Si un adjectif peut avoir un emploi nominal (consid\u00e9r\u00e9 comme un substantif dans le dictionnaire), nous l'alignons avec lui-m\u00eame (ex. clinique, esth\u00e9tique, etc). De plus, nous supposons qu'un adjectif relationnel commence par la m\u00eame lettre que son nom de base. En effet, nous avons trouv\u00e9 en examinant une liste de 200 adjectifs que cette hypoth\u00e8se est vraie dans 97 % des cas.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Identification des racines gr\u00e9co-latines", "sec_num": "3.2" }, { "text": "Nous consid\u00e9rons qu'un adjectif est reli\u00e9 \u00e0 un nom si le score entre les deux est sup\u00e9rieur ou \u00e9gal \u00e0 un certain seuil (on supprime le suffixe relationnel de l'adjectif lors de la comparaison). Plus on augmente le seuil de similarit\u00e9 plus le rappel est faible. La mesure Lcs favorise les noms les plus longs quand on compare un adjectif avec les noms du dictionnaire. Par exemple, selon Lcs, le nom \"notion\" est plus proche de \"nominal\" que de \"nom\" : |Lcs(nomin, notion)|=4, |Lcs(nomin, nom)|=3. Alors que les deux cha\u00eenes ont le m\u00eame score avec \"nominal\" selon Levenshtein : Levenshtein(nomin, notion)=2, Levenshtein(nomin, nom)=2). De plus, si on exige une similarit\u00e9 tr\u00e8s importante entre un adjectif et un nom, on pourra perdre de nombreux alignements corrects (ex. axillaire/aisselle, germe/germinal, etc). Pour cela, il faut choisir un seuil de similarit\u00e9 qui ne soit pas tr\u00e8s important afin de permettre \u00e0 d'autres m\u00e9thodes de filtrage de mieux classifier les alignements obtenus par les mesures de similarit\u00e9.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Identification des racines gr\u00e9co-latines", "sec_num": "3.2" }, { "text": "Dans de nombreux cas, la similarit\u00e9 de lettres seule ne suffit pas pour trouver le nom avec lequel un adjectif est reli\u00e9. Par exemple, comment peut-on dire que l'adjectif \"s\u00e9rique\" est d\u00e9riv\u00e9 de \"s\u00e9rum\" et non pas de \"s\u00e9rie\" ? Nous essayons donc de modifier le score entre un adjectif relationnel et un nom dans un dictionnaire si la similarit\u00e9 entre le nom et l'adjectif est sup\u00e9rieure \u00e0 un certain seuil, en cherchant des paraphrases monolingues dans lesquelles les deux mots apparaissent. ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Alignement adjectif-nom par mesure de similarit\u00e9 contextuelle", "sec_num": "4.1.1" }, { "text": "En effet, le choix des valeurs de \u03b1 et \u03b2 d\u00e9pend des seuils minimaux choisis pour la similarit\u00e9 de lettres. Par exemple, si on permet une diff\u00e9rence de lettres importante, il faut donc choisir \u03b1 > \u03b2.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Alignement adjectif-nom par mesure de similarit\u00e9 contextuelle", "sec_num": "4.1.1" }, { "text": "Un adjectif A sera reli\u00e9 au nom avec lequel il a le score le plus \u00e9lev\u00e9.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Alignement adjectif-nom par mesure de similarit\u00e9 contextuelle", "sec_num": "4.1.1" }, { "text": "Certains adjectifs contiennent des racines suppl\u00e9tives, et dans certains cas il n'est pas possible de les relier \u00e0 leurs noms en s'appuyant sur la similarit\u00e9 de lettres quand la modification du nom de base par la racine suppl\u00e9tive est importante (ex. m\u00e9dullaire/moelle).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Alignement adjectif-nom en utilisant des racines suppl\u00e9tives", "sec_num": "4.1.3" }, { "text": "Nous consid\u00e9rons qu'un adjectif A qui commence par une s\u00e9quence de lettres identique \u00e0 une racine suppl\u00e9tive est relationnel s'il remplit une des conditions suivantes :", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Alignement adjectif-nom en utilisant des racines suppl\u00e9tives", "sec_num": "4.1.3" }, { "text": "-sa forme peut \u00eatre identifi\u00e9e comme \u00e9tant : [racine suffixe] (o\u00f9 racine est une des racines suppl\u00e9tives dans une liste des racines align\u00e9es avec des noms (L racines\u2212noms ) (ex. pulmon/poumon, m\u00e9dull/moelle, etc), et suffixe est un des suffixes relationnels dans une liste de suffixes relationnels). Par exemple, l'adjectif \"pulmonaire\" peut \u00eatre d\u00e9compos\u00e9 en \"pulmon\" (une racine) et \"aire\" (un suffixe). -il construit avec le nom N associ\u00e9 \u00e0 la racine suppl\u00e9tive (selon L racines\u2212noms ) au moins une paraphrase de la forme [X A : : X PREP DET ? N], o\u00f9 X est un nom t\u00eate. Par exemple, biopsie de moelle : : biopsie m\u00e9dullaire.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Alignement adjectif-nom en utilisant des racines suppl\u00e9tives", "sec_num": "4.1.3" }, { "text": "Nous combinons l'approche d\u00e9crite en section 4.1.3 et celle pr\u00e9sent\u00e9e dans la section 4.1.2 comme suit : pour un adjectif A, nous v\u00e9rifions s'il peut \u00eatre reli\u00e9 avec un nom \u00e0 l'aide des racines suppl\u00e9tives, sinon, on applique la formule 7 entre A et chaque nom dans le dictionnaire qui existe dans le corpus.