{
"paper_id": "F14-1031",
"header": {
"generated_with": "S2ORC 1.0.0",
"date_generated": "2023-01-19T10:23:01.065599Z"
},
"title": "Jugement exact de grammaticalit\u00e9 d'arbre syntaxique probable",
"authors": [
{
"first": "Jean-Philippe",
"middle": [],
"last": "Prost",
"suffix": "",
"affiliation": {
"laboratory": "",
"institution": "\u00e8me Traitement Automatique des Langues Naturelles",
"location": {
"postCode": "2014",
"settlement": "Marseille"
}
},
"email": "prost@lirmm.fr"
}
],
"year": "",
"venue": null,
"identifiers": {},
"abstract": "La robustesse de l'analyse probabiliste s'obtient g\u00e9n\u00e9ralement au d\u00e9triment du jugement de grammaticalit\u00e9 sur la phrase analys\u00e9e. Les analyseurs comme le Stanford Parser, ou les Reranking Parsers ne sont, en effet, pas capables de dissocier une analyse probable grammaticale d'une analyse probable erron\u00e9e, et ce qu'elle porte sur une phrase elle-m\u00eame grammaticale ou non. Dans cet article nous montrons que l'adoption d'une repr\u00e9sentation syntaxique bas\u00e9e sur la th\u00e9orie logique des mod\u00e8les, accompagn\u00e9e d'une structure syntaxique classique (par exemple de type syntagmatique), est de nature \u00e0 permettre la r\u00e9solution exacte de diff\u00e9rents probl\u00e8mes tels que celui du jugement de grammaticalit\u00e9. Afin de d\u00e9montrer la praticit\u00e9 et l'utilit\u00e9 d'une alliance entre symbolique et stochastique, nous nous appuyons sur une repr\u00e9sentation de la syntaxe par mod\u00e8les, ainsi que sur une grammaire de corpus, pour pr\u00e9senter une m\u00e9thode de r\u00e9solution exacte pour le jugement de grammaticalit\u00e9 d'un arbre syntagmatique probable. Nous pr\u00e9sentons des r\u00e9sultats exp\u00e9rimentaux sur des arbres issus d'un analyseur probabiliste, qui corroborent l'int\u00e9r\u00eat d'une telle alliance.",
"pdf_parse": {
"paper_id": "F14-1031",
"_pdf_hash": "",
"abstract": [
{
"text": "La robustesse de l'analyse probabiliste s'obtient g\u00e9n\u00e9ralement au d\u00e9triment du jugement de grammaticalit\u00e9 sur la phrase analys\u00e9e. Les analyseurs comme le Stanford Parser, ou les Reranking Parsers ne sont, en effet, pas capables de dissocier une analyse probable grammaticale d'une analyse probable erron\u00e9e, et ce qu'elle porte sur une phrase elle-m\u00eame grammaticale ou non. Dans cet article nous montrons que l'adoption d'une repr\u00e9sentation syntaxique bas\u00e9e sur la th\u00e9orie logique des mod\u00e8les, accompagn\u00e9e d'une structure syntaxique classique (par exemple de type syntagmatique), est de nature \u00e0 permettre la r\u00e9solution exacte de diff\u00e9rents probl\u00e8mes tels que celui du jugement de grammaticalit\u00e9. Afin de d\u00e9montrer la praticit\u00e9 et l'utilit\u00e9 d'une alliance entre symbolique et stochastique, nous nous appuyons sur une repr\u00e9sentation de la syntaxe par mod\u00e8les, ainsi que sur une grammaire de corpus, pour pr\u00e9senter une m\u00e9thode de r\u00e9solution exacte pour le jugement de grammaticalit\u00e9 d'un arbre syntagmatique probable. Nous pr\u00e9sentons des r\u00e9sultats exp\u00e9rimentaux sur des arbres issus d'un analyseur probabiliste, qui corroborent l'int\u00e9r\u00eat d'une telle alliance.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Abstract",
"sec_num": null
}
],
"body_text": [
{
"text": "1 Introduction : jugement automatique de grammaticalit\u00e9 Les analyseurs syntaxiques les plus performants du moment 1 reposent g\u00e9n\u00e9ralement sur des m\u00e9thodes d'approximation probabiliste, qui leurs conf\u00e8rent une tr\u00e8s grande robustesse -au sens habituellement entendu en mati\u00e8re d'analyse syntaxique, \u00e0 savoir l'aptitude \u00e0 g\u00e9n\u00e9rer une analyse, f\u00fbt-elle partielle, pour n'importe quelle entr\u00e9e. Cependant cette aptitude s'accompagne d'une absence de jugement de grammaticalit\u00e9 quant \u00e0 la phrase. Cette absence tient au fait qu'une analyse