{ "paper_id": "F13-2002", "header": { "generated_with": "S2ORC 1.0.0", "date_generated": "2023-01-19T09:40:46.451540Z" }, "title": "Similarit\u00e9s induites par mesure de comparabilit\u00e9 : signification et utilit\u00e9 pour le clustering et l'alignement de textes comparables", "authors": [ { "first": "Pierre-Francois", "middle": [], "last": "Marteau", "suffix": "", "affiliation": { "laboratory": "UMR 6074", "institution": "", "location": {} }, "email": "" }, { "first": "Gildas", "middle": [], "last": "M\u00e9nier", "suffix": "", "affiliation": { "laboratory": "UMR 6074", "institution": "", "location": {} }, "email": "" } ], "year": "", "venue": null, "identifiers": {}, "abstract": "En pr\u00e9sence de corpus comparables bilingues, nous sommes confront\u00e9s \u00e0 des donn\u00e9es qu'il est naturel de plonger dans deux espaces de repr\u00e9sentation linguistique distincts, chacun \u00e9ventuellement muni d'une mesure quantifiable de similarit\u00e9 (ou d'une distance). D\u00e8s lors que ces donn\u00e9es bilingues sont comparables au sens d'une mesure de comparabilit\u00e9 \u00e9galement calculable (Li et Gaussier, 2010), nous pouvons \u00e9tablir une connexion entre ces deux espaces de repr\u00e9sentation linguistique en exploitant une carte d'association pond\u00e9r\u00e9e (\"mapping\") appr\u00e9hend\u00e9e sous la forme d'un graphe bi-directionnel dit de comparabilit\u00e9. Nous abordons dans cet article les cons\u00e9quences conceptuelles et pratique d'une telle connexion similarit\u00e9-comparabilit\u00e9 en d\u00e9veloppant un algorithme (Hit-ComSim) bas\u00e9 sur sur le principe de similarit\u00e9 induite par la topologie du graphe de comparabilit\u00e9. Nous essayons de qualifier qualitativement l'int\u00e9r\u00eat de cet algorithme en consid\u00e9rant quelques exp\u00e9riences pr\u00e9liminaires de clustering de documents comparables bilingues (Fran\u00e7ais/Anglais) collect\u00e9s sur des flux RSS.", "pdf_parse": { "paper_id": "F13-2002", "_pdf_hash": "", "abstract": [ { "text": "En pr\u00e9sence de corpus comparables bilingues, nous sommes confront\u00e9s \u00e0 des donn\u00e9es qu'il est naturel de plonger dans deux espaces de repr\u00e9sentation linguistique distincts, chacun \u00e9ventuellement muni d'une mesure quantifiable de similarit\u00e9 (ou d'une distance). D\u00e8s lors que ces donn\u00e9es bilingues sont comparables au sens d'une mesure de comparabilit\u00e9 \u00e9galement calculable (Li et Gaussier, 2010), nous pouvons \u00e9tablir une connexion entre ces deux espaces de repr\u00e9sentation linguistique en exploitant une carte d'association pond\u00e9r\u00e9e (\"mapping\") appr\u00e9hend\u00e9e sous la forme d'un graphe bi-directionnel dit de comparabilit\u00e9. Nous abordons dans cet article les cons\u00e9quences conceptuelles et pratique d'une telle connexion similarit\u00e9-comparabilit\u00e9 en d\u00e9veloppant un algorithme (Hit-ComSim) bas\u00e9 sur sur le principe de similarit\u00e9 induite par la topologie du graphe de comparabilit\u00e9. Nous essayons de qualifier qualitativement l'int\u00e9r\u00eat de cet algorithme en consid\u00e9rant quelques exp\u00e9riences pr\u00e9liminaires de clustering de documents comparables bilingues (Fran\u00e7ais/Anglais) collect\u00e9s sur des flux RSS.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Abstract", "sec_num": null } ], "body_text": [ { "text": "La construction de corpus bilingues comparables (D\u00e9jean et Gaussier, 2002) , notamment sp\u00e9cialis\u00e9s ou th\u00e9matiques, fait l'objet de travaux de recherche relativement intensifs depuis plus d'une dizaine d'ann\u00e9es dans le but de pallier en partie la p\u00e9nurie de corpus parall\u00e8les, co\u00fbteux \u00e0 d\u00e9velopper et \u00e0 maintenir. Les applications sont multiples mais concernent principalement l'aide \u00e0 la traduction, l'extraction de terminologie, la