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Combinaison des m\u00e9thodes d'alignement", "sec_num": "4.1.4" }, { "text": "De plus, si A (ex. oncog\u00e9nique) commence par un pr\u00e9fixe ou une ou plusieurs racines suppl\u00e9tives, et s'il peut s'\u00e9crire de la forme : [(racine | pr\u00e9fixe)+ A ] 5 (ex. oncog\u00e9nique), o\u00f9 A (ex. g\u00e9nique) est un adjectif dans le corpus : on relie A \u00e0 un nom N (ex. g\u00e8ne), ensuite, on cherche le nom n = [(racine | pr\u00e9fixe)+ N ] (ex. oncog\u00e8ne) dans le corpus, si ceci est trouv\u00e9, le nom de base avec lequel A est align\u00e9 sera n.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Combinaison des m\u00e9thodes d'alignement", "sec_num": "4.1.4" }, { "text": "Nous supposons aussi que deux adjectifs qui partagent la m\u00eame base (ex. s\u00e9rique/s\u00e9reux (s\u00e9r), soigneux/soign\u00e9 (soign), cellulaire/celluleux (cellul), etc.), doivent \u00eatre align\u00e9s avec le m\u00eame nom de base, sinon on consid\u00e8re que les alignements sont mauvais et on les supprime de la liste.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Combinaison des m\u00e9thodes d'alignement", "sec_num": "4.1.4" }, { "text": "5. | signifie \"ou\", + signifie \"1 \u00e0 plusieurs\" 5 Traduction des termes [N AdjR] en utilisant des alignements adjectif-nom Nous utilisons les alignements adjectif-nom que nous obtenons par l'approche d'alignement adjectif-nom dans la t\u00e2che de traduction compositionnelle de termes complexes de la forme [X AdjR]. ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Combinaison des m\u00e9thodes d'alignement", "sec_num": "4.1.4" }, { "text": "Pour chaque t c =[N AdjR],", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Approche", "sec_num": "5.1" }, { "text": "Dans cette section, nous \u00e9valuons les approches que nous proposons pour (a) extraire des adjectifs relationnels (voir section 3), (b) aligner un adjectif extrait avec son nom de base (voir section 4), (c) traduire un adjectif relationnel dans les termes [N AdjR] en le rempla\u00e7ant par le nom avec lequel il est align\u00e9 (voir section 5).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Evaluation", "sec_num": "6" }, { "text": "Nous disposons des ressources suivantes : -corpus comparable fran\u00e7ais-anglais dans le domaine du cancer du sein (C cds f r et C cds en ). Nous utilisons 6. http ://code.google.com/p/ttc-project/ -liste de pr\u00e9fixes L pre f ixes en fran\u00e7ais qui n'acceptent qu'une base adjectivale relationnelle ou d\u00e9verbale, cette liste a \u00e9t\u00e9 \u00e9tablie par (Cartoni, 2008 (Cottez, 1982 ). -liste de 100 racines L racines extraite automatiquement du C cds f r en appliquant l'algorithme 2 pr\u00e9sent\u00e9 en section 3.2.", "cite_spans": [ { "start": 337, "end": 351, "text": "(Cartoni, 2008", "ref_id": "BIBREF2" }, { "start": 352, "end": 365, "text": "(Cottez, 1982", "ref_id": "BIBREF4" } ], "ref_spans": [], "eq_spans": [], "section": "Ressources", "sec_num": "6.1" }, { "text": "En appliquant l'algorithme d'extraction des adjectifs pr\u00e9sent\u00e9 en section 3 sur C cds f r , nous obtenons quatre listes d'adjectifs. Un adjectif extrait appartient \u00e0 une ou plusieurs classes d'adjectifs : qualificative, relationnelle, compos\u00e9e. Par exemple, l'adjectif \"s\u00e9rologique\" est compos\u00e9 et relationnel, car il peut \u00eatre reli\u00e9 \u00e0 \"s\u00e9rologie\" et il se compose de deux \u00e9l\u00e9ments : \"s\u00e9ro\" et \"logique\". Les adjectifs de la classe \"compos\u00e9e\" ont des emplois non-qualificatifs, mais dans certains cas, on ne peut pas les relier avec un seul substantif, mais avec un syntagme, par exemple, \"unilat\u00e9ral\" (un seul c\u00f4t\u00e9) ou \"infraclinique\" (\"un trouble ou d'une maladie qui ne provoque pas de manifestation d\u00e9celable \u00e0 l'examen\") n'ont pas \u00e9t\u00e9 form\u00e9s par d\u00e9rivation d'un nom mais par pr\u00e9fixation.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "R\u00e9sultats de l'extraction automatique des adjectifs relationnels", "sec_num": "6.2" }, { "text": "Les listes extraites sont pr\u00e9sent\u00e9es dans la table 2. Nous appelons l'ensemble de ces listes LAd jR Classes qui comprend donc 361 adjectifs. Les adjectifs ont \u00e9t\u00e9 class\u00e9s manuellement et \u00e0 l'aide du syst\u00e8me D\u00e9rif (Namer, 2003 formel/forme) avec des noms ont donn\u00e9 des mauvaises traductions. Des adjectifs d\u00e9verbaux qui peuvent \u00eatre reli\u00e9s \u00e0 un nom, ont donn\u00e9 des bonnes et/ou des mauvaises traductions. Par exemple, l'adjectif \"\u00e9tudi\u00e9\" est d\u00e9riv\u00e9 du verbe \"\u00e9tudier\", il a \u00e9t\u00e9 reli\u00e9 avec le nom \"\u00e9tude\" par la m\u00e9thode d'alignement adjectif-nom. Cet alignement a donn\u00e9 de bonnes traductions (ex. \"population \u00e9tudi\u00e9e\" a \u00e9t\u00e9 traduit par \"study population\"), ainsi que de mauvaises traductions (ex. \"cellule \u00e9tudi\u00e9e\" a \u00e9t\u00e9 traduit par \"study unit\").", "cite_spans": [ { "start": 213, "end": 225, "text": "(Namer, 2003", "ref_id": "BIBREF14" } ], "ref_spans": [], "eq_spans": [], "section": "R\u00e9sultats de l'extraction automatique des adjectifs