optimale, m\u00eame grammaticale, ne se voit jamais attribu\u00e9e de probabilit\u00e9 maximale, ce qui interdit le jugement binaire exact attendu en mati\u00e8re de grammaticalit\u00e9. Or selon le contexte applicatif la m\u00e9connaissance de la grammaticalit\u00e9 est pr\u00e9judiciable. Cette carence est soulign\u00e9e dans divers travaux concernant, par exemple, la g\u00e9n\u00e9ration automatique (Wan et al., 2005) , la traduction automatique statistique (Zwarts & Dras, 2008) , l'\u00e9valuation de comp\u00e9tence en langue \u00e9trang\u00e8re, ou encore bien s\u00fbr la correction grammaticale (Bender et al., 2004; Tetreault & Chodorow, 2008) . Ces applications pratiques conduisent \u00e0 mettre en oeuvre diff\u00e9rentes m\u00e9thodes pour \u00e9tablir un jugement, parmi lesquelles certaines sont symboliques et d'autres probabilistes.",
"cite_spans": [
{
"start": 885,
"end": 903,
"text": "(Wan et al., 2005)",
"ref_id": "BIBREF71"
},
{
"start": 944,
"end": 965,
"text": "(Zwarts & Dras, 2008)",
"ref_id": "BIBREF73"
},
{
"start": 1062,
"end": 1083,
"text": "(Bender et al., 2004;",
"ref_id": "BIBREF53"
},
{
"start": 1084,
"end": 1111,
"text": "Tetreault & Chodorow, 2008)",
"ref_id": "BIBREF69"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "",
"sec_num": null
},
{
"text": "Dans cet article nous argumentons qu'une repr\u00e9sentation de la syntaxe du langage naturel bas\u00e9e sur la th\u00e9orie logique des mod\u00e8les permet de concevoir le jugement de grammaticalit\u00e9 comme un proc\u00e9d\u00e9 exact de v\u00e9rification de mod\u00e8le. Dans une premi\u00e8re partie nous commen\u00e7ons par faire un tour d'horizon de la litt\u00e9rature sur la question, et pr\u00e9sentons rapidement les JEAN-PHILIPPE PROST m\u00e9thodes existantes, tant exactes que stochastiques. Dans une deuxi\u00e8me partie nous exposons quelques fondamentaux sur la repr\u00e9sentation de la syntaxe par mod\u00e8les, et montrons en quoi une telle repr\u00e9sentation, combin\u00e9e avec une g\u00e9n\u00e9ration probabiliste de structures syntaxiques, permet de r\u00e9soudre ais\u00e9ment le probl\u00e8me de la grammaticalit\u00e9 d'une structure. Dans une troisi\u00e8me partie nous d\u00e9taillons le proc\u00e9d\u00e9 de v\u00e9rification de mod\u00e8le qui permet le jugement d'une structure. Nous pr\u00e9sentons ensuite dans une quatri\u00e8me partie l'exp\u00e9rimentation que nous avons men\u00e9e sur le corpus Sequoia (Candito & Seddah, 2012) pour mettre \u00e0 l'\u00e9preuve ce proc\u00e9d\u00e9. Nous concluons enfin en derni\u00e8re partie, o\u00f9 nous discutons quelques perspectives int\u00e9ressantes, notamment en mati\u00e8re d'am\u00e9lioration qualitative des analyseurs syntaxiques probabilistes.",
"cite_spans": [
{
"start": 969,
"end": 993,
"text": "(Candito & Seddah, 2012)",
"ref_id": "BIBREF57"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "",
"sec_num": null
},
{
"text": "Les m\u00e9thodes par approximation probabiliste Une solution couramment envisag\u00e9e pour juger la grammaticalit\u00e9 d'une phrase consiste \u00e0 faire appel \u00e0 la classification stochastique binaire d'arbres syntaxiques probables. Foster et al. (2008) ; Wagner (2012) dans un cadre de correction grammaticale (focalis\u00e9 sur des types d'erreur sp\u00e9cifiques), ou encore Wong & Dras (2011) dans un cadre plus g\u00e9n\u00e9ral, combinent plusieurs grammaires probabilistes 2 pour l'entra\u00eenement d'un analyseur stochastique, pou ensuite analyser diff\u00e9rents corpus, grammaticaux et erron\u00e9s. Le r\u00e9sultat est utilis\u00e9 pour extraire de nouveaux traits d'apprentissage destin\u00e9s au classificateur de grammaticalit\u00e9. Le jugement s'effectue alors autour d'un seuil de probabilit\u00e9, qu'il est n\u00e9cessaire de calibrer exp\u00e9rimentalement. Tous ces travaux justifient leur approche par le fait qu'ils se heurtent \u00e0 la \"trop grand robustesse\" (dixit Wong & Dras) des analyseurs stochastiques utilis\u00e9s 3 , puisque dans leur configuration initiale toutes les phrases candidates \u00e0 l'analyse 4 re\u00e7oivent un arbre probable.",
