{ "paper_id": "F14-1011", "header": { "generated_with": "S2ORC 1.0.0", "date_generated": "2023-01-19T10:22:36.109292Z" }, "title": "Correction automatique par r\u00e9solution d'anaphores pronominales", "authors": [ { "first": "Maud", "middle": [], "last": "Pironneau", "suffix": "", "affiliation": {}, "email": "" }, { "first": "\u00c9ric", "middle": [], "last": "Brunelle", "suffix": "", "affiliation": {}, "email": "" }, { "first": "Simon", "middle": [], "last": "Charest", "suffix": "", "affiliation": {}, "email": "" } ], "year": "", "venue": null, "identifiers": {}, "abstract": "Cet article d\u00e9crit des travaux r\u00e9alis\u00e9s dans le cadre du d\u00e9veloppement du correcteur automatique d'un logiciel commercial d'aide \u00e0 la r\u00e9daction du fran\u00e7ais. Nous voulons corriger des erreurs uniquement d\u00e9tectables lorsque l'ant\u00e9c\u00e9dent de certains pronoms est connu. Nous d\u00e9crivons un algorithme de r\u00e9solution des anaphores pronominales intra-et interphrastiques s'appuyant peu sur la correspondance de la morphologie, puisque celle-ci est possiblement erron\u00e9e, mais plut\u00f4t sur des informations robustes comme l'analyse syntaxique fine et des cooccurrences fiables. Nous donnons un aper\u00e7u de nos r\u00e9sultats sur un vaste corpus de textes r\u00e9els et, tout en tentant de pr\u00e9ciser les crit\u00e8res d\u00e9cisifs, nous montrons que certains types de corrections anaphoriques sont d'une pr\u00e9cision respectable.", "pdf_parse": { "paper_id": "F14-1011", "_pdf_hash": "", "abstract": [ { "text": "Cet article d\u00e9crit des travaux r\u00e9alis\u00e9s dans le cadre du d\u00e9veloppement du correcteur automatique d'un logiciel commercial d'aide \u00e0 la r\u00e9daction du fran\u00e7ais. Nous voulons corriger des erreurs uniquement d\u00e9tectables lorsque l'ant\u00e9c\u00e9dent de certains pronoms est connu. Nous d\u00e9crivons un algorithme de r\u00e9solution des anaphores pronominales intra-et interphrastiques s'appuyant peu sur la correspondance de la morphologie, puisque celle-ci est possiblement erron\u00e9e, mais plut\u00f4t sur des informations robustes comme l'analyse syntaxique fine et des cooccurrences fiables. Nous donnons un aper\u00e7u de nos r\u00e9sultats sur un vaste corpus de textes r\u00e9els et, tout en tentant de pr\u00e9ciser les crit\u00e8res d\u00e9cisifs, nous montrons que certains types de corrections anaphoriques sont d'une pr\u00e9cision respectable.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Abstract", "sec_num": null } ], "body_text": [ { "text": "L'objectif est la correction de certains types d'erreurs, et non pas la reconnaissance g\u00e9n\u00e9rale des entit\u00e9s.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Objet des travaux", "sec_num": "1.1" }, { "text": "(1a) O : {Alice} n'a rien mang\u00e9 ce matin. Je l'ai LEV\u00c9 et l'ai EMMEN\u00c9 \u00e0 la garderie.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Objet des travaux", "sec_num": "1.1" }, { "text": "La seconde phrase de l'exemple ci-dessus comporte deux erreurs d'accord. On ne peut d\u00e9tecter ces erreurs que lorsque l'on relie les deux pronoms l', avec lesquels s'effectue l'accord des deux participes pass\u00e9s, au nom propre Alice de la premi\u00e8re phrase, c'est-\u00e0-dire en r\u00e9solvant les deux anaphores pronominales. Sachant qu'Alice est un pr\u00e9nom f\u00e9minin, on obtient la phrase corrig\u00e9e suivante :", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Objet des travaux", "sec_num": "1.1" }, { "text": "(1b) C : [Alice] n'a rien mang\u00e9 ce matin. Je l'ai LEV\u00c9E et l'ai EMMEN\u00c9E \u00e0 la garderie.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Objet des travaux", "sec_num": "1.1" }, { "text": "Dans le pr\u00e9sent article, nous commen\u00e7ons par d\u00e9finir deux types de corrections qui requi\u00e8rent la r\u00e9solution des anaphores pronominales. Puis nous d\u00e9crivons les algorithmes appliqu\u00e9s pour la r\u00e9solution de ces anaphores intra-et interphrastiques afin de tenter d'effectuer chaque type de correction. Nous \u00e9valuons ensuite les r\u00e9sultats sur chacun de ces types, et nous montrons que l'un d'eux est de qualit\u00e9 suffisante pour avoir fait l'objet d'une implantation commerciale.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Objet des travaux", "sec_num": "1.1" }, { "text": "Voici les conventions graphiques utilis\u00e9es dans les exemples de cet article : \u2212 en italique : les ant\u00e9c\u00e9dents potentiels selon l'algorithme ; \u2212 [entre crochets] : l'ant\u00e9c\u00e9dent s\u00e9lectionn\u00e9 par l'algorithme ; \u2212 {entre accolades} : l'ant\u00e9c\u00e9dent r\u00e9el ; \u2212 en gras : les pronoms ; \u2212 en MAJUSCULES : le mot \u00e0 corriger ou corrig\u00e9 par la r\u00e9solution des anaphores.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Conventions d'\u00e9criture des exemples", "sec_num": "1.2" }, { "text": "Les mentions \u00ab O : \u00bb et \u00ab C : \u00bb introduisent en alternance le texte original et le texte corrig\u00e9.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Conventions d'\u00e9criture des exemples", "sec_num": "1.2" }, { "text": "Le correcteur effectue d\u00e9j\u00e0 des corrections li\u00e9es \u00e0 des pronoms \u00e0 l'int\u00e9rieur d'une phrase lorsque les contraintes syntaxiques le permettent. Il reconnait ainsi les ant\u00e9c\u00e9dents des pronoms qui sont syntaxiquement li\u00e9s \u00e0 leur ant\u00e9c\u00e9dent, tels que les pronoms relatifs (ex. 2) ou les pronoms r\u00e9fl\u00e9chis (ex. 3). Il corrige aussi le pronom lui-m\u00eame dans certains cas pr\u00e9cis, comme dans une reprise du sujet (ex. 4). D'autre part, sans en connaitre l'ant\u00e9c\u00e9dent, un pronom compl\u00e9ment d'objet direct (COD) \u00e0 gauche du participe pass\u00e9 poss\u00e9dant un nombre intrins\u00e8que provoque l'accord en nombre dudit participe (ex. 5).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Description des corrections recherch\u00e9es", "sec_num": "2" }, { "text": "(2) C'est la {[lettre]} que tu as ENVOY\u00c9 \u00e0 Alice. (ENVOY\u00c9E) La nouveaut\u00e9 recherch\u00e9e est d'apporter des corrections de genre ou de nombre d\u00e9pendant d'un ant\u00e9c\u00e9dent non syntaxiquement li\u00e9 \u00e0 un pronom, rep\u00e9r\u00e9 dans le texte comme \u00e9tant le plus probable. Dans l'exemple 5, le correcteur consid\u00e8re Elle les a vus comme sans erreur, mais, s'il parvient \u00e0 d\u00e9celer l'ant\u00e9c\u00e9dent du pronom les et que celui-ci est f\u00e9minin, il pourra alors plut\u00f4t corriger pour vues.