relationnels", "sec_num": "6.2" }, { "text": "Parfois on trouve des mauvaises traductions malgr\u00e9 l'utilisation d'un alignement correct d'un adjectif relationnel avec un nom. Ces mauvaises traductions sont plut\u00f4t obtenues \u00e0 cause des probl\u00e8mes li\u00e9s \u00e0 la m\u00e9thode compositionnelle et au corpus comparable. Par exemple, l'adjectif relationnel \"g\u00e9n\u00e9tique\" a \u00e9t\u00e9 reli\u00e9 avec \"g\u00e8ne\", cet alignement a particip\u00e9 \u00e0 la traduction de \"mutation g\u00e9n\u00e9tique\" par \"gene transfer\" (\"g\u00e8ne\" traduit par \"gene\") tandis que la bonne traduction est \"gene mutation\". Ainsi, la mauvaise traduction n'a pas \u00e9t\u00e9 obtenue \u00e0 cause de l'alignement de \"g\u00e9n\u00e9tique\" avec \"g\u00e8ne\", mais parce que soit \"mutation\" n'a pas \u00e9t\u00e9 traduit par \"mutation\" dans le dictionnaire bilingue, soit \"gene mutation\" n'existe pas dans le corpus anglais. Dans ce travail, nous nous sommes concentr\u00e9s sur la traduction des termes [N AdjR] pour le couple de langues fran\u00e7ais-anglais. Le principe de traduction par paraphrase de ces termes pour d'autres couples de langues devra \u00eatre \u00e9tudi\u00e9 pour en d\u00e9montrer la g\u00e9n\u00e9ricit\u00e9.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "R\u00e9sultats de l'extraction automatique des adjectifs relationnels", "sec_num": "6.2" }, { "text": "c ATALA", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "", "sec_num": null }, { "text": ". subsequence : les lettres de la sous-s\u00e9quence sont dans le m\u00eame ordre que dans la chaine compl\u00e8te, substring : les lettres de la sous-cha\u00eene sont cons\u00e9cutives et dans le m\u00eame ordre que dans la chaine compl\u00e8te.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "", "sec_num": null } ], "back_matter": [ { "text": "Ce travail a b\u00e9n\u00e9fici\u00e9 de l'aide du septi\u00e8me programme cadre de la Commission europ\u00e9enne (FP7/2007-2013) (Grant Agreement no 248005).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Remerciements", "sec_num": null } ], "bib_entries": { "BIBREF0": { "ref_id": "b0", "title": "Translation by machine of complex nominals : Getting it right", "authors": [ { "first": "T", "middle": [], "last": "Baldwin", "suffix": "" }, { "first": "T", "middle": [], "last": "Tanaka", "suffix": "" } ], "year": 2004, "venue": "ACL Workshop on Multiword Expressions : Integrating Processing", "volume": "", "issue": "", "pages": "24--31", "other_ids": {}, "num": null, "urls": [], "raw_text": "BALDWIN, T. et TANAKA, T. (2004). Translation by machine of complex nominals : Getting it right. In ACL Workshop on Multiword Expressions : Integrating Processing, pages 24-31.", "links": null }, "BIBREF1": { "ref_id": "b1", "title": "Working with specialized language : a practical guide to using corpora", "authors": [ { "first": "L", "middle": [], "last": "Bowker", "suffix": "" }, { "first": "J", "middle": [], "last": "Pearson", "suffix": "" } ], "year": 2002, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "BOWKER, L. et PEARSON, J. (2002). Working with specialized language : a practical guide to using corpora. London, Routledge.", "links": null }, "BIBREF2": { "ref_id": "b2", "title": "De l'incompl\u00e9tude lexicale en traduction automatique : vers une approche morphos\u00e9mantique multilingue", "authors": [ { "first": "B", "middle": [], "last": "Cartoni", "suffix": "" } ], "year": 2008, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "CARTONI, B. (2008). De l'incompl\u00e9tude lexicale en traduction automatique : vers une approche morphos\u00e9- mantique multilingue. Universit\u00e9 de Gen\u00e8ve.", "links": null }, "BIBREF3": { "ref_id": "b3", "title": "Lexical morphology in machine translation : A feasibility study", "authors": [ { "first": "B", "middle": [], "last": "Cartoni", "suffix": "" } ], "year": 2009, "venue": "12th Conference of the European Chapter of the Association for Computational Linguistics (EACL)", "volume": "", "issue": "", "pages": "130--138", "other_ids": {}, "num": null, "urls": [], "raw_text": "CARTONI, B. (2009). Lexical morphology in machine translation : A feasibility study. In 12th Conference of the European Chapter of the Association for Computational Linguistics (EACL), Athens, pages 130-138.", "links": null }, "BIBREF4": { "ref_id": "b4", "title": "Dictionnaire des structures du vocabulaire savant. Les usuels du Robert", "authors": [ { "first": "H", "middle": [], "last": "Cottez", "suffix": "" } ], "year": 1982, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "COTTEZ, H. (1982). Dictionnaire des structures du vocabulaire savant. Les usuels du Robert, Paris.", "links": null }, "BIBREF5": { "ref_id": "b5", "title": "Identification des adjectifs relationnels en corpus", "authors": [ { "first": "B", "middle": [], "last": "Daille", "suffix": "" } ], "year": 1999, "venue": "Actes de la Conf\u00e9rence de Traitement Automatique du Langage Naturel (TALN '99)", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "DAILLE, B. (1999). Identification des adjectifs relationnels en corpus. In Actes de la Conf\u00e9rence de Traitement Automatique du Langage