recherche d'information multilingue. Un corpus comparable est constitu\u00e9 de textes \"similaires\" exprim\u00e9s dans au moins deux langues distinctes (EAGLES, 1996) . Bien qu'il n'existe pas de d\u00e9finition claire et partag\u00e9e de la notion de comparabilit\u00e9, une mesure (quantifiable) de comparabilit\u00e9 a \u00e9t\u00e9 propos\u00e9e par (Li et Gaussier, 2010) . Cette mesure d\u00e9pendante d'un lexique bilingue de traduction, \u00e9value la comparabilit\u00e9 entre deux documents de langues diff\u00e9rentes en fonction du prorata de termes du premier document poss\u00e9dant au moins une traduction dans le deuxi\u00e8me document et vice-versa. Cette notion quantifi\u00e9e de comparabilit\u00e9 permet de construire une relation pond\u00e9r\u00e9e entre deux corpus de langues distinctes que nous proposons d'\u00e9tudier ici dans le contexte du clustering de textes comparables. L'un des enjeux est de pr\u00e9parer l'alignement des clusters comparables afin de faciliter la production de sous-corpus th\u00e9matiques comparables (Li et al., 2011) .", "cite_spans": [ { "start": 48, "end": 74, "text": "(D\u00e9jean et Gaussier, 2002)", "ref_id": "BIBREF1" }, { "start": 575, "end": 589, "text": "(EAGLES, 1996)", "ref_id": null }, { "start": 742, "end": 764, "text": "(Li et Gaussier, 2010)", "ref_id": "BIBREF4" }, { "start": 1376, "end": 1393, "text": "(Li et al., 2011)", "ref_id": "BIBREF5" } ], "ref_spans": [], "eq_spans": [], "section": "Introduction", "sec_num": "1" }, { "text": "FIGURE 1 -Couplage de deux espaces de similarit\u00e9 par graphe de comparabilit\u00e9 La figure 1 pr\u00e9sente deux ensembles de documents EN (anglais) et FR (fran\u00e7ais) munis respectivement des fonctions de similarit\u00e9 S en (., .) et S f r (., .) et mis en relation par un graphe de comparabilit\u00e9 d\u00e9fini par la fonction de comparabilit\u00e9 C(., .). Les arcs de ce graphe sont bidirectionnels et pond\u00e9r\u00e9s par une valeur de comparabilit\u00e9 comprise dans l'intervalle [0, 1]. L'id\u00e9e principale que nous d\u00e9veloppons dans cet article est celle du renforcement de la similarit\u00e9 par la comparabilit\u00e9 : autrement dit, si deux documents du corpus EN sont comparables \u00e0 un sous-ensemble de documents du corpus FR fortement similaires, alors leur similarit\u00e9 devrait \u00eatre renforc\u00e9e (et r\u00e9ciproquement). A contrario, si deux documents du corpus EN sont comparables \u00e0 un sous-ensemble de documents du corpus FR faiblement similaires, alors leur similarit\u00e9 devrait d\u00e9cro\u00eetre (et r\u00e9ciproquement). Ainsi, sur la figure 1, du point de vue de la similarit\u00e9 appr\u00e9hend\u00e9e sous l'angle de la comparabilit\u00e9, le document EN3 devrait s'\u00e9loigner du document EN2 pour se rapprocher des documents EN4 et EN5. De m\u00eame, le document FR6 devrait s'\u00e9loigner des documents FR5,FR4 et FR3. L'utilit\u00e9 escompt\u00e9e d'un tel renforcement/affaiblissement est une forme de filtrage du bruit inh\u00e9rent aux mod\u00e8les de repr\u00e9sentation des documents caract\u00e9ris\u00e9s par un manque de connaissance (linguistique ou terminologique entre autres).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Motivation", "sec_num": "2" }, { "text": "Le mod\u00e8le bi-espace (ici bilingue EN et FR) d'induction de la similarit\u00e9 par la comparabilit\u00e9 propos\u00e9 repose sur un algorithme it\u00e9ratif d\u00e9crit par les deux \u00e9quations suivantes :", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Mod\u00e9lisation : l'algorithme Hit-ComSim", "sec_num": "3" }, { "text": "EQUATION", "cite_spans": [], "ref_spans": [], "eq_spans": [ { "start": 0, "end": 8, "text": "EQUATION", "ref_id": "EQREF", "raw_str": "S t en (k, l) = \u03c3(k, l) \u2022 |FR| i=1 |FR| j=1 C(k, i)C(k, j)S t\u22121 f r (i, j)C(l, i)C(l, j) S t f r (i, j) = \u03c3(i, j) \u2022 |EN| k=1 |EN| l=1 C(k, i)C(l, i)S t\u22121 en (k, l)C(k, j)C(l, j)", "eq_num": "(1)" } ], "section": "Mod\u00e9lisation : l'algorithme Hit-ComSim", "sec_num": "3" }, { "text": "-C(k, i) est la comparabilit\u00e9 entre le k i\u00e8me objet du corpus EN et le i i\u00e8me objet du corpus FR -S t en (k, l) est la similarit\u00e9 entre les k i\u00e8me et l i\u00e8me objets du corpus EN \u00e0 l'it\u00e9ration t -S t f r (i, j) est la similarit\u00e9 entre les i i\u00e8me et j i\u00e8me objets du corpus FR \u00e0 l'it\u00e9ration t \u03c3(., .) est une fonction de normalisation d\u00e9finie comme suit :", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Mod\u00e9lisation : l'algorithme Hit-ComSim", "sec_num": "3" }, { "text": "\u03c3(k, l) = ( \u03bd en (k).\u03bd en (l) \u22121 , \u03c3(i, j) = ( \u03bd f r (i).\u03bd f r ( j) \u22121 \u03bd en (k) = i, j (C(k, i) \u2022 C(k, j)) 2 \u2022 S t\u22121 f r (i, j), \u03bd f r (i) = k,l (C(k, i) \u2022 C(l, i)) 2 \u2022 S t\u22121 en (k, l)", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Mod\u00e9lisation : l'algorithme Hit-ComSim", "sec_num": "3" }, { "text": "L'initialisation de l'\u00e9quation (3) pour t = 0 est effectu\u00e9e par exemple \u00e0 partir des matrices de similarit\u00e9s initiales S 0 en et S 0 f r calcul\u00e9es dans les ensembles EN et FR respectivement.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Mod\u00e9lisation : l'algorithme Hit-ComSim", "sec_num": "3" }, { "text": "La preuve de convergence (sous conditions en pratique satisfaisables) de l'algorithme pr\u00e9sente peu d'int\u00e9r\u00eat et nous ne la d\u00e9taillerons pas. Celle-ci est une cons\u00e9quence du th\u00e9or\u00e8me de Perron-Frobenius (Perron, 1907) (Frobenius, 1912) . Il en d\u00e9coule l'existence d'un point fixe unique pour cet algorithme ainsi qu'une vitesse de convergence exponentielle, particuli\u00e8rement utile compte tenu de la complexit\u00e9 de l'algorithme (cf. paragraphe 3.3). Enfin, la convergence de l'algorithme est ind\u00e9pendante des conditions initiales (i.e. des matrices de similarit\u00e9s initiales).", "cite_spans": [ { "start": 202, "end": 216, "text": "(Perron, 1907)", "ref_id": "BIBREF6" }, { "start": 217, "end": 234, "text": "(Frobenius, 1912)", "ref_id": "BIBREF3" } ], "ref_spans": [], "eq_spans": [], "section": "Convergence", "sec_num": "3.1" }, { "text": "Le graphe de comparabilit\u00e9 est repr\u00e9sent\u00e9 par la matrice de comparabilit\u00e9 C dont l'\u00e9l\u00e9ment C(k, i) repr\u00e9sente la comparabilit\u00e9 entre le k i\u00e8me document du corpus EN (anglais) et le i i\u00e8me document du corpus FR (fran\u00e7ais). Cette matrice d\u00e9finit un graphe dont les noeuds repr\u00e9sentent les documents et dont les arcs bidirectionnels sont pond\u00e9r\u00e9s par les \u00e9l\u00e9ments C(k, i). A t = 0 les matrices de similarit\u00e9s S t en et S t f r sont initialis\u00e9es (conform\u00e9ment aux mesures de similarit\u00e9s propres aux espaces de repr\u00e9sentation dans lesquels sont plong\u00e9s les documents, si celles-ci existent, \u00e0 d\u00e9faut toute matrice positive sym\u00e9trique de dimension ad\u00e9quate convient). La notion de sous-ensemble de documents comparables communs (intersection) est appr\u00e9hend\u00e9e de mani\u00e8re \"floue\" par le biais des produits C(k, i).C (l, i) . Ainsi, pour t > 0, S t en (resp. S t f r ) est mise \u00e0 jour \u00e0 partir de S t\u22121 f r (resp. S t\u22121 en ). La convergence et l'existence d'un point fixe unique ind\u00e9pendant des conditions initiales donne une valeur particuli\u00e8re aux limites lim t\u2192+\u221e S t en et lim t\u2192+\u221e S t f r qui ne d\u00e9pendent que du graphe de comparabilit\u00e9 caract\u00e9ris\u00e9 par la matrice C. On peut ainsi qualifier ces limites de similarit\u00e9s induites par une mesure de