"cite_spans": [
{
"start": 216,
"end": 236,
"text": "Foster et al. (2008)",
"ref_id": "BIBREF62"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "\u00c9tat de l'art",
"sec_num": "2"
},
{
"text": "Notons que l'hypoth\u00e8se commune sous-jacente concernant la corr\u00e9lation entre probabilit\u00e9 et grammaticalit\u00e9 est, en quelque sorte, d\u00e9j\u00e0 pr\u00e9sente chez Charniak & Johnson (2005) , qui s'appuient sur un classificateur \u00e0 Maximum d'Entropie pour r\u00e9ordonner les analyses initiales du parseur de Charniak selon de nouvelles probabilit\u00e9s.",
"cite_spans": [
{
"start": 148,
"end": 173,
"text": "Charniak & Johnson (2005)",
"ref_id": "BIBREF58"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "\u00c9tat de l'art",
"sec_num": "2"
},
{
"text": "Les m\u00e9thodes symboliques Les travaux qui s'appuient sur des m\u00e9thodes symboliques de r\u00e9solution, notamment en mati\u00e8re de correction grammaticale, font le plus souvent appel \u00e0 des strat\u00e9gies ad hoc, centr\u00e9es autour de classes d'erreurs plus ou moins commun\u00e9ment observ\u00e9es. L'utilisation de grammaires d'erreurs, et de techniques de recouvrement d'\u00e9chec d'analyse sont parmi les strat\u00e9gies les plus fr\u00e9quentes. Ces approches exactes pr\u00e9sentent souvent l'avantage d'\u00eatre redoutablement plus efficaces que leurs concurrentes, mais sur des classes de probl\u00e8mes tr\u00e8s sp\u00e9cifiques. N\u00e9anmoins la g\u00e9n\u00e9ralisation se fait difficilement. Un changement de contexte n\u00e9cessite souvent de r\u00e9viser la m\u00e9thode elle-m\u00eame. On peut ainsi se demander, par exemple, si les syst\u00e8mes qui sont performants sur des productions humaines resteraient tout aussi performants dans un contexte de g\u00e9n\u00e9ration automatique statistique, tel que le r\u00e9sum\u00e9 automatique. Leur int\u00e9gration semble difficile dans ces contextes o\u00f9 le jugement de grammaticalit\u00e9 n'intervient pas seulement en fin de cha\u00eene de traitement, mais fait partie int\u00e9grante du processus en cours (g\u00e9n\u00e9ralement pour informer une \u00e9tape de classement de phrases candidates (Mutton et al., 2007) ).",
"cite_spans": [
{
"start": 1198,
"end": 1219,
"text": "(Mutton et al., 2007)",
"ref_id": "BIBREF65"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "\u00c9tat de l'art",
"sec_num": "2"
},
{
"text": "Les m\u00e9thodes \u00e0 base de contraintes Les processus de r\u00e9solution de contraintes constituent \u00e9galement une approche possible, bien que relativement moins explor\u00e9e. La raison principale en est que ces approches sont g\u00e9n\u00e9ralement, et rapidement, confront\u00e9es \u00e0 l'\u00e9cueil (assez pr\u00e9visible) li\u00e9 \u00e0 de la gestion de l'explosion combinatoire de la taille de l'espace de recherche \u00e0 parcourir.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "\u00c9tat de l'art",
"sec_num": "2"
},
{
"text": "N\u00e9anmoins, les contraintes en elles-m\u00eames restent un outil de repr\u00e9sentation tr\u00e8s puissant auquel nous ferons appel. Nous les utiliserons connect\u00e9es en r\u00e9seau, de mani\u00e8re passive, sans qu'elles n'alimentent de probl\u00e8me de r\u00e9solution (de contraintes) propice \u00e0 l'explosion. Ce r\u00e9seau de contraintes jouera pour nos un r\u00f4le cl\u00e9 de repr\u00e9sentation pour les connaissances linguistiques 5 , et sera associ\u00e9 \u00e0 ce qu'il est convenu d'appeler une structure syntaxique (de type syntagmatique pour ce qui nous concerne).",
"cite_spans": [
{
"start": 381,
"end": 382,
"text": "5",
"ref_id": "BIBREF6"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "\u00c9tat de l'art",
"sec_num": "2"
},
{