Naturel (TALN '99).", "links": null }, "BIBREF6": { "ref_id": "b6", "title": "Morphological rule induction for terminology acquisition", "authors": [ { "first": "B", "middle": [], "last": "Daille", "suffix": "" } ], "year": 2000, "venue": "18th International Conference on Computational Linguistics (COLING)", "volume": "", "issue": "", "pages": "215--221", "other_ids": {}, "num": null, "urls": [], "raw_text": "DAILLE, B. (2000). Morphological rule induction for terminology acquisition. In 18th International Conference on Computational Linguistics (COLING), pages 215-221.", "links": null }, "BIBREF7": { "ref_id": "b7", "title": "La d\u00e9rivation suffixale en fran\u00e7ais", "authors": [ { "first": "J", "middle": [], "last": "Dubois", "suffix": "" }, { "first": "F", "middle": [], "last": "Dubois-Charlier", "suffix": "" } ], "year": 1999, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "DUBOIS, J. et DUBOIS-CHARLIER, F. (1999). La d\u00e9rivation suffixale en fran\u00e7ais. Nathan Universit\u00e9.", "links": null }, "BIBREF8": { "ref_id": "b8", "title": "Word variant identification in old french", "authors": [ { "first": "O", "middle": [], "last": "Frunza", "suffix": "" }, { "first": "D", "middle": [], "last": "Inkpen", "suffix": "" } ], "year": 2010, "venue": "International Journal of Linguistics", "volume": "130", "issue": "", "pages": "481--510", "other_ids": {}, "num": null, "urls": [], "raw_text": "FRUNZA, O. et INKPEN, D. (2010). Word variant identification in old french. International Journal of Linguistics, 130:481-510.", "links": null }, "BIBREF9": { "ref_id": "b9", "title": "L'adjectif entre nom et verbe. De Boeck and Larcier D\u00e9partement Duculot", "authors": [ { "first": "J", "middle": [], "last": "Goes", "suffix": "" } ], "year": 1999, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "GOES, J. (1999). L'adjectif entre nom et verbe. De Boeck and Larcier D\u00e9partement Duculot.", "links": null }, "BIBREF10": { "ref_id": "b10", "title": "Clustering semantically equivalent words into cognate sets in multilingual lists", "authors": [ { "first": "B", "middle": [], "last": "Hauer", "suffix": "" }, { "first": "G", "middle": [], "last": "Kondrak", "suffix": "" } ], "year": 2011, "venue": "The 5th International Joint Conference on Natural Language Processing (IJCNLP)", "volume": "", "issue": "", "pages": "865--873", "other_ids": {}, "num": null, "urls": [], "raw_text": "HAUER, B. et KONDRAK, G. (2011). Clustering semantically equivalent words into cognate sets in multi- lingual lists. In The 5th International Joint Conference on Natural Language Processing (IJCNLP),Chiang Mai, pages 865-873.", "links": null }, "BIBREF11": { "ref_id": "b11", "title": "A largest common subsequence-based distance measure for classifying player motion traces in virtual worlds", "authors": [ { "first": "N", "middle": [ "S" ], "last": "Ketkar", "suffix": "" }, { "first": "G", "middle": [ "M" ], "last": "Youngblood", "suffix": "" } ], "year": 2010, "venue": "FLAIRS Conference", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "KETKAR, N. S. et YOUNGBLOOD, G. M. (2010). A largest common subsequence-based distance measure for classifying player motion traces in virtual worlds. In FLAIRS Conference.", "links": null }, "BIBREF12": { "ref_id": "b12", "title": "Identification automatique des adjectifs relationnels : une \u00e9tude sur corpus", "authors": [ { "first": "F", "middle": [], "last": "Maniez", "suffix": "" } ], "year": 2005, "venue": "De la mesure dans les terme", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "MANIEZ, F. (2005). Identification automatique des adjectifs relationnels : une \u00e9tude sur corpus. In De la mesure dans les terme : Presses Universitaires de Lyon.", "links": null }, "BIBREF13": { "ref_id": "b13", "title": "Compositionality and lexical alignment of multi-word terms. Language Resources and Evaluation", "authors": [ { "first": "E", "middle": [], "last": "Morin", "suffix": "" }, { "first": "B", "middle": [], "last": "Daille", "suffix": "" } ], "year": 2010, "venue": "", "volume": "44", "issue": "", "pages": "79--95", "other_ids": {}, "num": null, "urls": [], "raw_text": "MORIN, E. et DAILLE, B. (2010). Compositionality and lexical alignment of multi-word terms. Language Resources and Evaluation, 44(1-2):79-95.", "links": null }, "BIBREF14": { "ref_id": "b14", "title": "Automatiser l'analyse morphos\u00e9mantique non affixale : le syst\u00e8me D\u00e9riF", "authors": [ { "first": "F", "middle": [], "last": "Namer", "suffix": "" } ], "year": 2003, "venue": "Cahiers de Grammaire", "volume": "28", "issue": "", "pages": "31--48", "other_ids": {}, "num": null, "urls": [], "raw_text": "NAMER, F. (2003). Automatiser l'analyse morphos\u00e9mantique non affixale : le syst\u00e8me D\u00e9riF. Cahiers de Grammaire, 28:31-48.", "links": null }, "BIBREF15": { "ref_id": "b15", "title": "L'adjectif en fran\u00e7ais", "authors": [ { "first": "M", "middle": [], "last": "Noailly", "suffix": "" } ], "year": 1999, "venue": "Editions Ophrys", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "NOAILLY, M. (1999). L'adjectif en fran\u00e7ais. Editions Ophrys.", "links": null }, "BIBREF16": { "ref_id": "b16", "title": "De la grammaire traditionnelle \u00e0 la morphologie d\u00e9rivationnelle : retour sur l'adjectif de relation", "authors": [ { "first": "N", "middle": [ "R" ], "last": "Pedreira", "suffix": "" } ], "year": 2002, "venue": "VERBA", "volume": "", "issue": "", "pages": "421--434", "other_ids": {}, "num": null, "urls": [], "raw_text": "PEDREIRA, N. R. (2002). De la grammaire traditionnelle \u00e0 la morphologie d\u00e9rivationnelle : retour sur l'adjectif de relation. In VERBA, pages 421-434.", "links": null }, "BIBREF17": { "ref_id": "b17", "title": "Identifying word translations in non-parallel texts", "authors": [ { "first": "R", "middle": [], "last": "Rapp", "suffix": "" } ], "year": 1995, "venue": "Proceedings of the 33rd annual meeting on Association for Computational Linguistics (ACL '95)", "volume": "", "issue": "", "pages": "320--322", "other_ids": {}, "num": null, "urls": [], "raw_text": "RAPP, R. (1995). Identifying word translations in non-parallel texts. In Proceedings of the 33rd annual meeting on Association for Computational Linguistics (ACL '95), Cambridge, Massachusetts, pages 320-322.", "links": null }, "BIBREF18": { "ref_id": "b18", "title": "TTC TermSuite : A UIMA Application for Multilingual Terminology extraction from Comparable Corpora", "authors": [ { "first": "J", "middle": [], "last": "Rocheteau", "suffix": "" }, { "first": "B", "middle": [], "last": "Daille", "suffix": "" } ], "year": 2011, "venue": "the 5th International Joint Conference on Natural Language Processing (IJCNLP)", "volume": "", "issue": "", "pages": "9--12", "other_ids": {}, "num": null, "urls": [], "raw_text": "ROCHETEAU, J. et DAILLE, B. (2011). TTC TermSuite : A UIMA Application for Multilingual Terminology extraction from Comparable Corpora. In the 5th International Joint Conference on Natural Language Processing (IJCNLP),Chiang Mai, pages 9-12.", "links": null }, "BIBREF19": { "ref_id": "b19", "title": "Comment les adjectifs sont s\u00e9mantiquement construits. Cahier de Grammaire 30", "authors": [ { "first": "M", "middle": [], "last": "Roch\u00e9", "suffix": "" } ], "year": 2006, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "ROCH\u00c9, M. (2006). Comment les adjectifs sont s\u00e9mantiquement construits. Cahier de Grammaire 30.", "links": null } }, "ref_entries": { "FIGREF0": { "uris": null, "text": "\u00e0 l'aide des r\u00e8gles d\u00e9finies qui relient un adjectif relationnel avec son nom. Nous avons pour objectif dans ce travail (a) d'extraire des adjectifs relationnels automatiquement du corpus ; (b) d'\u00e9tablir un lien entre un adjectif relationnel extrait et le nom dont il est d\u00e9riv\u00e9 automatiquement ; (c) d'\u00e9tudier l'influence des propri\u00e9t\u00e9s des adjectifs extraits et les alignements adjectif-nom sur la traduction compositionnelle des termes [N AdjR].", "type_str": "figure", "num": null }, "FIGREF1": { "uris": null, "text": "similarit y let t res (A, B) = (similarit y Lcs(A, B) + similarit y Lev (A, B))/2 (1) similarit y Lcs (A, B) = |Lcs(A, B)| 2 /(a \u00d7 b) (2) similarit y Lev (A, B) = 1 \u2212 (Levenshtein(A, B)/a) si a >= b 1 \u2212 (Levenshtein(A, B)/b) autrement(3)O\u00f9 similarit y Lcs (A, B) et similarit y Lev (A, B) \u2208 [0, 1], a et b sont les longueurs des cha\u00eenes A et B respectivement. Dans le calcul du score de Levenshtein, chaque op\u00e9ration a un co\u00fbt \u00e9gal \u00e0 1.", "type_str": "figure", "num": null }, "FIGREF2": { "uris": null, "text": "Pour un adjectif A et un nom N, nous cherchons une paraphrase dans le corpus de la forme [X A : : X PREP DET ? N] 4 , o\u00f9 X est un nom t\u00eate. Comme par exemple, cancer pulmonaire : : cancer du poumon. Afin de calculer un score entre A et N, nous repr\u00e9sentons chacun par un vecteur o\u00f9 les attributs sont les noms t\u00eates qui apparaissent avec A ou N (voir figures 2). Le score d'un attribut dans le vecteur d'un nom N est calcul\u00e9 \u00e0 l'aide de la mesure d'association I M entre N et le nom t\u00eate X : I M(N, X ) = log 2 a (a + b)(a + c) (4) -a est le nombre d'occurrences de N et X ensemble b est le nombre d'occurrences de N avec tous les autres nom t\u00eates = X c est le nombre d'occurrences de X avec tous les autres noms = N Le score de chaque attribut dans un vecteur d'adjectif A est calcul\u00e9 de la m\u00eame mani\u00e8re : d'occurrences de A et X ensemble b est le nombre d'occurrences de A avec tous les autres nom t\u00eates = X c est le nombre d'occurrences de X avec tous les autres adjectifs = A Ensuite, nous calculons un score entre les deux vecteurs (nom et adjectif) en utilisant le cosinus. similarit y paraphrases (A, N) = cos(A, N) = n i=1 I M.I M n i=1 I M 2 . n i=1 I M 2 (6) 4. On peut aussi inclure d'autres variantes, comme par exemple les formes [X A 1 A] (ex. r\u00e9gion ganglionnaire axillaire) et [X A 1 PREP DET N] (ex. balayage lent de l'aisselle).", "type_str": "figure", "num": null }, "FIGREF3": { "uris": null, "text": "Vecteurs des adjectifs relationnels et des nomsO\u00f9 n est le nombre de noms t\u00eates communs entre A et N.4.1.2 Combinaisons des mesures de similarit\u00e9 de lettres et de paraphrasesPour un adjectif A