comparabilit\u00e9.", "cite_spans": [ { "start": 808, "end": 814, "text": "(l, i)", "ref_id": null } ], "ref_spans": [], "eq_spans": [], "section": "Interpr\u00e9tation", "sec_num": "3.2" }, { "text": "L'algorithme exploit\u00e9 directement dans la formulation propos\u00e9e par l'\u00e9quation (3) est en complexit\u00e9 O(|EN | 2 \u2022 |FR| 2 ) ce qui limite son exploitabilit\u00e9 aux petits corpus. Une simplification imm\u00e9diate consiste \u00e0 diminuer la complexit\u00e9 du graphe de comparabilit\u00e9 en limitant le nombre de connexions issues d'un document dans une langue donn\u00e9e en ne consid\u00e9rant que le sous ensemble de documents qui lui sont les plus comparables dans le corpus de l'autre langue. La cardinalit\u00e9 des sous-ensembles de documents les plus comparables devient ainsi un param\u00e8tre de l'algorithme. Un deuxi\u00e8me param\u00e8tre r\u00e9gulant la connectivit\u00e9 du graphe est un seuil de comparabilit\u00e9 permettant d'\u00e9laguer les arcs du graphe associ\u00e9s \u00e0 une comparabilit\u00e9 en dessous de ce seuil. . Cette simplification n'affecte que la complexit\u00e9 du graphe de comparabilit\u00e9 et n'a donc aucune incidence sur la convergence de l'algorithme, mais peut en avoir sur sa vitesse de convergence.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Complexit\u00e9 et simplification algorithmique", "sec_num": "3.3" }, { "text": "EQUATION", "cite_spans": [], "ref_spans": [], "eq_spans": [ { "start": 0, "end": 8, "text": "EQUATION", "ref_id": "EQREF", "raw_str": "S t en (k, l) = \u03c3(k, l) \u2022 i, j\u2208N PC f r (k)\u2229N PC f r (l) C(k, i)C(k, j)S t\u22121 f r (i, j)C(l, i)C(l, j) S t f r (i, j) = \u03c3(i, j) \u2022 k,l\u2208N PC en (i)\u2229N PC en ( j) C(k, i)C(l, i)S t\u22121 en (k, l)C(k, j)C(l, j)", "eq_num": "(2)" } ], "section": "Complexit\u00e9 et simplification algorithmique", "sec_num": "3.3" }, { "text": "Nos exp\u00e9rimentations (mis \u00e0 part le cas d'\u00e9cole) portent sur des documents en langues anglaise et fran\u00e7aise collect\u00e9s sur le web \u00e0 partir de flux RSS mis \u00e0 disposition par des quotidiens ou des cha\u00eenes de t\u00e9l\u00e9vision. Nous avons exploit\u00e9 12 sources pour le corpus EN pour un total de 1702 documents en langue anglaise et 11 sources pour le corpus FR, pour un total de 2466 documents en langue fran\u00e7aise.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Exp\u00e9rimentations", "sec_num": "4" }, { "text": "Les documents collect\u00e9s sont constitu\u00e9s en principe des champs titre, description (r\u00e9sum\u00e9), date et texte, ce dernier correspondant \u00e0 la source cit\u00e9e par l'item RSS collect\u00e9. Les champs textuels sont ensuite \"stemm\u00e9s\", filtr\u00e9s par l'utilisation d'une stoplist pour produire pour chaque document collect\u00e9 un mod\u00e8le de type sac-de-mots exploitant l'heuristique tf-idf (Sp\u00e4rck Jones, 1972 ) (bien entendu d'autres heuristiques de pond\u00e9rations des mots r\u00e9put\u00e9es plus robustes sont possibles, par exemple l'heuristique BM25 (Robertson et Sp\u00e4rck Jones, 1976) ). La similarit\u00e9 cosinus est utilis\u00e9e dans les espaces EN et FR et le graphe de comparabilit\u00e9 est construit en exploitant la mesure de comparabilit\u00e9 d\u00e9finie par (Li et Gaussier, 2010) ainsi que le dictionnaire ELRA contenant 238742 couples de termes fran\u00e7ais/anglais. La comparabilit\u00e9 des corpus est faible puisque la mesure ne d\u00e9passe pas .35 pour toute paire de documents EN/FR. Nous avons utilis\u00e9 un seuil d'\u00e9lagage fix\u00e9 \u00e0 .2 en dessous duquel les liens de comparabilit\u00e9 sont consid\u00e9r\u00e9s comme non existants.", "cite_spans": [ { "start": 366, "end": 385, "text": "(Sp\u00e4rck Jones, 1972", "ref_id": "BIBREF8" }, { "start": 519, "end": 552, "text": "(Robertson et Sp\u00e4rck Jones, 