"text": "Nous formulons, en effet, ici comme hypoth\u00e8se que l'utilisation d'une telle repr\u00e9sentation, lorsqu'elle est alli\u00e9e \u00e0 une strat\u00e9gie stochastique de parcours de l'espace de recherche, doit permettre de porter un jugement exact de grammaticalit\u00e9 sur un arbre syntaxique par rapport \u00e0 une grammaire donn\u00e9e. Nous verrons par la suite que peu importe, en fait, la nature du processus de g\u00e9n\u00e9ration de la structure. En ce qui nous concerne, nous nous concentrons sur la mod\u00e9lisation de notre probl\u00e8me de jugement par hybridation entre m\u00e9thode d'approximation probabiliste et m\u00e9thode de raisonnement exact. Nous utiliserons donc, dans notre exp\u00e9rimentation, un analyseur probabiliste pour g\u00e9n\u00e9rer une structure.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "\u00c9tat de l'art",
"sec_num": "2"
},
{
"text": "En mati\u00e8re de repr\u00e9sentation des connaissances, les cadres formels bas\u00e9s sur la th\u00e9orie logique des mod\u00e8les ont prouv\u00e9 leur meilleure ad\u00e9quation que les langages formels \u00e0 la repr\u00e9sentation de ses irr\u00e9gularit\u00e9s, pour des raisons que nous rappelons bri\u00e8vement ici. Nous montrons ensuite de quelle fa\u00e7on ces cadres nous permettent de formaliser le probl\u00e8me du jugement de grammaticalit\u00e9.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Syntaxe par mod\u00e8les",
"sec_num": "3"
},
{
"text": "Repr\u00e9sentation des connaissances par mod\u00e8les Pour la question qui nous int\u00e9resse ici, ces cadres pr\u00e9sentent l'avantage de permettre une description logique des propri\u00e9t\u00e9s linguistiques d'un \u00e9nonc\u00e9, en dissociant notamment cette description de l'\u00e9ventuelle \"bonne formation\" de l'\u00e9nonc\u00e9 observ\u00e9. Les objets d'\u00e9tude sont, au sens de la th\u00e9orie de mod\u00e8les, des mod\u00e8les de th\u00e9ories exprim\u00e9es dans un (m\u00e9ta-)langage formel, o\u00f9 une th\u00e9orie est un ensemble d'assertions sp\u00e9cifi\u00e9es dans un langage formel, et un mod\u00e8le d'une th\u00e9orie est une structure qui satisfait toutes les assertions de cette th\u00e9orie. Cette approche s'appuie donc sur la s\u00e9mantique associ\u00e9e au langage formel utilis\u00e9 pour d\u00e9crire les relations grammaticales existantes (ou absentes) au sein d'une phrase en langage naturel.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Syntaxe par mod\u00e8les",
"sec_num": "3"
},
{
"text": "Syntaxe naturelle et th\u00e9orie des mod\u00e8les Lorsque le domaine des structures concern\u00e9 porte sur la syntaxe naturelle 6 , nous obtenons l'interpr\u00e9tation suivante : -une th\u00e9orie est un ensemble d'assertions de grammaire, sp\u00e9cifi\u00e9 par une conjonction \u03a6 = i \u03c6 i , o\u00f9 chaque atome \u03c6 i est une formule logique qui met en relation des \u00e9l\u00e9ments de la structure ; -une structure est une structure linguistique, syntagmatique ou autre. Une grammaire est donc une formule conjonctive, param\u00e9tr\u00e9e par la structure, et une th\u00e9orie est une instance de la grammaire pour une structure donn\u00e9e. Pour un domaine de structures syntagmatiques, les \u03c6 i sont des relations qui portent sur des constituants (e.g. Dans un Syntagme Nominal en fran\u00e7ais, le D\u00e9terminant pr\u00e9c\u00e8de le Nom).",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Syntaxe par mod\u00e8les",
"sec_num": "3"
},
{
"text": "Le cadre que nous utilisons est celui des Grammaires de Propri\u00e9t\u00e9s, introduit par B\u00e8s & Blache (1999) et Blache (2001) (GP), et pour lequel une s\u00e9mantique par mod\u00e8les a \u00e9t\u00e9 formul\u00e9e par Duchier et al. (2009) . Rappelons que les GP d\u00e9finissent principalement 7 relations, appel\u00e9es propri\u00e9t\u00e9s, sur un domaine d'arbres syntagmatiques : -l'Obligation (pour les t\u00eates de syntagme), -la Constituance (pour les cat\u00e9gories de constituants pouvant appartenir \u00e0 un m\u00eame syntagme), -l'Unicit\u00e9, -la Lin\u00e9arit\u00e9 (pour la