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Description des corrections recherch\u00e9es", "sec_num": "2" }, { "text": "Nous nous sommes concentr\u00e9s sur les pronoms dont les r\u00e9f\u00e9rents sont g\u00e9n\u00e9ralement exprim\u00e9s dans le texte, soit les pronoms personnels sujets et COD de 3 e personne : il/elle/ils/elles/le/la/les/l'. Nous avons exclu les pronoms ayant souvent des r\u00e9f\u00e9rents d\u00e9ictiques, tels que les pronoms de 1 re et de 2 e personne, les pronoms d\u00e9monstratifs et les pronoms possessifs. Nous avons aussi exclu les pronoms ayant des r\u00e9f\u00e9rents par d\u00e9faut, tels que les pronoms ind\u00e9finis (ex. : certains, tous, etc.). Les pronoms en, y et on ne nous int\u00e9ressent pas ici puisqu'ils n'entrainent aucune correction (les accords ne sont pas obligatoires et sont discutables).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Pronoms consid\u00e9r\u00e9s", "sec_num": "2.1" }, { "text": "Apr\u00e8s des essais initiaux, nous avons d\u00e9cid\u00e9 de restreindre les corrections par r\u00e9solution d'anaphores aux cas o\u00f9 les erreurs sont les plus vraisemblables. Par exemple, le scripteur omet plus facilement d'appliquer des accords s'ils ne sont pas marqu\u00e9s phon\u00e9tiquement, et, comme le note (Sauvageot, 1972) , l'accord en nombre est souvent silencieux (ex. 8). Une correction inaudible est donc plus vraisemblable qu'une autre qui modifie la prononciation.", "cite_spans": [ { "start": 287, "end": 304, "text": "(Sauvageot, 1972)", "ref_id": "BIBREF11" } ], "ref_spans": [], "eq_spans": [], "section": "Choix des corrections les plus vraisemblables", "sec_num": "2.2" }, { "text": "Outre l'audibilit\u00e9, la vraisemblance d'une erreur d\u00e9pend aussi de la graphie d'un nom et de sa fr\u00e9quence d'utilisation. En effet, des mots commen\u00e7ant par une voyelle peuvent causer des confusions de genre, particuli\u00e8rement s'ils sont peu utilis\u00e9s. On peut v\u00e9rifier la probabilit\u00e9 de ces confusions par une simple recherche comparative sur Internet (ex. 6 et 7).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Choix des corrections les plus vraisemblables", "sec_num": "2.2" }, { "text": "(6) Un anagramme ou une anagramme ? (40 200 r\u00e9sultats pour la recherche \"un anagramme\" et 567 000 r\u00e9sultats pour la recherche \"une anagramme\" le 17 f\u00e9vrier 2014 ; c'est-\u00e0-dire environ 7 % d'erreurs.) (7) Un octave ou une octave ? (19 700 r\u00e9sultats pour la recherche \"un octave\" et 430 000 r\u00e9sultats pour la recherche \"une octave\" le 17 f\u00e9vrier 2014 ; c'est-\u00e0-dire 4 % d'erreurs.)", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Choix des corrections les plus vraisemblables", "sec_num": "2.2" }, { "text": "Notons que cette erreur est sensible \u00e0 la g\u00e9ographie. Par exemple, on trouve 2 400 r\u00e9sultats sur Google pour une autobus sur des sites canadiens (recherche \"une autobus\" site:ca), alors qu'on n'en trouve que 1 280 occurrences sur des sites fran\u00e7ais (dont beaucoup de bruit de passages qu\u00e9b\u00e9cois). Nous avons donc tenu compte de l'origine du locuteur, fournie par le logiciel, pour ces corrections.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Choix des corrections les plus vraisemblables", "sec_num": "2.2" }, { "text": "En nous basant sur ces crit\u00e8res de vraisemblance, nous avons d\u00e9cid\u00e9 de tenter de corriger les accords li\u00e9s aux pronoms s'ils sont inaudibles et de corriger le pronom lui-m\u00eame en nombre si le nombre est inaudible, et de le corriger en genre si l'ant\u00e9c\u00e9dent est jug\u00e9 d'un genre probl\u00e9matique. On obtient les deux grandes classes de corrections d\u00e9crites dans les points 2.3 et 2.4. ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Choix des corrections les plus vraisemblables", "sec_num": "2.2" }, { "text": "Notre syst\u00e8me doit \u00eatre robuste et de couverture large puisque le correcteur est appel\u00e9 \u00e0 analyser n'importe quel type de texte : journaux, r\u00e9cits, dialogues, courriels, rapports, etc. Ces contraintes influeront sur l'ensemble du processus de s\u00e9lection de l'ant\u00e9c\u00e9dent.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Syst\u00e8me de reconnaissance de l'ant\u00e9c\u00e9dent", "sec_num": "3" }, { "text": "La question de choisir ou non un syst\u00e8me de d\u00e9tection \u00e0 base de classifieurs entrain\u00e9s par apprentissage automatique s'est naturellement pos\u00e9e. Nous \u00e9tions attir\u00e9s par la simplicit\u00e9, la clart\u00e9 et la flexibilit\u00e9 d'un syst\u00e8me \u00e0 base de r\u00e8gles qui avait d\u00e9j\u00e0 fait ses preuves (Trouilleux, 2002) . La campagne d'\u00e9valuation de syst\u00e8me de cor\u00e9f\u00e9rences CoNLL-2011 a confirm\u00e9 notre d\u00e9cision. En effet, le syst\u00e8me de (Lee et coll., 2011) \u00e0 base de r\u00e8gles et de tamis, et non \u00e0 base de classification et d'apprentissage automatique, a obtenu les meilleures performances.", "cite_spans": [ { "start": 273, "end": 291, "text": "(Trouilleux, 2002)", "ref_id": "BIBREF12" } ], "ref_spans": [], "eq_spans": [], "section": "Syst\u00e8me de reconnaissance de l'ant\u00e9c\u00e9dent", "sec_num": "3" }, { "text": "Nous avons ainsi opt\u00e9 pour la m\u00eame approche que (Lappin et Leass, 1994) , (Mitkov 1998) et (Trouilleux, 2002) , soit un algorithme \u00e0 base de r\u00e8gles utilisant une liste d'ant\u00e9c\u00e9dents potentiels pond\u00e9r\u00e9s, avec deux diff\u00e9rences notables. Premi\u00e8rement, avant de lier \u00e0 un pronom la liste de ses ant\u00e9c\u00e9dents potentiels, nous tentons de trouver l'ant\u00e9c\u00e9dent id\u00e9al dans la phrase m\u00eame o\u00f9 se trouve le pronom par un syst\u00e8me de motifs syntaxiques. Deuxi\u00e8mement, alors que les algorithmes de (Lappin et Leass, 1994) et (Mitkov 1998 ) proc\u00e8dent en deux temps, c'est-\u00e0-dire extraction des ant\u00e9c\u00e9dents puis \u00e9valuation des couples, nous y ajoutons une troisi\u00e8me \u00e9tape : \u00e9valuation de la probabilit\u00e9 de la correction selon les couples pr\u00e9sents. Cette derni\u00e8re \u00e9tape est du m\u00eame type que celle apport\u00e9e par le syst\u00e8me CogNIAC (Baldwin, 1997), qui s\u00e9lectionne les ant\u00e9c\u00e9dents selon le nombre de couples propos\u00e9s. Voici les grandes \u00e9tapes de notre syst\u00e8me :", "cite_spans": [ { "start": 48, "end": 71, "text": "(Lappin et Leass, 1994)", "ref_id": "BIBREF9" }, { "start": 74, "end": 87, "text": "(Mitkov 