1976)", "ref_id": "BIBREF7" }, { "start": 714, "end": 736, "text": "(Li et Gaussier, 2010)", "ref_id": "BIBREF4" } ], "ref_spans": [], "eq_spans": [], "section": "Exp\u00e9rimentations", "sec_num": "4" }, { "text": "La mesure de comparabilit\u00e9 exploit\u00e9e fait intervenir un comptage du nombre des entr\u00e9es lexicales passerelles permettant de coupler deux documents de langues distinctes via un lexique de traduction. Notons d en un document en langue anglaise et d f r un document en langue fran\u00e7aise. La mesure de similarit\u00e9 d\u00e9finie par (Li et Gaussier, 2010) se pr\u00e9sente formellement sous la forme : ", "cite_spans": [ { "start": 319, "end": 341, "text": "(Li et Gaussier, 2010)", "ref_id": "BIBREF4" } ], "ref_spans": [], "eq_spans": [], "section": "Exp\u00e9rimentations", "sec_num": "4" }, { "text": "EQUATION", "cite_spans": [], "ref_spans": [], "eq_spans": [ { "start": 0, "end": 8, "text": "EQUATION", "ref_id": "EQREF", "raw_str": "C mp LG (d en , d f r ) = w 1 \u2208W d en \u2229W D en \u03c3(w 1 ) + w 2 \u2208W d f r \u2229W D f r \u03c3(w 2 ) |W d en \u2229 W D en | + |W d f r \u2229 W D f r |", "eq_num": "(3)" } ], "section": "Exp\u00e9rimentations", "sec_num": "4" }, { "text": "Nous reprenons ici l'exemple propos\u00e9 en Figure 1 avec les donn\u00e9es initiales (C(k, i), S 0 en ,S 0 f r ) et finales obtenues \u00e0 l'issue de 4 it\u00e9rations de l'algorithme d\u00e9crit par l'\u00e9quation (3) (S 4 en , S 4 f r ) : Un post-traitement a permis de v\u00e9rifier que chaque document retenu du corpus n'appartient qu'\u00e0 une seule classe. A partir des matrices de similarit\u00e9 initiales S 0 en et S 0 f r , quatre it\u00e9rations de l'algorithme d\u00e9crit par l'\u00e9quation (3) sont appliqu\u00e9es pour obtenir les matrices de similarit\u00e9s consolid\u00e9es par la comparabilit\u00e9 S 4 en et S 4 f r . Une analyse en composantes principales (ACP) pour chacune des quatre matrices est ensuite propos\u00e9e pour visualiser les projections des documents sur les deux axes principaux. Un code de couleur est propos\u00e9 pour quantifier la comparabilit\u00e9 moyenne des documents : rouge/forte, bleu/faible. Les r\u00e9sultats obtenus sont pr\u00e9sent\u00e9s en figure 2. L'effet sur le clustering est un \u00e9loignement des documents faiblement comparables et un rapprochement des documents comparables, tout en maintenant une proximit\u00e9 th\u00e9matique. La comparabilit\u00e9 (articles de guerre) des clusters Mali et Syria/Syrie ressort dans les ACP des matrices produites par Hit-ComSim. Les axes principaux produits sur ces matrices semblent plus 'stables' que ceux produits sur les matrices initiales, caract\u00e9ristique qui, si cela est reproductible, pourrait s'av\u00e9rer utile pour aligner des clusters ou des documents et isoler les donn\u00e9es peu comparables. Cette exp\u00e9rience concerne l'ensemble des corpus EN (1702 documents) et FR (2466 documents) collect\u00e9s. L'algorithme dans sa version simplifi\u00e9e d\u00e9finie par l'\u00e9quation (2) a \u00e9t\u00e9 exploit\u00e9 sur 4 it\u00e9rations avec une taille de voisinage de 32 (seuls les 32 plus proches voisins d\u00e9finissent la connectivit\u00e9 du graphe de comparabilit\u00e9). La vitesse de convergence (exponentielle) de l'algorithme simplifi\u00e9 est pr\u00e9sent\u00e9e en figure 3 en haut \u00e0 gauche sur une \u00e9chelle semi-logarithmique. Les ACP effectu\u00e9es sur les 4 matrices de similarit\u00e9 S 0 en , S 4 en , S 0 f r et S 4 f r sont \u00e9galement pr\u00e9sent\u00e9es en figure 3 en utilisant un code de couleur pour repr\u00e9senter la comparabilit\u00e9 moyenne associ\u00e9e \u00e0 chaque document projet\u00e9 sur les deux axes principaux (rouge/forte comparabilit\u00e9, bleu/faible comparabilit\u00e9). Cette mesure de comparabilit\u00e9 moyenne a du sens lorsque l'on envisage construire des corpus