Pr\u00e9c\u00e9dence Lin\u00e9aire, au sens de ID/LP 7 ), -l'Exigence (pour les co-occurrences requises), -l'Exclusion (pour l'exclusion mutuelle entre constituants d'un m\u00eame syntagme), et -l'Accord. Le tableau 1 fournit une interpr\u00e9tation pour la s\u00e9mantique de 6 de ces relations (nous omettons volontairement l'Accord, qui n\u00e9cessite l'introduction de structures de traits typ\u00e9s, hors propos dans cet article). G\u00e9n\u00e9ration de structures candidat-mod\u00e8les Dans la mesure o\u00f9 une repr\u00e9sentation par mod\u00e8les est dissoci\u00e9e des aspects proc\u00e9duraux li\u00e9s \u00e0 la g\u00e9n\u00e9ration de structures candidates, la strat\u00e9gie de g\u00e9n\u00e9ration peut se concevoir ind\u00e9pendamment de la v\u00e9rification. Bien qu'il soit possible de d\u00e9velopper un processus d'inf\u00e9rence qui s'appuie uniquement sur la grammaire en contraintes elle-m\u00eame (Maruyama, 1990; Balfourier et al., 2002; Prost, 2008 ; Duchier et al., 2010, entre autres), rien ne l'impose. Il est donc notamment possible de faire de la v\u00e9rification d'arbres g\u00e9n\u00e9r\u00e9s par un proc\u00e9d\u00e9 probabiliste. La figure 1 illustre ainsi un exemple d'arbre syntaxique produit par le Stanford Parser (STP) (Green et al., 2011) pour une phrase du corpus Sequoia (et donc grammaticale par d\u00e9finition), mais qui est jug\u00e9e agrammaticale par v\u00e9rification de mod\u00e8le. Notons \u00e9galement que le type de structure syntaxique \u00e9tudi\u00e9 par une repr\u00e9sentation par mod\u00e8les peut prendre diff\u00e9rentes formes selon le cadre formel utilis\u00e9. Le travail pionnier de (Maruyama, 1990) utilise, par exemple, une structure en d\u00e9pendances, tandis la Th\u00e9orie de l'Optimalit\u00e9 de (Prince & Smolensky, 1993) est plus utilis\u00e9e pour d\u00e9crire des structures phonologiques. Les GP, pour leur part, sont principalement utilis\u00e9es pour des structures syntagmatiques, m\u00eame si on rel\u00e8ve quelques travaux qui les utilisent pour l'annotation multimodale de donn\u00e9es conversationnelles, ou l'analyse de s\u00e9quences biologiques.",
"cite_spans": [
{
"start": 82,
"end": 101,
"text": "B\u00e8s & Blache (1999)",
"ref_id": "BIBREF54"
},
{
"start": 105,
"end": 118,
"text": "Blache (2001)",
"ref_id": "BIBREF55"
},
{
"start": 201,
"end": 207,
"text": "(2009)",
"ref_id": null
},
{
"start": 1289,
"end": 1305,
"text": "(Maruyama, 1990;",
"ref_id": "BIBREF64"
},
{
"start": 1306,
"end": 1330,
"text": "Balfourier et al., 2002;",
"ref_id": "BIBREF52"
},
{
"start": 1331,
"end": 1342,
"text": "Prost, 2008",
"ref_id": "BIBREF67"
},
{
"start": 1935,
"end": 1951,
"text": "(Maruyama, 1990)",
"ref_id": "BIBREF64"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Syntaxe par mod\u00e8les",
"sec_num": "3"
},
{
"text": "De la distinction entre syntaxe g\u00e9n\u00e9rative et syntaxe par mod\u00e8les En comparaison avec les approches par mod\u00e8les, les repr\u00e9sentations dites g\u00e9n\u00e9ratives-\u00e9num\u00e9ratives 8 sont bas\u00e9es sur la th\u00e9orie de la preuve, et s'appuient donc sur la dimension syntaxique de la logique. L'hypoth\u00e8se forte que formulent les approches g\u00e9n\u00e9ratives est que le langage naturel peut se mod\u00e9liser comme un langage formel, dont la syntaxe capture celle du langage cible. Une structure syntaxique en constituants s'obtient alors naturellement, comme la repr\u00e9sentation graphique (au sens des graphes) de la preuve que sa r\u00e9alisation de surface est une phrase qui appartient au langage cible. Or au-del\u00e0 de toute consid\u00e9ration d'\u00e9cole, il est ais\u00e9 de voir que cette hypoth\u00e8se g\u00e9n\u00e9rative exclut, de fait, toute repr\u00e9sentation structurelle pour un \u00e9nonc\u00e9 qui, bien qu'exprim\u00e9 en langage naturel, n'appartiendrait pas \u00e0 l'ensemble L(G) des mots d\u00e9finis par le langage formel L sousjacent 9 . En dissociant la syntaxe du langage naturel