1998)", "ref_id": "BIBREF10" }, { "start": 91, "end": 109, "text": "(Trouilleux, 2002)", "ref_id": "BIBREF12" }, { "start": 482, "end": 505, "text": "(Lappin et Leass, 1994)", "ref_id": "BIBREF9" }, { "start": 509, "end": 521, "text": "(Mitkov 1998", "ref_id": "BIBREF10" } ], "ref_spans": [], "eq_spans": [], "section": "Survol de l'algorithme", "sec_num": "3.1" }, { "text": "Pour chaque phrase :", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Survol de l'algorithme", "sec_num": "3.1" }, { "text": "\u2212 analyse syntaxique compl\u00e8te, puis s\u00e9lection et extraction des ant\u00e9c\u00e9dents a potentiels (point 3.3) ; \u2212 s\u00e9lection des pronoms candidats \u00e0 la r\u00e9solution pronominale (point 3.4). Pour chaque pronom p rep\u00e9r\u00e9 comme candidat \u00e0 la r\u00e9solution :", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Survol de l'algorithme", "sec_num": "3.1" }, { "text": "\u2212 recherche d'un ant\u00e9c\u00e9dent local par motifs syntaxiques \u00e0 partir de p (point 3.5) ; \u2212 si les motifs \u00e9chouent, r\u00e9cup\u00e9ration des ant\u00e9c\u00e9dents extraits dans la phrase courante et dans les phrases pr\u00e9c\u00e9dentes puis formation des couples (p, a) ; \u2212 \u00e9valuation des couples (p, a) selon des contraintes (point 3.6) ; \u2212 \u00e9valuation des couples (p, a) selon des pr\u00e9f\u00e9rences (point 3.6) ; \u2212 \u00e9valuation de la vraisemblance de la correction selon les couples (p, a) pr\u00e9sents (point 3.7).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Survol de l'algorithme", "sec_num": "3.1" }, { "text": "Notre algorithme s'appuie sur plusieurs ressources fournies par le logiciel correcteur. (Charest, Brunelle, Fontaine et Pelletier, 2007) . L'analyseur a \u00e9t\u00e9 utilis\u00e9 pour constituer la liste des combinaisons lexicales les plus fr\u00e9quentes pour un mot selon sa fonction syntaxique. Nous \u00e9valuons gr\u00e2ce \u00e0 cette liste la cr\u00e9dibilit\u00e9 de chaque ant\u00e9c\u00e9dent potentiel dans la position syntaxique du pronom. Cette m\u00e9thode a aussi \u00e9t\u00e9 employ\u00e9e pour la traduction automatique par (Wehrli et Nerima, 2013) , qui en d\u00e9montrent les r\u00e9sultats positifs.", "cite_spans": [ { "start": 88, "end": 136, "text": "(Charest, Brunelle, Fontaine et Pelletier, 2007)", "ref_id": "BIBREF1" }, { "start": 468, "end": 492, "text": "(Wehrli et Nerima, 2013)", "ref_id": "BIBREF14" } ], "ref_spans": [], "eq_spans": [], "section": "Contexte d'impl\u00e9mentation", "sec_num": "3.2" }, { "text": "On parcourt chaque phrase pour y rep\u00e9rer chaque syntagme nominal (SN) potentiellement ant\u00e9c\u00e9dent d'un pronom p. Notre algorithme se voulant interphrastique, il faut retenir \u00e0 la vol\u00e9e un acc\u00e8s efficace \u00e0 tous les ant\u00e9c\u00e9dents potentiels au cas o\u00f9 on en aurait besoin, m\u00eame si une phrase ne contient elle-m\u00eame aucun pronom anaphorique. On rep\u00e8re donc les ant\u00e9c\u00e9dents potentiels avant m\u00eame de traiter les pronoms. L'analyse syntaxique permet d'\u00e9liminer les SN qui pr\u00e9sentent le contexte, c'est-\u00e0-dire les dates, certains circonstanciels de lieu, et autres. Ensuite, nous tentons de d\u00e9terminer le degr\u00e9 de saillance de chaque ant\u00e9c\u00e9dent potentiel en le pond\u00e9rant, positivement ou n\u00e9gativement. Les r\u00e8gles de pond\u00e9ration sont autonomes, s'appliquent individuellement et sont sans ordre d\u00e9terminant. Les r\u00e8gles les plus influentes examinent les positions syntaxiques. Elles sont hi\u00e9rarchis\u00e9es selon la th\u00e9orie du centrage d\u00e9finie par (Grosz et Sidner, 1986 ) et d\u00e9crite plus pr\u00e9cis\u00e9ment par (Cornish, 2000) , qui donne une liste de param\u00e8tres \u00e0 consid\u00e9rer. Ainsi, les r\u00e8gles pond\u00e8rent selon la structure de la phrase (fonctions) et du SN (ench\u00e2ssements), mais \u00e9galement selon la position du SN dans le discours (titre, d\u00e9but ou fin de paragraphe). Aussi, nous \u00e9valuons le degr\u00e9 d'actualisation du SN (d\u00e9terminant, relative, etc.). Enfin, d'autres r\u00e8gles reconnaissent des constructions emphatiques fig\u00e9es comme c'est \u00e0 Paul que je parle, et pond\u00e8rent en cons\u00e9quence.", "cite_spans": [ { "start": 928, "end": 950, "text": "(Grosz et Sidner, 1986", "ref_id": "BIBREF6" }, { "start": 985, "end": 1000, "text": "(Cornish, 2000)", "ref_id": "BIBREF3" } ], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection et extraction des ant\u00e9c\u00e9dents potentiels", "sec_num": "3.3" }, { "text": "Chaque ant\u00e9c\u00e9dent potentiel obtient ainsi un poids de saillance qui sera utile aux \u00e9valuations ult\u00e9rieures. Ce poids est conserv\u00e9 dans une liste associ\u00e9e \u00e0 la phrase. Par \u00e9conomie, un ant\u00e9c\u00e9dent doit atteindre un seuil de poids minimal, en de\u00e7\u00e0 duquel il n'est pas retenu. Nous avons fait une rapide \u00e9valuation de l'impact de ces r\u00e8gles dans la section 4.5.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection et extraction des ant\u00e9c\u00e9dents potentiels", "sec_num": "3.3" }, { "text": "Avant de passer \u00e0 la prochaine \u00e9tape, nous fusionnons certains ant\u00e9c\u00e9dents pour en cr\u00e9er un nouveau afin de pr\u00e9voir les cas o\u00f9 l'ant\u00e9c\u00e9dent est discontinu (ex. 13). Ces ant\u00e9c\u00e9dents ont un poids tr\u00e8s minime, mais ils permettront d'\u00e9viter", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection et extraction des ant\u00e9c\u00e9dents potentiels", "sec_num": "3.3" }, { "text": "CORRECTION AUTOMATIQUE PAR RESOLUTION D'ANAPHORES PRONOMINALES", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection et extraction des ant\u00e9c\u00e9dents potentiels", "sec_num": "3.3" }, { "text": "certaines corrections indues.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection et extraction des ant\u00e9c\u00e9dents potentiels", "sec_num": "3.3" }, { "text": "(13) {Marie} appelle {Jean} et ils partent ensemble \u00e0 la campagne.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection et extraction des ant\u00e9c\u00e9dents potentiels", "sec_num": "3.3" }, { "text": "L'algorithme traite les pronoms vis\u00e9s lors d'un deuxi\u00e8me parcours de la phrase. S'il existe plusieurs pronoms dans la phrase, nous les traitons un \u00e0 un de gauche \u00e0 droite. Deux filtres annulent la recherche d'ant\u00e9c\u00e9dent pour un pronom :", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection des pronoms", "sec_num": "3.4" }, { "text": "\u2212 Le pronom est impersonnel (pronom il ; la reconnaissance des pronoms impersonnels a constitu\u00e9 un travail connexe cod\u00e9 au sein m\u00eame de l'analyseur d'Antidote, mais non d\u00e9crit par le pr\u00e9sent article) ; \u2212 Le pronom reprend un \u00e9l\u00e9ment phrastique ou non nominal (pronoms le ou l' ; le pronom la n'est pas envisag\u00e9 dans ce cadre selon notre principe de vraisemblance de l'erreur). Ces informations nous sont fournies par l'analyseur et les r\u00e9gimes verbaux.