comparables. L'effet d'Hit-ComSim est ici encore une distribution des documents en fonction de leur comparabilit\u00e9 moyenne. Ainsi, les clusters isol\u00e9s \u00e0 comparabilit\u00e9 moyenne faible sont regroup\u00e9s (autour de (0,0)) et s\u00e9par\u00e9s des documents \u00e0 plus forte comparabilit\u00e9 moyenne distribu\u00e9s sur un arc de cercle centr\u00e9 en (0,0). Pour les matrices de similarit\u00e9 initiales, l'axe principal des ACP sont fortement corr\u00e9l\u00e9s \u00e0 la comparabilit\u00e9 moyenne, mais des clusters \u00e0 faible comparabilit\u00e9 moyenne sont isol\u00e9s et justifient du 2 \u00e8me axe principal.", "cite_spans": [], "ref_spans": [ { "start": 40, "end": 48, "text": "Figure 1", "ref_id": null } ], "eq_spans": [], "section": "Cas d'\u00e9cole construit \u00e0 la main", "sec_num": "4.1" }, { "text": "C = \uf8eb \uf8ec \uf8ec \uf8ec \uf8ec \uf8ec \uf8ed 1 1 0 0 0 0 1 1 0 0 0 0 0 0 1 1 1 1 0 0 1 1 1 0 0 0 0 1 1 1 \uf8f6 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f8 , S 0 en = \uf8eb \uf8ec \uf8ec \uf8ec \uf8ec \uf8ec \uf8ed 1. .8", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Cas d'\u00e9cole construit \u00e0 la main", "sec_num": "4.1" }, { "text": "Nous avons propos\u00e9 un algorithme (Hit-ComSim) pour \u00e9tudier le couplage similarit\u00e9/comparabilit\u00e9, la comparabilit\u00e9 \u00e9tant consid\u00e9r\u00e9e sous la forme d'un graphe pond\u00e9r\u00e9 liant deux espaces de repr\u00e9sentation d'objets distincts. Cet algorithme permet d'aboutir \u00e0 la notion de similarit\u00e9s induites par mesure de comparabilit\u00e9 qui peuvent \u00eatre ais\u00e9ment fusionn\u00e9es aux similarit\u00e9s natives des espaces li\u00e9s par comparabilit\u00e9 si celles-ci existent. La complexit\u00e9 \u00e9lev\u00e9e (O(N 4 )) de l'algorithme peut \u00eatre significativement simplifi\u00e9 en r\u00e9duisant la connectivit\u00e9 du graphe de comparabilit\u00e9. Par ailleurs, il est tr\u00e8s possible que les matrices de similarit\u00e9 (les limites) produites par l'algorithme puissent \u00eatre approch\u00e9es de mani\u00e8re directe et calculatoire en O(N 2 ). Au del\u00e0 d'une curiosit\u00e9 algorithmique, les premi\u00e8res exp\u00e9riences relatives au clustering de donn\u00e9es bilingues comparables montrent des potentialit\u00e9s utiles pour aligner des groupes de documents comparables et th\u00e9matiquement coh\u00e9rents. La confirmation de ces r\u00e9sultats pr\u00e9liminaires reste \u00e0 \u00e9tablir par le biais d'exp\u00e9rimentations plus pouss\u00e9es et quantifi\u00e9es, notamment pour mieux \u00e9tudier l'impact des param\u00e8tres de l'algorithme, en particulier ceux qui d\u00e9terminent la connectivit\u00e9 du graphe de comparabilit\u00e9. L'enrichissement des mesures de comparabilit\u00e9 en tenant compte des fr\u00e9quences d'occurrence et de traduction ou encore des relations s\u00e9mantiques (synonymie, hyponymie et hyperonymie) induites (c.f. (Apidianaki et He, 2010) par exemple) est naturellement possible. D'autres t\u00e2ches comme la bi-classification de documents bilingues sont \u00e9galement envisag\u00e9s. Enfin, une approche compl\u00e9mentaire relative au renforcement de la comparabilit\u00e9 par les similarit\u00e9s peut \u00eatre consid\u00e9r\u00e9e.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Conclusion et perspectives", "sec_num": "5" }, { "text": "c ATALA", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "", "sec_num": null } ], "back_matter": [], "bib_entries": { "BIBREF0": { "ref_id": "b0", "title": "An algorithm for cross-lingual sense clustering tested in a mt evaluation setting", "authors": [ { "first": "M", "middle": [], "last": "Apidianaki", "suffix": "" }, { "first": "Y", "middle": [], "last": "He", "suffix": "" } ], "year": 2010, "venue": "Proceedings of the 7th International Workshop on Spoken Language Translation (IWSLT 2010)", "volume": "", "issue": "", "pages": "219--226", "other_ids": {}, "num": null, "urls": [], "raw_text": "APIDIANAKI, M. et HE, Y. (2010). An algorithm for cross-lingual sense clustering tested in a mt evaluation setting. In Proceedings of the 7th International Workshop on Spoken Language Translation (IWSLT 2010), pages 219-226.", "links": null }, "BIBREF1": { "ref_id": "b1", "title": "Une nouvelle approche a l'extraction de lexiques bilingues \u00e0 partir de corpus comparables", "authors": [ { "first": "H", "middle": [], "last": "D\u00e9jean", "suffix": "" }, { "first": "E", "middle": [], "last": "Gaussier", "suffix": "" } ], "year": 2002, "venue": "Lexicometrica, Num\u00e9ro sp\u00e9cial", "volume": "", "issue": "", "pages": "1--22", "other_ids": {}, "num": null, "urls": [], "raw_text": "D\u00c9JEAN, H. et GAUSSIER, E. (2002). Une nouvelle approche a l'extraction de lexiques bilingues \u00e0 partir de corpus comparables. Lexicometrica, Num\u00e9ro sp\u00e9cial, corpus align\u00e9s:1-22.", "links": null }, "BIBREF2": { "ref_id": "b2", "title": "Expert advisory group on language engineering standards guidelines", "authors": [], "year": 1996, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "EAGLES (1996). Expert advisory group on language engineering standards guidelines : http ://www.ilc.pi.cnr.it/eagles96/browse.html. Rapport technique.", "links": null }, "BIBREF3": { "ref_id": "b3", "title": "\u00dcber Matrizen aus nicht negativen Elementen. Reimer", "authors": [ { "first": "G", "middle": [], "last": "Frobenius", "suffix": "" } ], "year": 1912, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "FROBENIUS, G. (1912). \u00dcber Matrizen aus nicht negativen Elementen. Reimer.", "links": null }, "BIBREF4": { "ref_id": "b4", "title": "Improving corpus comparability for bilingual lexicon extraction from comparable corpora", "authors": [ { "first": "B", "middle": [], "last": "Li", "suffix": "" }, { "first": "E", "middle": [], "last": "Gaussier", "suffix": "" } ], "year": 2010, "venue": "COLING", "volume": "", "issue": "", "pages": "644--652", "other_ids": {}, "num": null, "urls": [], "raw_text": "LI, B. et GAUSSIER, E. (2010). Improving corpus comparability for bilingual lexicon extraction from comparable corpora. In COLING, pages 644-652.", "links": null }, "BIBREF5": { "ref_id": "b5", "title": "Clustering comparable corpora for bilingual lexicon extraction", "authors": [ { "first": "B", "middle": [], "last": "Li", "suffix": "" }, { "first": "E", "middle": [], "last": "Gaussier", "suffix": "" }, { "first": "A", "middle": [], "last": "Aizawa", "suffix": "" } ], "year": 2011, "venue": "Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics : Human Language Technologies : short papers", "volume": "2", "issue": "", "pages": "473--478", "other_ids": {}, "num": null, "urls": [], "raw_text": "LI, B., GAUSSIER, E. et AIZAWA, A. (2011). Clustering comparable corpora for bilingual lexicon extraction. In Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics : Human Language Technologies : short papers -Volume 2, HLT '11, pages 473-478, Stroudsburg, PA, USA. Association for Computational Linguistics.", "links": null }, "BIBREF6": { "ref_id": "b6", "title": "Zur theorie der matrices", "authors": [ { "first": "O", "middle": [], "last": "Perron", "suffix": "" } ], "year": 1907, "venue": "Mathematische Annalen", "volume": "64", "issue": "", "pages": "248--263", "other_ids": {}, "num": null, "urls": [], "raw_text": "PERRON, O. (1907). Zur theorie der matrices. Mathematische Annalen, 64:248-263.", "links": null }, "BIBREF7": { "ref_id": "b7", "title": "Relevance weighting of search terms", "authors": [ { "first": "S", "middle": [ "E" ], "last": "Robertson", "suffix": "" }, { "first": "K", "middle": [], "last": "Jones", "suffix": "" } ], "year": 1976, "venue": "Journal of the American Society for Information