de celle du langage formel de repr\u00e9sentation, les approches par mod\u00e8les permettent une repr\u00e9sentation plus riche, et donc une description plus fine de l'information syntaxique relative \u00e0 un \u00e9nonc\u00e9. Cette repr\u00e9sentation associe la structure syntaxique \u00e0 proprement parler (e.g. la structure syntagmatique), et le r\u00e9seau de contraintes constitu\u00e9 des propri\u00e9t\u00e9s \u03c6 i,s instanci\u00e9es pour cette structure. Nous l'avons vu pr\u00e9c\u00e9demment, le jugement de grammaticalit\u00e9 passe par un processus de v\u00e9rification de mod\u00e8le. Ce processus n\u00e9cessite lui-m\u00eame deux ressources : une grammaire de propri\u00e9t\u00e9s, et une instanciation de cette grammaire pour un arbre donn\u00e9, qui joue le r\u00f4le de candidat-mod\u00e8le. La grammaire de propri\u00e9t\u00e9s que nous utilisons d\u00e9rive de la grammaire hors-contexte implicite \u00e0 un corpus arbor\u00e9, par application de r\u00e8gles propres \u00e0 chaque type de propri\u00e9t\u00e9. Nous d\u00e9crivons cette d\u00e9rivation dans la partie qui suit. Nous ne reprenons pas ici le processus d'instanciation de la grammaire pour un arbre donn\u00e9, qui consiste simplement \u00e0 unifier les constituants pr\u00e9sents dans les propri\u00e9t\u00e9s avec les noeuds \u00e9tiquet\u00e9s de l'arbre. Dans la litt\u00e9rature sur les GP, l'\u00e9tape d'instanciation est g\u00e9n\u00e9ralement int\u00e9gr\u00e9e au processus de caract\u00e9risation, qui couvre simultan\u00e9ment l'instanciation et la v\u00e9rification des instances. Le terme de caract\u00e9risation est \u00e9galement employ\u00e9 pour d\u00e9noter, par extension, le r\u00e9seau de contraintes v\u00e9rifi\u00e9es qui r\u00e9sulte du processus.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Syntaxe par mod\u00e8les",
"sec_num": "3"
},
{
"text": "\u00c9tant donn\u00e9e une grammaire hors-contexte implicite \u00e0 un corpus arbor\u00e9, la d\u00e9rivation d'une grammaire GP requiert l'application de r\u00e8gles sp\u00e9cifiques \u00e0 la s\u00e9mantique de chaque type de propri\u00e9t\u00e9. Ces r\u00e8gles de d\u00e9rivation que nous d\u00e9crivons maintenant sont tr\u00e8s largement inspir\u00e9es de celles d\u00e9j\u00e0 d\u00e9crites par Blache & Rauzy (2012) .",
"cite_spans": [
{
"start": 307,
"end": 328,
"text": "Blache & Rauzy (2012)",
"ref_id": "BIBREF56"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "Soit C une \u00e9tiquette de noeud non-terminal, nous notons R C l'ensemble des r\u00e8gles hors-contexte de partie gauche C, et d\u00e9finissons l'application RHS, qui \u00e0 chaque C associe l'ensemble RHS(R C ) des parties droites pour C (une partie droite \u00e9tant vue comme une liste d'\u00e9tiquettes). Nous d\u00e9finissons \u00e9galement l'application label, qui associe un noeud x \u00e0 son \u00e9tiquette.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "R\u00e8gle 0 (Obligation -non encore implant\u00e9e). La s\u00e9mantique de l'Obligation sert principalement \u00e0 l'identification des t\u00eates de syntagme. Ainsi, en th\u00e9orie, la propri\u00e9t\u00e9 d'Obligation C : H C est sp\u00e9cifi\u00e9e par l'ensemble H C des disjonctions \u03c8 = e des \u00e9tiquettes distinctes e, tel qu'une \u00e9tiquette e est pr\u00e9sente dans toute r\u00e8gle RHS(R C ). Son implantation requiert la r\u00e9solution d'un probl\u00e8me de couverture maximale d'ensembles r\u00e9put\u00e9 NP-dur.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "Des travaux \u00e0 venir implanteront un algorithme glouton d'approximation. Une autre option pourra consister \u00e0 faire appel \u00e0 une s\u00e9rie d'heuristiques d'identification des t\u00eates, sur le mod\u00e8le de Dybro-Johansen (2004) .",
"cite_spans": [
{
"start": 192,
"end": 213,
"text": "Dybro-Johansen (2004)",