et un nom N, nous calculons leur score final en combinant leur similarit\u00e9 de lettres selon la formule 1 et la similarit\u00e9 contextuelle selon la formule 6, comme suit : score(A, N) = \u03b1 * similarit y let t res (A, N) + \u03b2 * similarit y paraphrases(A, N)", "type_str": "figure", "num": null }, "FIGREF4": { "uris": null, "text": "l'outil d'extraction et d'alignement des termes \u00e0 partir des corpus Term Suite 6 (Rocheteau et Daille, 2011), afin d'\u00e9tiqueter le corpus et d'extraire des termes. C cds f r contient 14 680 mots distincts, alors que C cds en contient 8 492 mots distincts. Nous extrayons des phrases selon des motifs, comme suit : -12 991 phrases fran\u00e7aises (L [NA] f r ) extraites par [N A], et 11 941 phrases anglaises (L [AN] en ) extraites par [A N]. -12 954 phrases fran\u00e7aises (L [NN] f r ) extraites par [N DET ? PREP N], et 10 069 phrases anglaises (L [NN] en ) extraites par [N N].", "type_str": "figure", "num": null }, "TABREF2": { "type_str": "table", "text": "", "num": null, "html": null, "content": "" }, "TABREF3": { "type_str": "table", "text": "Nous supposons qu'un adjectif relationnel partage des caract\u00e8res dans le m\u00eame ordre avec son nom de base. Afin de trouver le nom N dont un adjectif A est d\u00e9riv\u00e9, on peut comparer cet adjectif avec tous les noms dans un dictionnaire (et qui existent dans un corpus source) en donnant des scores entre un nom et un adjectif par des mesures de similarit\u00e9. Le nom N qui a la similarit\u00e9 la plus \u00e9lev\u00e9e avec A sera retenu. De nombreux algorithmes existants peuvent mesurer la similarit\u00e9 ou la distance entre deux cha\u00eenes. En effet, une mesure int\u00e9ressante pour notre t\u00e2che pr\u00e9servera l'ordre lin\u00e9aire des lettres lors de la comparaison de deux cha\u00eenes. Nous pr\u00e9sentons ci-dessous deux mesures qui pr\u00e9servent l'ordre, ces mesures seront utilis\u00e9es dans la suite : Donn\u00e9es : L pre f i xes (pr\u00e9fixes fran\u00e7ais qui n'acceptent qu'une base adjectivale relationnelle ou d\u00e9verbale), L su f f Rel (suffixes relationnels), L racines (racines gr\u00e9co-latines extraites automatiquement, voir 3.2), C cds f r (corpus fran\u00e7ais), L[NA] f r (termes [N A] extraits du corpus fran\u00e7ais); R\u00e9sultat : Liste Ad jR -1 (contient les adjectifs qui commencent par une racine dans L racines ou un pr\u00e9fixe dans L pre f i xes ), Liste Ad jR -2 (contient les adjectifs qui peuvent \u00eatre pr\u00e9fix\u00e9s par des racines dans L racines ou des pr\u00e9fixes dans L pre f i xes ), Liste Ad jR -3 (contient les adjectifs extraits \u00e0 l'aide de P9), Liste Ad jR -4 (contient les adjectifs relationnels extraits \u00e0 l'aide de P10); Liste Ad jR -1 \u00e0 et A \u00e0 Liste Ad jR -2; temp Ad jR \u2190\u2212 { Liste Ad jR -1 \u222a Liste Ad jR -2 }; Identification des adjectifs relationnels dans le corpus for\u00eat)=fort. On peut normaliser cette mesure comme suit(Ketkar et Youngblood, 2010) :Lcs normalise (A, B) = |Lcs(A, B)| 2 /(a \u00d7 b) \u2208 [0, 1],o\u00f9 a est la longueur de A et b la longueur de B. Plus ce score est \u00e9lev\u00e9, plus les cha\u00eenes sont similaires. R\u00e9sultat : L racines ; d\u00e9but pour chaque adjectif A dans C cds f r qui compose un terme [N A] dans L [NA] f r (ex. barri\u00e8re tumoral) faire si il se trouve un autre adjectif A dans le corpus (ex. h\u00e9matotumoral), o\u00f9 A peut s'\u00e9crire de la forme suivante : [\u00e9l\u00e9ment A ] (ex. h\u00e9matotumoral), et si cet \u00e9l\u00e9ment se termine par \"que les scores obtenus par les mesures de similarit\u00e9 soient plus r\u00e9presentatifs. Enfin, nous utilisons des racines gr\u00e9co-latines pour relier les adjectifs relationnels suppl\u00e9tifs avec des noms.", "num": null, "html": null, "content": "
d\u00e9but pour chaque A qui apparait dans au moins un terme [N A] \u2208 L [NA] f r , et qui se termine par un suffixe \u2208L su f f Rel (ex. tumoral) faire si il existe un autre A (ex. h\u00e9matotumoral) dans C cds f r qui a la forme [racine A ] ou [pr\u00e9fixe A] (ex. racine=h\u00e9mato, A=tumoral) (o\u00f9 pr\u00e9fixe \u2208L pre f ixes , racine \u2208L racines ) alors si le \"pr\u00e9fixe\" ou la \"racine\" n'accepte que des bases relationnelles alors Ajouter A \u00e0 Liste Ad jR -1 et A \u00e0 Liste Ad jR -2; sinon si le suffixe de A est un suffixe non-commun entre les adjectifs relationnels et les adjectifs d\u00e9verbaux (ex. le suffixe \"ique\", voir 1 dans 3.1.1) alors Ajouter A \u00e0 Ajouter A \u00e0 Liste Ad jR -4; et s'il n'est pas l'un des pr\u00e9fixes fran\u00e7ais qui se terminent par \"o\" : hypo-, r\u00e9tro-ou pro-alors Ajouter \"\u00e9l\u00e9ment\" (ex. h\u00e9mato) \u00e0 L racines ; si \"\u00e9l\u00e9ment\" pr\u00e9fixe au moins un adjectif Ad j dans C cds f r o\u00f9 Ad j se termine par un suffixe \u2208 L suf f Rel alors \"\u00e9l\u00e9ment\" est une racine qui peut pr\u00e9fixer les adjectifs d\u00e9verbaux (ex. bio-); Algorithme 1: o\", 4.1 Alignement adjectif-nom par mesures de similarit\u00e9 de lettres
D'abord, nous essayons de relier un adjectif avec un nom en n'utilisant que des mesures de similarit\u00e9.