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection des pronoms", "sec_num": "3.4" }, { "text": "Dans les deux cas, le pronom sera masculin singulier. S'il y a ambig\u00fcit\u00e9 (ex. 14 et 15), alors la recherche d'ant\u00e9c\u00e9dent est tout de m\u00eame lanc\u00e9e. L'\u00e9tape d'\u00e9valuation de la correction (point 3.7) prendra en compte cet \u00e9tat de fait et nous ne corrigerons qu'en cas de pr\u00e9sence d'une cooccurrence.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection des pronoms", "sec_num": "3.4" }, { "text": "(14) Il restera toujours un perdant.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection des pronoms", "sec_num": "3.4" }, { "text": "(15) Je l'ai vu.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "S\u00e9lection des pronoms", "sec_num": "3.4" }, { "text": "Une s\u00e9rie de motifs syntaxiques est appliqu\u00e9e afin de tenter de trouver l'ant\u00e9c\u00e9dent d'un pronom \u00e0 l'int\u00e9rieur de la phrase o\u00f9 il se trouve. Un \u00ab motif \u00bb est un ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Rep\u00e9rage d'un ant\u00e9c\u00e9dent local par motifs syntaxiques", "sec_num": "3.5" }, { "text": "Lorsque les motifs \u00e9chouent, nous formons la liste des ant\u00e9c\u00e9dents potentiels. La liste des ant\u00e9c\u00e9dents de la phrase en cours d'analyse est unie \u00e0 celles des deux phrases pr\u00e9c\u00e9dentes, si elles existent, comme le pr\u00e9conise (Mitkov, 1998) . Au passage, nous fusionnons les ant\u00e9c\u00e9dents qui auraient \u00e9t\u00e9 r\u00e9p\u00e9t\u00e9s dans des phrases diff\u00e9rentes en gardant pr\u00e9f\u00e9rablement les caract\u00e9ristiques de l'ant\u00e9c\u00e9dent le plus proche, avec une augmentation du poids de saillance, le cas \u00e9ch\u00e9ant. Chaque ant\u00e9c\u00e9dent est pond\u00e9r\u00e9 selon sa distance par rapport au pronom.", "cite_spans": [ { "start": 222, "end": 236, "text": "(Mitkov, 1998)", "ref_id": "BIBREF10" } ], "ref_spans": [], "eq_spans": [], "section": "\u00c9valuation des couples pronom-ant\u00e9c\u00e9dent", "sec_num": "3.6" }, { "text": "Une premi\u00e8re s\u00e9rie d'\u00e9valuations \u00e9limine les ant\u00e9c\u00e9dents non pertinents syntaxiquement selon le principe B de la th\u00e9orie du liage (Chomsky, 1981) . Ce principe dicte qu'un pronom de 3 e personne ne peut \u00eatre li\u00e9 \u00e0 un syntagme pr\u00e9sent dans son domaine de liage. L'analyse syntaxique fine de la phrase nous permet de l'appliquer tr\u00e8s rigoureusement. Contrairement aux syst\u00e8mes connus (Hobbs 1978 , Lappin et Leass 1994 , Dagan et Itai 1990 , Baldwin 1997 , Mitkov 1998 , Trouilleux 2002 , seuls les crit\u00e8res syntaxiques sont \u00e9liminatoires lorsqu'une correction est envisag\u00e9e : les crit\u00e8res morphologiques deviennent de simples pr\u00e9f\u00e9rences. ", "cite_spans": [ { "start": 130, "end": 145, "text": "(Chomsky, 1981)", "ref_id": null }, { "start": 382, "end": 393, "text": "(Hobbs 1978", "ref_id": "BIBREF7" }, { "start": 394, "end": 416, "text": ", Lappin et Leass 1994", "ref_id": "BIBREF9" }, { "start": 417, "end": 437, "text": ", Dagan et Itai 1990", "ref_id": "BIBREF4" }, { "start": 438, "end": 452, "text": ", Baldwin 1997", "ref_id": "BIBREF0" }, { "start": 453, "end": 466, "text": ", Mitkov 1998", "ref_id": "BIBREF10" }, { "start": 467, "end": 484, "text": ", Trouilleux 2002", "ref_id": "BIBREF12" } ], "ref_spans": [], "eq_spans": [], "section": "\u00c9valuation des couples pronom-ant\u00e9c\u00e9dent", "sec_num": "3.6" }, { "text": "Dans le cas o\u00f9 l'ant\u00e9c\u00e9dent ayant le poids le plus fort ne d\u00e9clenche pas de correction, il est retenu : on donne le b\u00e9n\u00e9fice du doute au scripteur. Bien que notre but ne soit pas de reconnaitre les ant\u00e9c\u00e9dents des pronoms, ce r\u00e9sultat est tout de m\u00eame pr\u00e9sent\u00e9 \u00e0 l'utilisateur dans le correcteur sous la forme d'une note dans l'infobulle d\u00e9crivant la nature et la fonction du pronom (figure 1). L'ant\u00e9c\u00e9dent est aussi pr\u00e9sent\u00e9 dans l'analyse d\u00e9taill\u00e9e de la phrase (figure 2). Nous avons repris l'exemple 21 pour l'illustrer.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "\u00c9valuation de la correction et prise de d\u00e9cision", "sec_num": "3.7" }, { "text": "Dans le cas o\u00f9 l'ant\u00e9c\u00e9dent ayant le poids le plus fort d\u00e9clenche une correction, nous entamons la proc\u00e9dure certainement la plus d\u00e9cisive du processus : l'\u00e9valuation de la vraisemblance de cette correction. Ce traitement pr\u00e9pond\u00e9rant est largement euristique. Afin de filtrer le maximum de corrections indues, nous r\u00e9\u00e9valuons globalement toute la situation du pronom et de son ant\u00e9c\u00e9dent dans le texte. La s\u00e9lection ne s'effectue plus selon le crit\u00e8re de poids du couple pronom-ant\u00e9c\u00e9dent seul, m\u00eame s'il reste important, mais selon des crit\u00e8res tels que la pr\u00e9sence d'une cooccurrence entre le verbe dont le pronom d\u00e9pend et l'ant\u00e9c\u00e9dent, la diff\u00e9rence de poids avec les autres ant\u00e9c\u00e9dents disponibles ou la pr\u00e9sence d'un ant\u00e9c\u00e9dent moins fort mais sans correction. Nous v\u00e9rifions aussi dans ce cadre si notre ant\u00e9c\u00e9dent \u00e9lu pourrait \u00eatre li\u00e9 plut\u00f4t \u00e0 un autre pronom dans la phrase, ce qui \u00e9viterait la correction. Nous r\u00e9\u00e9valuons aussi la correction selon l'\u00e9ventualit\u00e9 que le pronom reprenne un \u00e9l\u00e9ment phrastique ou soit impersonnel.