"ref_id": "BIBREF61"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "R\u00e8gle 1 (Constituance). La propri\u00e9t\u00e9 de Constituance C : E C ? est sp\u00e9cifi\u00e9e pour le syntagme C par l'ensemble E C d'\u00e9tiquettes uniques e, tel qu'il existe r \u2208 RHS(R C ) avec e \u2208 r.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "E C \u2261 {e, \u2203x\u2203r(r \u2208 RHS(R C )) \u2227 (x \u2208 r) \u2227 label(x) = e}",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "La figure 2 donne en exemple quelques propri\u00e9t\u00e9s de Constituance d\u00e9riv\u00e9es du corpus Sequoia (Candito & Seddah, 2012) . R\u00e8gle 2 (Unicit\u00e9). La propri\u00e9t\u00e9 d'Unicit\u00e9 C : U C ! est sp\u00e9cifi\u00e9e pour le syntagme C par l'ensemble U C de toutes les \u00e9tiquettes uniques qui ne co-occurent jamais avec elles-m\u00eames au sein de la m\u00eame partie droite de r\u00e8gle. ",
"cite_spans": [
{
"start": 92,
"end": 116,
"text": "(Candito & Seddah, 2012)",
"ref_id": "BIBREF57"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "U C \u2261 {e, \u2200x\u2200y\u2200r r \u2208 RHS(R C ) \u2227 (x \u2208 r) \u2227 (y \u2208 r) \u2227 ((label(x) = label(y)) \u2192 (x = y)) \u2227 label(x) = e}",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "L C \u2261 {(a, b), \u2200x\u2200y\u2200r\u2203x \u2203y \u00ac\u2203r r \u2208 RHS(R C ) \u2227 (x \u2208 r) \u2227 (y \u2208 r) \u2227 label(x) = a \u2227 label(y) = b \u2227 (i x < i y ) \u2227r \u2208 RHS(R C ) \u2227 (x \u2208 r ) \u2227 (y \u2208 r ) \u2227 label(x ) = a \u2227 label(y ) = b \u2227(i y < i x )}",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "La figure 4 donne quelques exemples de propri\u00e9t\u00e9s de Lin\u00e9arit\u00e9 d\u00e9riv\u00e9es de Sequoia. [ADV, Ssub] , [VPpart, NP] , [Sint, PP] , [CC, VPpart] , [AdP, NP] , [CC, VPinf] , [CC, AP] , [CC, Sint] , [VN, Ssub] , [CC, Srel] , [CC, Ssub] , [CC, AdP] Nous observons \u00e9galement -bien que nous n'ayons pas mesur\u00e9 le ph\u00e9nom\u00e8ne -que diff\u00e9rents patterns apparaissent qui informent sur la fa\u00e7on dont le STP choisit les analyses solutions. Le sch\u00e9ma d'annotation du corpus, notamment, semble influencer la d\u00e9rivation de la grammaire par mod\u00e8les \u00e0 travers des \u00e9tiquettes sur-sp\u00e9cifi\u00e9es. Par exemple, le fait que les Noms Communs (NC) soient distingu\u00e9s des Noms Propres (NP) ne permet pas \u00e0 la d\u00e9rivation actuelle de conduire \u00e0 une propri\u00e9t\u00e9 qui sp\u00e9cifierait que la pr\u00e9sence d'un d\u00e9terminant dans un syntagme requiert la pr\u00e9sence d'un nom (quelconque). Le probl\u00e8me peut probablement \u00eatre r\u00e9solu \u00e0 l'aide, une fois encore, par l'introduction d'une structure de traits qui soit extraite du corpus. N\u00e9anmoins, m\u00eame avec une telle structure le seul sch\u00e9ma d'annotation tel qu'utilis\u00e9 dans le corpus Sequoia devrait rapidement montrer ses limites en termes de pr\u00e9cision de l'information, et s'av\u00e9rer cette fois sous-sp\u00e9cifi\u00e9.",
"cite_spans": [
{
"start": 84,
"end": 95,
"text": "[ADV, Ssub]",
"ref_id": null
},
{
"start": 98,
"end": 110,
"text": "[VPpart, NP]",
"ref_id": null
},
{
"start": 113,
"end": 123,
"text": "[Sint, PP]",
"ref_id": null
},
{
"start": 126,
"end": 138,
"text": "[CC, VPpart]",
"ref_id": null
},
{
"start": 141,
"end": 150,
"text": "[AdP, NP]",
"ref_id": null
},
{
"start": 153,
"end": 164,
"text": "[CC, VPinf]",
"ref_id": null
},
{
"start": 167,
"end": 175,
"text": "[CC, AP]",
"ref_id": null
},
{
"start": 178,
"end": 188,
"text": "[CC, Sint]",
"ref_id": null
},
{
"start": 191,
"end": 201,
"text": "[VN, Ssub]",
"ref_id": null
},
{
"start": 204,
"end": 214,
"text": "[CC, Srel]",
"ref_id": null
},
{
"start": 217,
"end": 227,
"text": "[CC, Ssub]",
"ref_id": null
},
{
"start": 230,
"end": 239,
"text": "[CC, AdP]",
"ref_id": null
}