Nous combinons les deux similarit\u00e9s : similarit y Lcs (A, B) et similarit y Lev (A, B) (voir ci-dessous), en prenant leur moyenne g\u00e9om\u00e9trique afin d'avoir un seul score \u2208 [0, 1] entre un adjectif et un nom :
" }, "TABREF4": { "type_str": "table", "text": "nous remplacons Ad jR par le nom N avec lequel il a \u00e9t\u00e9 align\u00e9. Ce remplacement donne un nouveau terme complexe t c =[N PREP DET ? N ], nous supposons que sa traduction est \u00e9quivalente \u00e0 celle de t c . Nous suivons l'algorithme pr\u00e9sent\u00e9 sous algorithme 3. Traduction des termes en utilisant les alignements adjectif-nom", "num": null, "html": null, "content": "
Donn\u00e9es : L [NA] f r (termes fran\u00e7ais de la forme [N A]), L [AN] en (termes anglais de la forme [A N]), L [NN] en (termes anglais de la forme [N N]), L alignements (alignements adjectif-nom), Dico f r\u2212en (dictionnaire bilingue fran\u00e7ais-anglais) ;
R\u00e9sultat : Liste de traductions;
d\u00e9but
pour chaque expression de forme [N A] \u2208 L [NA] f r (ex. FR concentration plasmatique) faire N );
si [N en N en ] (ex. EN plasma concentration) existe dans L [NN] en alors [N en N en ] est la traduction de [N A];
Algorithme 3:
" }, "TABREF5": { "type_str": "table", "text": "). -liste de 15 suffixes relationnels en fran\u00e7ais L su f f Rel (voir P7 dans la table 1). -deux listes d'adjectifs fran\u00e7ais extraites automatiquement du corpus : -LAd jR Classes : cette liste comprend 361 adjectifs extraits automatiquement du corpus. Elle correspond \u00e0 l'ensemble des listes extraites du C cds f r en suivant l'algorithme 1. -LAd jR Base : contient tous les adjectifs extraits \u00e0 partir de la propri\u00e9t\u00e9 P7 (c'est-\u00e0-dire \u00e0 partir des suffixes relationnels) et qui composent au moins un terme [N A]\u2208L [NA] f r . Cette liste contient 1 346 adjectifs, elle est consid\u00e9r\u00e9e comme la liste de base et les r\u00e9sultats de l'alignement adjectif-nom sur cette liste seront compar\u00e9s avec ceux obtenus sur la liste LAd jR Classes . -dictionnaire bilingue fran\u00e7ais-anglais (Dico f r\u2212an ) de 145 542 entr\u00e9es de mots simples. -liste de 66 racines suppl\u00e9tives fran\u00e7aises (L racines\u2212noms ) align\u00e9es avec des noms communs (ex. h\u00e9pat / fois, pulmon / poumon, ... etc)", "num": null, "html": null, "content": "" }, "TABREF6": { "type_str": "table", "text": "). Nous remarquons que 198 adjectifs dans LAd jR Classes peuvent \u00eatre classifi\u00e9s comme relationnels, et qu'il y a beaucoup d'adjectifs compos\u00e9s qui ne sont ni relationnels ni qualificatifs.La liste LAd jR Classes contient plus de 54 % d'adjectifs relationnels et la liste Liste Ad jR -2 se compose de 93 % d'adjectifs relationnels. Pour avoir une id\u00e9e du rappel, nous utilisons D\u00e9rif pour aligner les adjectifs de la liste LAd jR Base avec des noms. D\u00e9rif est capable d'aligner 554 adjectifs avec des noms par la relation \"en rapport avec\". Nous appelons cette liste par Liste Deri f . Nous trouvons que la liste LAd jR Classes couvre 141 adjectifs de Liste Deri f . Cependant, 57 des adjectifs que nous avons classifi\u00e9s comme relationnels dans LAd jR Classes n'ont pas pu \u00eatre align\u00e9s par D\u00e9rif. De plus, il existe des adjectifs d\u00e9nominaux mais non relationnels dans Liste Deri f (ex. original/origine, critique/crise, etc.).Nous appliquons la m\u00e9thode d'alignement que nous avons propos\u00e9e en section 4.1.4 sur les listes des adjectifs extraits automatiquement (LAd jR Classes et LAd jR Base ). Nous fixons empiriquement les poids des deux similarit\u00e9s dans l'\u00e9quation 7 : \u03b1=0,70 et \u03b2=0,30. Un adjectif et un nom doivent avoir une similarit\u00e9 minimale de similarit y Lev \u00e0 0,6 et une similarit\u00e9 minimale de similarit y Lcs \u00e0 0,7 (les deux similarit\u00e9s qui composent similarit y let t res dans l'\u00e9quation 7).Ainsi, 157 adjectifs de la liste LAd jR Classes (parmi 361) ont \u00e9t\u00e9 align\u00e9s avec une pr\u00e9cision de 89,8 %. De la liste LAd jR Base , 582 adjectifs (parmi 1 346) ont \u00e9t\u00e9 align\u00e9s avec une pr\u00e9cision de 84,53 %. Nous avons \u00e9valu\u00e9 les alignements manuellement et \u00e0 l'aide de l'outilD\u00e9rif Namer (2003). Nous consid\u00e9rons qu'un alignement est correct si l'adjectif a \u00e9t\u00e9 align\u00e9 avec lui-m\u00eame ou avec son nom de base. En effet, LAd jR Base contient plus des adjectifs non-relationnels et du bruit (des mots non-fran\u00e7ais) que LAd jR Classes , ce qui explique le taux plus \u00e9lev\u00e9 des mauvais alignements. De plus, nous exigeons que le nom de base d'un adjectif soit pr\u00e9sent dans le corpus, alors que ce n'est pas toujours le cas. Le rappel est le nombre d'adjectifs align\u00e9s divis\u00e9 par le nombre d'adjectifs dans la liste. Cependant, il faut noter qu'il y a de nombreux adjectifs dans LAd jR Base et LAd jR Classes qui ne peuvent pas \u00eatre reli\u00e9s \u00e0 des noms. Par exemple, les adjectifs compos\u00e9s sont parfois reli\u00e9s \u00e0 des phrases comme on l'avait d\u00e9j\u00e0 mentionn\u00e9 dans la section 6.2. Nous r\u00e9sumons les r\u00e9sultats de l'alignement dans la table 3. R\u00e9sultats des m\u00e9thodes d'alignement adjectif-nom sur LAdjR