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "\u00c9valuation de la correction et prise de d\u00e9cision", "sec_num": "3.7" }, { "text": "Dans le cas o\u00f9 nous h\u00e9sitons sur une correction \u00e0 apporter, car nous observons un autre ant\u00e9c\u00e9dent possible n'apportant pas de correction ou parce que nous n'avons pas trouv\u00e9 l'ant\u00e9c\u00e9dent tout simplement, nous avons d\u00e9cid\u00e9 d'\u00ab alerter \u00bb l'utilisateur en soulignant le pronom et en lui expliquant notre h\u00e9sitation (figure 3). Le concept d'alerte est d\u00e9j\u00e0 utilis\u00e9 pour mettre en avant des situations o\u00f9 l'attention de l'utilisateur est requise. Ces alertes sont soumises \u00e0 un r\u00e9glage qui permet \u00e0 l'utilisateur de les inhiber s'il les trouve inopportunes. (27) O : Toutes ces {actions} de petite d\u00e9linquance, que les socialistes appelaient les incivilit\u00e9s, Tony Blair les a APPEL\u00c9S comportements antisociaux. C : Toutes ces [actions] de petite d\u00e9linquance, que les socialistes appelaient les incivilit\u00e9s, Tony Blair les a APPEL\u00c9ES comportements antisociaux.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "\u00c9valuation de la correction et prise de d\u00e9cision", "sec_num": "3.7" }, { "text": "L'\u00e9valuation classique de la r\u00e9solution d'anaphores consiste \u00e0 mesurer les taux de pr\u00e9cision et de rappel de la reconnaissance de l'ant\u00e9c\u00e9dent. Nous nous distancions de cette approche pour de multiples raisons. Tout d'abord, nous nous int\u00e9ressons plut\u00f4t aux taux de pr\u00e9cision et de rappel des corrections effectu\u00e9es gr\u00e2ce \u00e0 la r\u00e9solution d'anaphores. D'autre part, l'\u00e9valuation se fait habituellement sur des textes consid\u00e9r\u00e9s comme sans erreurs (journaux, etc.) ; dans notre cas, elle doit au contraire s'effectuer sur des textes bruts, avec de multiples erreurs. Enfin, nous ne faisons pas abstraction dans nos r\u00e9sultats des cas o\u00f9 l'erreur n'est pas due \u00e0 notre syst\u00e8me, mais plut\u00f4t \u00e0 l'analyseur, qui n'aurait pas su, par exemple, faire la diff\u00e9rence entre un pronom anaphorique et un mot d'une autre cat\u00e9gorie.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Les contraintes de notre \u00e9valuation", "sec_num": "4.2" }, { "text": "\u00c9valuer le rappel de la correction est difficile, puisqu'il faudrait relever manuellement toutes les erreurs de r\u00e9f\u00e9rence de pronoms dans un corpus r\u00e9el. Or, la configuration requise pour ce type de correction n'est pas si fr\u00e9quente, et en trouver un nombre significatif serait un travail colossal. Nous avons ainsi fait le choix de n'\u00e9valuer que la pr\u00e9cision de correction de l'algorithme, c'est-\u00e0-dire le nombre de bonnes corrections sur le nombre total de corrections. L'\u00e9valuation de la pr\u00e9cision nous a demand\u00e9 elle aussi une r\u00e9flexion, car trouver des cas de correction r\u00e9els reste un d\u00e9fi en soi. Nous avons commenc\u00e9 en it\u00e9rant sur un r\u00e9cit (un journal de voyage) augment\u00e9 d'un texte juridique, contenant plus de 20 000 phrases, afin de raffiner notre algorithme. Nous n'y avons trouv\u00e9 aucun cas d'erreur qui nous int\u00e9ressait. D'autre part, il nous fallait tester notre algorithme sur des textes de toutes origines, \u00e9tant donn\u00e9 la diversit\u00e9 des utilisateurs du logiciel. Nous avons ainsi d\u00e9cid\u00e9 d'utiliser le Web pour constituer un corpus plus vaste. Nous avons fait une s\u00e9lection de sites selon plusieurs crit\u00e8res : r\u00e9vis\u00e9s/non r\u00e9vis\u00e9s ; caract\u00e8re g\u00e9n\u00e9ral/sp\u00e9cialis\u00e9 ; pr\u00e9sence de la 3 e personne dans les pronoms personnels, objectif du site : informer/questionner/d\u00e9crire/expliquer. Cette s\u00e9lection comporte des textes descriptifs, informatifs, explicatifs, des biographies, des comptes-rendus de lectures, ainsi que des r\u00e9cits. De cette mani\u00e8re, nous avons extrait plus de 8 600 cas corrig\u00e9s par notre algorithme. Ces 8 600 cas sont la somme des cas collect\u00e9s en plus de 10 it\u00e9rations sur des groupes de sites diff\u00e9rents pour chaque it\u00e9ration. Notons qu'il FIGURE 4 : Infobulle de correction de l'exemple 27. ne s'agit pas de 8 600 cas qui n\u00e9cessitaient r\u00e9ellement des corrections : les cas r\u00e9colt\u00e9s lors de la premi\u00e8re it\u00e9ration \u00e9taient tr\u00e8s nombreux, mais \u00e9taient majoritairement des corrections injustifi\u00e9es. Notre algorithme am\u00e9liorant sa pr\u00e9cision au fur et \u00e0 mesure des it\u00e9rations, le nombre total des corrections extraites a largement diminu\u00e9, laissant une place plus importante aux corrections exactes.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "\u00c9valuation de la pr\u00e9cision", "sec_num": "4.3" }, { "text": "Nous avons extrait finalement 152 cas lors d'une derni\u00e8re it\u00e9ration sur de nouveaux sites ; ce sont ces cas qui nous ont servi de corpus d'\u00e9valuation, nous fournissant les chiffres du tableau 1. Sur les 152 cas, 107 corrections \u00e9taient exactes.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "\u00c9valuation de la pr\u00e9cision", "sec_num": "4.3" }, { "text": "Nombre total de corrections ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Types de correction", "sec_num": null }, { "text": "Il est imp\u00e9ratif de ne pas p\u00e9naliser l'utilisateur par un syst\u00e8me de r\u00e9solution trop gourmand en espace ou en temps. Apr\u00e8s plusieurs ajustements techniques, nos r\u00e9sultats montrent finalement que la r\u00e9solution des anaphores coute au correcteur 8 % de plus en temps et 5 % de plus en m\u00e9moire vive.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "\u00c9valuation de l'espace m\u00e9moire et du temps de notre processus", "sec_num": "4.4" }, { "text": "Nous avons fait quelques tests sur les 107 corrections exactes de notre corpus d'\u00e9valuation afin de montrer quels \u00e9taient les crit\u00e8res le plus importants dans la tentative de correction. Voici les trois faits les plus int\u00e9ressants.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "\u00c9valuation de l'efficacit\u00e9 respective des crit\u00e8res utilis\u00e9s", "sec_num": "4.5" }, { "text": "Sur notre corpus, 27 % des bonnes corrections sont effectu\u00e9es par le biais des motifs. Donc, dans 1 cas sur 4, nous sommes en pr\u00e9sence d'une construction relativement fig\u00e9e, o\u00f9 l'ant\u00e9c\u00e9dent est pr\u00e9sent dans la m\u00eame phrase que le pronom. Un cas de correction indue rel\u00e8ve des motifs (ex. 28). Il s'agit ici d'une erreur d'analyse o\u00f9 un syntagme nominal juxtapos\u00e9 est analys\u00e9 comme un \u00e9l\u00e9ment mis en \u00e9vidence (voir l'exemple 29 pour une phrase ayant la bonne analyse). Seuls des pronoms personnels sujets ont \u00e9t\u00e9 corrig\u00e9s en nombre dans notre corpus (aucun pronom COD n'a \u00e9t\u00e9 corrig\u00e9). Nous ignorons si cet \u00e9tat de fait est d\u00fb \u00e0 la raret\u00e9 de la correction ou \u00e0 une mauvaise estimation de notre algorithme. Nous avons gard\u00e9 cette question pour une \u00e9valuation future. Notons que la correction fonctionne pour des phrases avec des erreurs cr\u00e9\u00e9es de toutes pi\u00e8ces.