Science", "volume": "27", "issue": "", "pages": "129--146", "other_ids": {}, "num": null, "urls": [], "raw_text": "ROBERTSON, S. E. et SP\u00c4RCK JONES, K. (1976). Relevance weighting of search terms. Journal of the American Society for Information Science, 27, n.3:129--146.", "links": null }, "BIBREF8": { "ref_id": "b8", "title": "A statistical interpretation of term specificity and its application in retrieval", "authors": [ { "first": "", "middle": [], "last": "Sp\u00e4rck", "suffix": "" }, { "first": "K", "middle": [], "last": "Jones", "suffix": "" } ], "year": 1972, "venue": "Journal of Documentation", "volume": "28", "issue": "", "pages": "11--21", "other_ids": {}, "num": null, "urls": [], "raw_text": "SP\u00c4RCK JONES, K. (1972). A statistical interpretation of term specificity and its application in retrieval. Journal of Documentation, 28:11-21.", "links": null } }, "ref_entries": { "FIGREF1": { "text": "ACP des matrices de similarit\u00e9s S 0 en , S 4 en (haut) et S 0 f r , S 4 f r (bas) sur le petit corpus Cette exp\u00e9rimentation sur un nombre r\u00e9duit de donn\u00e9es a pour but d'illustrer le comportement de l'algorithme et ses potentialit\u00e9s, notamment sur des t\u00e2ches de clustering et/ou d'alignement de clusters. Les corpus EN et FR sont constitu\u00e9s de documents extraits de flux RSS et sont cat\u00e9goris\u00e9s en quatre classes comme indiqu\u00e9 en table 1. Chaque classe est associ\u00e9e \u00e0 un mot cl\u00e9 unique (Mali, Syrie/Syria, gay, Beckham) et chaque document poss\u00e9dant au moins une occurrence de mot cl\u00e9 correspondant \u00e0 une classe est rattach\u00e9 \u00e0 cette classe.", "num": null, "type_str": "figure", "uris": null }, "FIGREF2": { "text": "Vitesse de convergence de l'algorithme (en haut \u00e0 gauche) en \u00e9chelle semi-log (en abscisse le nombre d'it\u00e9rations et en ordonn\u00e9e la norme des diff\u00e9rences ||S t en \u2212 S t\u22121 en || en bleu continu et ||S t f r \u2212 S t\u22121 f r || en noir pointill\u00e9), et ACP pour le corpus plus large des matrices de similarit\u00e9s S 0 en , S 4 en (en haut) et S 0 f r , S 4 f r (en bas).", "num": null, "type_str": "figure", "uris": null }, "TABREF0": { "num": null, "type_str": "table", "html": null, "content": "", "text": "o\u00f9 N PC f r (k) (resp. N PC en (i)) est l'ensemble des indices des documents du corpus FR (resp. EN ) les plus comparables au document k (resp. i)du corpus EN (resp. FR). Les coefficients de normalisation \u03bd f r et \u03bd f r sont ajust\u00e9s en cons\u00e9quence. En pratique, on peut limiter le nombre maximum de documents les plus comparables \u00e0 une constante N pc . L'algorithme simplifi\u00e9 caract\u00e9ris\u00e9 par l'\u00e9quation (2) est en complexit\u00e9 inf\u00e9rieure \u00e0 O(max(|EN |, |FR|) 2 \u2022 N 2 pc )" }, "TABREF2": { "num": null, "type_str": "table", "html": null, "content": "
ClasseENFR code
Mali1010o
Syria/Syrie 99
gay711
Beckham43
S 0 f r =\uf8eb \uf8ec \uf8ec \uf8ec \uf8ec \uf8ec \uf8ec \uf8ed1. .8 .3 .3 .2 0. .8 1. .5 .5 .3 .2 .3 .5 1. .8 .8 .7 .3 .5 .8 1. .8 .8 .2 .3 .8 .8 1. .8\uf8f6 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f8.6 .2 0. .8 1. .8 .4 .2 .6 .8 1. .6 .4 .2 .4 .6 1. .8 0. .2 .4 .8 1. \uf8f6 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f8 f r = S 4 \uf8eb \uf8ec \uf8ec \uf8ec \uf8ec \uf8ec \uf8ec \uf8ed 1. 1. 0. 0. 0. 0. , S 4 en = 1. 1. 0. 0. 0. 0. 0. 0. 1. .8 .9 .6 0. 0. .8 1. 1. .5 0. 0. .9 1. 1. .5\uf8eb \uf8ec \uf8ec \uf8ec \uf8ec \uf8ec \uf8ed \uf8f6 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f8\uf8f6 1. 1. 0. 0. .0 1. 1. 0. 0. .0 0. 0. 1. .8 .6 0. 0. .8 1. .8 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f7 \uf8f8 0. 0. .6 .8 1.,
0. .2 .7 .8 .8 1.0. 0. .6 .5 .5 1.
", "text": "Petits Corpus EN (30 documents) et FR (33 documents) cat\u00e9gorisables en quatre classes" } } } }