Classes et LAdjR Base Nous pr\u00e9sentons les r\u00e9sultats de la traduction des termes [N AdjR], en utilisant les alignements adjectif-nom obtenus, dans la section suivante.La m\u00e9thode compositionnelle qui consiste \u00e0 traduire des termes fran\u00e7ais de la forme [N A] en termes anglais de la forme [A N] nous a permis de traduire 2 039 termes dont les adjectifs sont issus de la liste LAd jR Base , et 574 termes dont les adjectifs sont issus de la liste LAd jR Classes . Cette m\u00e9thode a donn\u00e9 une pr\u00e9cision de 79,5 % sur une liste de 200 termes traduits qui a \u00e9t\u00e9 examin\u00e9e manuellement. Nous essayons maintenant de traduire les termes fran\u00e7ais [N A] non-traduits par la m\u00e9thode pr\u00e9c\u00e9dente en passant par les noms de base des adjectifs relationnels.Nous suivons l'algorithme 3 afin d'\u00e9valuer l'impact des alignements adjectif-nom sur la traduction des termes [N A], voir la table 4. Nous utilisons les 157 alignements adjectif-nom obtenus de la liste LAd jR Classes et nous trouvons que 42 alignements adjectif-nom de cette liste ont aid\u00e9 \u00e0 traduire 172 termes [N A] distincts avec une pr\u00e9cision de 91,86 %. En appliquant l'algorithme 3 sur les 582 alignements adjectif-nom obtenus de LAd jR Base , nous trouvons que 92 de ces alignements ont particip\u00e9 \u00e0 traduire 250 termes distincts avec une pr\u00e9cision de 86 %. Les traductions ont \u00e9t\u00e9 v\u00e9rifi\u00e9es \u00e0 l'aide du dictionnaire r\u00e9dactionnel Linguee 7 et la banque de donn\u00e9es Termium 8 . La pr\u00e9cision des traductions est \u00e9gale au nombre de termes distincts qui ont au moins une traduction correcte parmi les 5 premi\u00e8res traductions propos\u00e9es divis\u00e9 par le nombre de termes distincts qui ont \u00e9t\u00e9 traduits. Les traductions propos\u00e9es ont \u00e9t\u00e9 class\u00e9es par leurs fr\u00e9quences dans le corpus cible.Les alignements des adjectifs d\u00e9nominaux qui ont des emplois qualificatifs (ex. originale/origine,", "num": null, "html": null, "content": "
listenbr. d'adjectifs nbr. de classenbr. de classenbr.classe
qualificativerelationellecompos\u00e9e
Liste Ad jR -1 Liste Ad jR -2 Liste Ad jR -3 Liste Ad jR -4154 103 47 570 8 3 628 96 34 40153 19 18 27
Total36117198217
TABLE 2 -Les classes des adjectifs dans les listes extraites
Les listes d'adjectifs extraites seront utilis\u00e9es par la m\u00e9thode de l'alignement d'un adjectif relationnel
avec un nom.
" }, "TABREF7": { "type_str": "table", "text": "Dans cet article, nous nous sommes int\u00e9ress\u00e9s \u00e0 l'identification des adjectif relationnels et \u00e0 l'alignement de ces adjectifs avec leurs noms de base. Nous avons \u00e9galement essay\u00e9de traduire des termes qui se composent d'un nom et d'un adjectif relationnel [N AdjR] en rempla\u00e7ant Ad jR par son nom de base. Nous avons d\u00e9velopp\u00e9 une m\u00e9thode qui exploite plusieurs propri\u00e9t\u00e9s des adjectifs relationnels pour les identifier en se basant sur un corpus monolingue. Nous avons extrait par cette m\u00e9thode une liste d'adjectifs LAd jR Classes . Une autre liste d'adjectifs LAd jR Base a \u00e9t\u00e9 extraite en utilisant une liste de suffixes relationnels. Nous avons trouv\u00e9 que la liste LAd jR Classes contient tr\u00e8s peu d'adjectifs qualificatifs et moins de bruit que la liste LAd jR Base . Ensuite, nous avons d\u00e9velopp\u00e9 une m\u00e9thode afin d'aligner les adjectifs relationnels extraits avec leurs noms de base \u00e0 partir d'un corpus monolingue. Nous nous sommes appuy\u00e9s sur la similarit\u00e9 de lettres, la similarit\u00e9 contextuelle et des racines gr\u00e9co-latines afin de relier un adjectif \u00e0 un nom. Nous avons appliqu\u00e9 la m\u00e9thode d'alignement sur les deux listes LAd jR Base et LAd jR Classes , et nous avons acquis des couples d'adjectif-nom avec une pr\u00e9cision sup\u00e9rieure \u00e0 84 %. Enfin, nous avons exploit\u00e9 les alignements adjectif-nom obtenus pour traduire compositionnellement des termes de la forme [N AdjR]. La pr\u00e9cision des alignements adjectif-nom obtenus \u00e0 partir de LAd jR Classes , ainsi que la traduction des termes [N AdjR] obtenus en utilisant ces alignements ont \u00e9t\u00e9 plus \u00e9lev\u00e9es que celles des alignements et des traductions obtenues avec LAd jR Base . Par contre, nous obtenons plus d'alignements avec LAd jR Base et donc plus de traductions par rapport \u00e0 l'utilisation de LAd jR Classes . Il semble donc que la m\u00e9thode d'alignement adjectif-nom sur une liste d'adjectifs purement relationnels peut donner des alignements avec une haute pr\u00e9cision et ainsi une haute pr\u00e9cision pour la traduction compositionnelle des termes [N AdjR]. Les mauvais alignements adjectif-nom n'ont pas beaucoup influenc\u00e9 la pr\u00e9cision des traductions de ces termes qui est de 86 % en utilisant LAd jR Base . La traduction compositionnelle permet donc de filtrer les mauvais alignements adjectif-nom.", "num": null, "html": null, "content": "
listenbr. d'aligne-nbr. de termespr\u00e9cision
LAdjR Classes LAdjR Basesments adj-nom 157 582[N A] traduits 172 25091,86 % 86,00 %
TABLE 4 -R\u00e9sultats de la traduction en utilisant les alignements adjectif-nom
7 Discussion et conclusion
" } } } }