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "1.", "sec_num": null }, { "text": "En inhibant nos r\u00e8gles de saillance, nous perdons 31 % de nos corrections. De plus, plusieurs corrections inexactes apparaissent dans notre autre corpus de 20 000 phrases (ex. 30). La saillance a donc un impact majeur sur la correction par r\u00e9solution d'anaphores.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "2.", "sec_num": null }, { "text": "(30) O : La {Boule} ne quitta pas des yeux l'alimentation. IL \u00c9TAIT INQUIET et ne COMPRENAIT pas pourquoi le niveau d'\u00e9nergie ne montait pas. C : La Boule ne quitta pas des [yeux] l'alimentation. ILS \u00c9TAIENT INQUIETS et ne COMPRENAIENT pas pourquoi le niveau d'\u00e9nergie ne montait pas.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "2.", "sec_num": null }, { "text": "Enfin, en inhibant l'utilisation des cooccurrences, nous constatons qu'elles n'ont pas d'effet significatif sur la correction. Mais elles se montrent d'une grande efficacit\u00e9 dans la reconnaissance des pronoms clitiques COD pouvant reprendre un ant\u00e9c\u00e9dent phrastique. Lorsque nous h\u00e9sitons entre un ant\u00e9c\u00e9dent nominal et un ant\u00e9c\u00e9dent phrastique, en l'absence d'une cooccurrence, l'ant\u00e9c\u00e9dent phrastique se r\u00e9v\u00e8le beaucoup plus probable. Notre r\u00e9sultat ne contredit pas (Wehrli et Nerima, 2013) , mais cible l'aspect positif des cooccurrences dans le cadre de la r\u00e9solution d'anaphores pour la correction automatique.", "cite_spans": [ { "start": 469, "end": 493, "text": "(Wehrli et Nerima, 2013)", "ref_id": "BIBREF14" } ], "ref_spans": [], "eq_spans": [], "section": "3.", "sec_num": null }, { "text": "Cet article expose les caract\u00e9ristiques de notre algorithme, lequel a la sp\u00e9cificit\u00e9 de corriger des erreurs gr\u00e2ce \u00e0 la reconnaissance des liens anaphoriques sur un sous-ensemble de pronoms. Nous avons appliqu\u00e9 le principe de vraisemblance de l'erreur, et nous avons montr\u00e9 par nos r\u00e9sultats qu'il \u00e9tait bel et bien possible \u00e0 l'heure actuelle de corriger pr\u00e9cis\u00e9ment gr\u00e2ce \u00e0 la r\u00e9f\u00e9rence pronominale intraphrastique et interphrastique. Nous avons vu qu'il est possible de mettre en place des solutions m\u00e9langeant plusieurs strat\u00e9gies, telles que les motifs syntaxiques et la traditionnelle liste d'ant\u00e9c\u00e9dents pond\u00e9r\u00e9s selon la m\u00e9thode de (Lappin et Leass, 94) , actualis\u00e9e et pr\u00e9cis\u00e9e avec l'ajout des r\u00e8gles li\u00e9es aux cooccurrences, sans que cela soit couteux en temps ou en m\u00e9moire.", "cite_spans": [ { "start": 640, "end": 657, "text": "(Lappin et Leass,", "ref_id": null }, { "start": 658, "end": 661, "text": "94)", "ref_id": null } ], "ref_spans": [], "eq_spans": [], "section": "Conclusion", "sec_num": "5" }, { "text": "Le code est maintenant test\u00e9 et \u00e9prouv\u00e9 quotidiennement par un demi-million d'utilisateurs. Quelques rares utilisateurs nous ont signal\u00e9 une correction indue ou, au contraire, un silence, directement reli\u00e9s \u00e0 notre syst\u00e8me. Notons qu'il est difficile de juger de la qualit\u00e9 du syst\u00e8me sur ces requ\u00eates, puisqu'il est rarissime qu'un utilisateur nous \u00e9crive pour nous f\u00e9liciter d'une correction exacte. Pour notre part, en tout cas, nos propres textes ont b\u00e9n\u00e9fici\u00e9 plusieurs fois de corrections reli\u00e9es aux anaphores.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Conclusion", "sec_num": "5" }, { "text": "Nous avons depuis continu\u00e9 notre travail, et nous avons mis en place de fa\u00e7on connexe un syst\u00e8me de motifs apportant des corrections nouvelles pour les pronoms de 2 e personne ainsi que pour la correction des cas de pronoms reprenant des \u00e9l\u00e9ments phrastiques. Nous continuons aussi d'am\u00e9liorer l'analyse syntaxique, renfor\u00e7ant de ce fait la qualit\u00e9 des corrections par les anaphores. Nous projetons de continuer notre travail sur la correction des pronoms eux-m\u00eames par l'ajout de nouvelles m\u00e9thodes innovantes.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Conclusion", "sec_num": "5" } ], "back_matter": [ { "text": "Merci \u00e0 Mala F. Bergevin pour ses conseils linguistiques toujours avis\u00e9s, et \u00e0 Guy Lapalme pour ses suggestions concernant l'\u00e9criture de cet article.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Remerciements", "sec_num": null } ], "bib_entries": { "BIBREF0": { "ref_id": "b0", "title": "CogNIAC: A High Precision Pronoun Resolution Engine", "authors": [ { "first": "", "middle": [], "last": "Baldwin B", "suffix": "" } ], "year": 1997, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "BALDWIN B. (1997). CogNIAC: A High Precision Pronoun Resolution Engine. Technical report, University of Pennsylvania.", "links": null }, "BIBREF1": { "ref_id": "b1", "title": "\u00c9laboration automatique d'un dictionnaire de cooccurrences grand public. Actes de TALN", "authors": [ { "first": "S", "middle": [], "last": "Charest", "suffix": "" }, { "first": "E", "middle": [], "last": "Brunelle", "suffix": "" }, { "first": "J", "middle": [], "last": "Fontaine", "suffix": "" }, { "first": "B", "middle": [], "last": "Pelletier", "suffix": "" } ], "year": 2007, "venue": "", "volume": "", "issue": "", "pages": "283--292", "other_ids": {}, "num": null, "urls": [], "raw_text": "CHAREST, S., BRUNELLE, E., FONTAINE, J., PELLETIER, B. (2007). \u00c9laboration automatique d'un dictionnaire de cooccurrences grand public. Actes de TALN 2007, 283-292.", "links": null }, "BIBREF3": { "ref_id": "b3", "title": "L'accessibilit\u00e9 cognitive des r\u00e9f\u00e9rents, le centrage d'attention et la structuration du discours : une vue d'ensemble. Verbum", "authors": [ { "first": "F", "middle": [], "last": "Cornish", "suffix": "" } ], "year": 2000, "venue": "", "volume": "XXII", "issue": "", "pages": "7--30", "other_ids": {}, "num": null, "urls": [], "raw_text": "CORNISH, F. (2000). L'accessibilit\u00e9 cognitive des r\u00e9f\u00e9rents, le centrage d'attention et la structuration du discours : une vue d'ensemble. Verbum, Vol. XXII, no 1, 7-30.", "links": null }, "BIBREF4": { "ref_id": "b4", "title": "Automatic Processig of Large Corpora for Resolution of Anaphora References", "authors": [ { "first": "I", "middle": [], "last": "Dagan", "suffix": "" }, { "first": "A", "middle": [], "last": "Itai", "suffix": "" } ], "year": 1990, "venue": "Acte de 13th Conference on Computational Linguistics (COLING'90)", "volume": "3", "issue": "", "pages": "330--332", "other_ids": {}, "num": null, "urls": [], "raw_text": "DAGAN, I., ITAI, A. (1990). Automatic Processig of Large Corpora for Resolution of Anaphora References. Acte de 13th Conference on Computational Linguistics (COLING'90), 3, 330-332", "links": null }, "BIBREF5": { "ref_id": "b5", "title": "Le Bon Usage : grammaire fran\u00e7aise", "authors": [ { "first": "M", "middle": [], "last": "Grevisse", "suffix": "" }, { "first": "A", "middle": [], "last": "Goosse", "suffix": "" } ], "year": 2007, "venue": "", "volume": "14", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "GREVISSE, M., GOOSSE, A. (2007). Le Bon Usage : grammaire fran\u00e7aise, 14 e \u00e9d., Bruxelles : De Boeck Duculot, 2008.", "links": null }, "BIBREF6": { "ref_id": "b6", "title": "Attention, intentions, and the structure of discourse", "authors": [ { "first": "B", "middle": [], "last": "Grosz", "suffix": "" }, { "first": "C", "middle": [], "last": "Sidner", "suffix": "" } ], "year": 1986, "venue": "Computational Linguistics", "volume": "12", "issue": "3", "pages": "175--204", "other_ids": {}, "num": null, "urls": [], "raw_text": "GROSZ, B., SIDNER, C. (1986). Attention, intentions, and the structure of discourse. Computational Linguistics, 12(3), 175-204.", "links": null }, "BIBREF7": { "ref_id": "b7", "title": "Resolving Pronoun Reference", "authors": [ { "first": "J", "middle": [], "last": "Hobbs", "suffix": "" } ], "year": 1978, "venue": "Lingua", "volume": "44", "issue": "", "pages": "311--338", "other_ids": {}, "num": null, "urls": [], "raw_text": "HOBBS, J. (1978). Resolving Pronoun Reference. Lingua 44, 311-338.", "links": null }, "BIBREF8": { "ref_id": "b8", "title": "Stanford's Multi-Pass Sieve Corefernce Resolution System at the CoNLL-2011 Shared Task", "authors": [ { "first": "H", "middle": [], "last": "Lee", "suffix": "" }, { "first": "Y", "middle": [], "last": "Peirsman", "suffix": "" }, { "first": "A", "middle": [], "last": "Chang", "suffix": "" }, { "first": "N", "middle": [], "last": "Chambers", "suffix": "" }, { "first": "M", "middle": [], "last": "Surdeanu", "suffix": "" }, { "first": "D", "middle": [], "last": "Jufrafsky", "suffix": "" } ], "year": 2011, "venue": "Acte de CoNLL-2011 : Shared Task", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "LEE, H., PEIRSMAN, Y., CHANG, A., CHAMBERS, N., SURDEANU, M., JUFRAFSKY, D. (2011). Stanford's Multi-Pass Sieve Corefernce Resolution System at the CoNLL-2011 Shared Task. Acte de CoNLL-2011 : Shared Task, June, 73.", "links": null }, "BIBREF9": { "ref_id": "b9", "title": "An Algorithm for Pronominal Anaphora Resolution", "authors": [ { "first": "S", "middle": [], "last": "Lappin", "suffix": "" }, { "first": "H", "middle": [], "last": "Leass", "suffix": "" } ], "year": 1994, "venue": "Computational Linguistics", "volume": "20", "issue": "4", "pages": "535--561", "other_ids": {}, "num": null, "urls": [], "raw_text": "LAPPIN, S., LEASS, H. (1994). An Algorithm for Pronominal Anaphora Resolution. Computational Linguistics 20(4), 535-561.", "links": null }, "BIBREF10": { "ref_id": "b10", "title": "Robust pronoun resolution with limited knowledge", "authors": [ { "first": "R", "middle": [], "last": "Mitkov", "suffix": "" } ], "year": 1998, "venue": "Acte de Annual Meeting of the ACL", "volume": "", "issue": "", "pages": "869--875", "other_ids": {}, "num": null, "urls": [], "raw_text": "MITKOV, R. (1998). Robust pronoun resolution with limited knowledge. Acte de Annual Meeting of the ACL, 869-875.", "links": null }, "BIBREF11": { "ref_id": "b11", "title": "Analyse du fran\u00e7ais parl\u00e9", "authors": [ { "first": "A", "middle": [], "last": "Sauvageot", "suffix": "" } ], "year": 1972, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "SAUVAGEOT, A. (1972). Analyse du fran\u00e7ais parl\u00e9. Paris : Hachette.", "links": null }, "BIBREF12": { "ref_id": "b12", "title": "A Rule-based Pronoun Resolution System for French", "authors": [ { "first": "F", "middle": [], "last": "Trouilleux", "suffix": "" } ], "year": 2002, "venue": "Acte de 4th Discourse Anaphora and Anaphor Resolution Colloquium", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "TROUILLEUX, F. (2002). A Rule-based Pronoun Resolution System for French. Acte de 4th Discourse Anaphora and Anaphor Resolution Colloquium.", "links": null }, "BIBREF13": { "ref_id": "b13", "title": "Annotating a large corpus with anaphoric links. Actes de Discourse Anaphora and Anaphor Resolution", "authors": [ { "first": "", "middle": [], "last": "Tutin A", "suffix": "" }, { "first": "F", "middle": [], "last": "Trouilleux", "suffix": "" }, { "first": "C", "middle": [], "last": "Clouzot", "suffix": "" }, { "first": "E", "middle": [], "last": "Gaussier", "suffix": "" }, { "first": "", "middle": [], "last": "Zaenen A", "suffix": "" }, { "first": "S", "middle": [], "last": "Rayot", "suffix": "" }, { "first": "", "middle": [], "last": "Antoniadis G", "suffix": "" } ], "year": 2000, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "TUTIN A., TROUILLEUX F., CLOUZOT C., GAUSSIER E., ZAENEN A., RAYOT S., ANTONIADIS G. (2000). Annotating a large corpus with anaphoric links. Actes de Discourse Anaphora and Anaphor Resolution (DAARC 2000).", "links": null }, "BIBREF14": { "ref_id": "b14", "title": "Collocations and anaphora resolution in machine translation", "authors": [ { "first": "E", "middle": [], "last": "Wehrli", "suffix": "" }, { "first": "L", "middle": [], "last": "Nerima", "suffix": "" } ], "year": 2013, "venue": "Machine Translation and Translation Technologie", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "WEHRLI, E., NERIMA, L. (2013). Collocations and anaphora resolution in machine translation. Acte de Workshop on Multi-Word Units in Machine Translation and Translation Technologie.", "links": null } }, "ref_entries": { "FIGREF0": { "uris": null, "text": "(3) {[Alice et \u00c9lise]} se sont SERR\u00c9S l'une contre l'autre. (SERR\u00c9ES) (4) {[Alice]} a-t-IL \u00e9t\u00e9 sage aujourd'hui ? (ELLE) (5) Elle les a VU. (VUS)", "num": null, "type_str": "figure" }, "FIGREF1": { "uris": null, "text": "(8) O : Ces {fleurs} viennent de mon jardin. Je les ai CUEILLIS pour vous. C : Ces [fleurs] viennent de mon jardin. Je les ai CUEILLIES pour vous. (9) O : {Alice} n'a rien mang\u00e9 ce matin. Je l'ai LEV\u00c9 et l'ai EMMEN\u00c9 \u00e0 la garderie. C : [Alice] n'a rien mang\u00e9 ce matin. Je l'ai LEV\u00c9E et l'ai EMMEN\u00c9E \u00e0 la garderie.", "num": null, "type_str": "figure" }, "FIGREF2": { "uris": null, "text": "Correction du genre et du nombre des pronoms IL/ILS/ELLE/ELLES et LE/LA (10) O : Je suis all\u00e9e voir mes deux {grands-m\u00e8res}. Incroyable, comme ELLE PARLE fort ! C : Je suis all\u00e9e voir mes deux [grands-m\u00e8res]. Incroyable, comme ELLES PARLENT fort ! (11) O : Tu peux m'aider avec cet {anagramme} ? IL n'est vraiment pas facile. C : Tu peux m'aider avec cette [anagramme] ? ELLE n'est vraiment pas facile. (12) O : Cet {anagramme}, je ne LE vois pas tr\u00e8s clairement. C : Cette [anagramme], je ne LA vois pas tr\u00e8s clairement.", "num": null, "type_str": "figure" }, "FIGREF3": { "uris": null, "text": "mod\u00e8le d'analyse d'une structure syntaxique o\u00f9 le pronom et son ant\u00e9c\u00e9dent sont clairement li\u00e9s. Ces motifs se basent sur la fonction du pronom, sur les \u00e9l\u00e9ments syntaxiques pr\u00e9sents et sur l'actualisation des mots. Bien qu'euristiques, ces motifs permettent des rep\u00e9rages tr\u00e8s surs et rapides. Nous en avons d\u00e9fini une dizaine pour les sujets et une autre dizaine pour les pronoms COD. Les exemples 16 et 17 en pr\u00e9sentent deux. Dans le premier cas, nous avons remarqu\u00e9 que lorsqu'un sujet est partag\u00e9 par deux verbes, et que le second verbe a pour COD un pronom, l'ant\u00e9c\u00e9dent le plus s\u00fbr est le COD du premier verbe lorsqu'il existe. L'exemple 17 expose le cas o\u00f9 l'on trouve un pronom sujet dans une proposition conjonctive avant le verbe principal. Lorsque le sujet et le pronom sont de m\u00eame nombre et de m\u00eame genre, les deux mots sont pr\u00e9f\u00e9rablement reli\u00e9s anaphoriquement. (16) Les maitres allum\u00e8rent les {[chandeliers]} et les laiss\u00e8rent bruler durant des heures. (17) Dans ces circonstances, m\u00eame si elle s'en d\u00e9fend, la {[droite]}, collectivement, n'a pas r\u00e9ellement int\u00e9r\u00eat \u00e0 clarifier ses intentions.", "num": null, "type_str": "figure" }, "FIGREF4": { "uris": null, "text": "Infobulle d\u00e9crivant la nature et la fonction du pronom FIGURE 1 : Analyse d\u00e9taill\u00e9e de la phrase donn\u00e9e par le logiciel de correction [O-E.1] 120 MAUD PIRONNEAU, \u00c9RIC BRUNELLE, SIMON CHAREST", "num": null, "type_str": "figure" }, "FIGREF5": { "uris": null, "text": "Infobulle d'alerte (26) O : Soit, nous nous engageons dans une construction europ\u00e9enne r\u00e9nov\u00e9e qui respecte les {Etats-Nations} telles que l'Histoire les a FORG\u00c9ES. C : Soit, nous nous engageons dans une construction europ\u00e9enne r\u00e9nov\u00e9e qui respecte les [\u00c9tats-Nations] tel que l'Histoire les a FORG\u00c9S.", "num": null, "type_str": "figure" }, "FIGREF6": { "uris": null, "text": "28) O : Pourtant ce soir {Fernando Manuel} est humili\u00e9. Une vulgaire histoire de femme, une portugaise l'a VENDU. C : Pourtant ce soir Fernando Manuel est humili\u00e9. Une vulgaire [histoire] de femme, une portugaise l'a VENDUE. (29) La voiture, je l'ai vendue 1", "num": null, "type_str": "figure" }, "TABREF1": { "text": "Une deuxi\u00e8me s\u00e9rie d'\u00e9valuations r\u00e9ajuste le poids des couples selon quatre classes de r\u00e8gles. Les deux premi\u00e8res classes sont les plus importantes et ont \u00e9t\u00e9 les plus ardues \u00e0 impl\u00e9menter. Dans les deux cas, il faut simuler une phrase dans laquelle l'ant\u00e9c\u00e9dent remplace le pronom et la soumettre \u00e0 l'analyseur, puis examiner les r\u00e9sultats obtenus, sans p\u00e9naliser l'analyse d'un trop grand cout en temps.\u2212 R\u00e8gles s\u00e9mantiques. Elles v\u00e9rifient la compatibilit\u00e9 de l'ant\u00e9c\u00e9dent par rapport aux \u00e9ventuelles restrictions s\u00e9mantiques du verbe qui porte le pronom (ex. 18).", "num": null, "type_str": "table", "html": null, "content": "
Dans l'exemple, la s\u00e9mantique du verbe (agresser) demande un
COD humain (spectateur) : l'ant\u00e9c\u00e9dent non humain (fauteuil) peut donc \u00eatre \u00e9limin\u00e9.
\u2212 R\u00e8gles statistiques. Comme (Wehrli, 2013), nous utilisons les cooccurrences pour \u00e9valuer la force d'une
anaphore. On peut mesurer, pour chaque ant\u00e9c\u00e9dent, la fr\u00e9quence de l'ant\u00e9c\u00e9dent dans la position syntaxique du
pronom (ex. 19).
(18a) Alors que la {[spectatrice]} \u00e9tait assise confortablement dans son fauteuil, le metteur en
sc\u00e8ne l'a AGRESS\u00c9E avec des images effrayantes.
(18b) *Le metteur en sc\u00e8ne agresse le fauteuil.
(18c) Le metteur en sc\u00e8ne agresse la spectatrice.
" }, "TABREF2": { "text": "Voici quelques corrections obtenues lors de nos tests. Ces phrases sont de v\u00e9ritables phrases glan\u00e9es sur Internet, retranscrites telles quelles. Les exemples 22 et 23 illustrent les corrections en genre (ex. 22) et en nombre (ex. 23) du pronom lui-m\u00eame. ELLES se sont ATTAQU\u00c9 aux monts \u00e9lev\u00e9s comme au fond des canyons. C : Les [incendies] en Californie n'ont \u00e9pargn\u00e9 personne se trouvant sur leur chemin. ILS se sont ATTAQU\u00c9S aux monts \u00e9lev\u00e9s comme au fond des canyons. (23) O : La {plupart} des enfants \u00e9prouvent des difficult\u00e9s \u00e0 rester assis au moment des repas : IL se DANDINE, s'ASSOIT juste sur une fesse, se TORTILLE, se METTE \u00e0 genoux\u2026 C : La [plupart] 1 des enfants \u00e9prouvent des difficult\u00e9s \u00e0 rester assis au moment des repas : ILS se DANDINENT, s'ASSOIENT juste sur une fesse, se TORTILLENT, se METTENT \u00e0 genoux\u2026 Les exemples 24, 25, 26 et 27 illustrent les corrections (toutes justifi\u00e9es) effectu\u00e9es sur des participes pass\u00e9s li\u00e9s au pronom par instanciation du genre des pronoms COD l' et les. La figure 4 illustre le r\u00e9sultat dans le correcteur.", "num": null, "type_str": "table", "html": null, "content": "
4 R\u00e9sultats
4.1 Exemples de corrections obtenues
(24) O : J'ai l'{\u00e9pisode}, mais je ne l'ai pas encore REGARD\u00c9E.
C : J'ai l'[\u00e9pisode], mais je ne l'ai pas encore REGARD\u00c9.
(25) O : D'apr\u00e8s ces sondages, 18 % des usagers d'appareils num\u00e9riques, ou 12 % des foyers
am\u00e9ricains, ont achet\u00e9 une {imprimante} photo en 2006. Seuls 14 % d'entre eux l'ont ACHET\u00c9
en kit avec un appareil.
C : D'apr\u00e8s ces sondages, 18 % des usagers d'appareils num\u00e9riques, ou 12 % des foyers
am\u00e9ricains, ont achet\u00e9 une [imprimante] photo en 2006. Seuls 14 % d'entre eux l'ont
ACHET\u00c9E en kit avec un appareil.
" } } } }