],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "X C \u2261 {(a, b), \u2203x\u2203y\u2203r\u2203r r \u2208 RHS(R C ) \u2227 (x \u2208 r) \u2227 label(x) = a r \u2208 RHS(R C ) \u2227 (y \u2208 r ) \u2227 label(y) = b} X C \u2261 {(a, b), \u2203x\u2203y\u2203r r \u2208 RHS(R C ) \u2227 (x \u2208 r) \u2227 (y \u2208 r) \u2227 (x = y) \u2227 label(x) = a \u2227 label(y) = b} X C \u2261X C \\X C JUGEMENT",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "Un autre pattern r\u00e9current est, semble-t-il, le choix peut-\u00eatre un peu trop rapide par le parseur d'annotations morphologiques sous-optimales pour les mots de l'\u00e9nonc\u00e9 \u00e0 analyser. Cette observation nous conduit \u00e0 sp\u00e9culer quant aux possibilit\u00e9s d'am\u00e9liorer les performances d'un analyseur probabiliste tel que le STP. Dans la mesure o\u00f9 les meilleurs annotateurs morphologiques du moment affichent des exactitudes g\u00e9n\u00e9ralement sup\u00e9rieures \u00e0 97%, une hypoth\u00e8se que nous formulons serait d'adopter une strat\u00e9gie de reclassement (reranking) plus sophistiqu\u00e9e, o\u00f9 la meilleure annotation morphologique auraient un poids plus important dans le choix de la meilleure analyse syntaxique.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "Enfin, il semble raisonnable de supposer qu'en int\u00e9grant la v\u00e9rification de mod\u00e8le dans le reclassement des n-meilleures analyses probables, il serait alors possible de pr\u00e9f\u00e9rer syst\u00e9matiquement les solutions jug\u00e9es grammaticales aux solutions non-grammaticales, et am\u00e9liorer ainsi les performances qualitatives de l'analyseur. Cette hypoth\u00e8se reste cependant \u00e0 v\u00e9rifier.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "D\u00e9rivation de grammaire de propri\u00e9t\u00e9s sur corpus arbor\u00e9",
"sec_num": null
},
{
"text": "Nous venons de montrer qu'une repr\u00e9sentation par mod\u00e8les de la syntaxe du langage naturel peut s'allier avec succ\u00e8s \u00e0 l'analyse syntaxique probabiliste afin de contribuer \u00e0 r\u00e9soudre des probl\u00e8mes tels que le jugement de grammaticalit\u00e9. L'absence de jugement de grammaticalit\u00e9 associ\u00e9 \u00e0 un arbre syntaxique probable issu d'un analyseur probabiliste est, en effet, une carence pr\u00e9judiciable dans de nombreux contextes applicatifs. La repr\u00e9sentation par mod\u00e8les associe un r\u00e9seau de contraintes \u00e0 la structure syntaxique. Ce r\u00e9seau contient une information plus fine que la seule structure syntagmatique, puisqu'il int\u00e8gre, pour chaque syntagme, l'ensemble des propri\u00e9t\u00e9s satisfaites et viol\u00e9es entre ses constituants. Ce r\u00e9seau permet d'\u00e9tablir ais\u00e9ment un jugement exact de grammaticalit\u00e9 par v\u00e9rification de mod\u00e8le. L'\u00e9tude exp\u00e9rimentale conduite sur les analyses g\u00e9n\u00e9r\u00e9es par le Stanford Parser pour le corpus Sequoia a montr\u00e9 que pr\u00e8s de 3,5 % des arbres g\u00e9n\u00e9r\u00e9s (ou 4.3% des arbres ne correspondant pas \u00e0 la r\u00e9f\u00e9rence) sont jug\u00e9s agrammaticaux. Ce r\u00e9sultat permet de sp\u00e9culer que la prise en compte du jugement de grammaticalit\u00e9 dans le classement des n solutions les plus probables par un parseur probabiliste devrait permettre une am\u00e9lioration substantielle du r\u00e9sultat d\u00e9terministe.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Conclusion et perspectives",
"sec_num": "6"
}
],
"back_matter": [],
"bib_entries": {
"BIBREF4": {
"ref_id": "b4",
"title": "Cependant, nous n'avons pas de meilleure solution \u00e0 proposer pour le moment pour la d\u00e9rivation de cette propri\u00e9t\u00e9. La figure 6 donne quelques exemples de propri\u00e9t\u00e9s d'Exclusion d\u00e9riv\u00e9es de Sequoia",
"authors": [],
"year": null,
"venue": "La r\u00e8gle 5 peut \u00eatre excessivement restrictive, dans la mesure o\u00f9 elle \u00e9num\u00e8re la liste exhaustive des co-occurences interdites",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "La r\u00e8gle 5 peut \u00eatre excessivement restrictive, dans la mesure o\u00f9 elle \u00e9num\u00e8re la liste exhaustive des co-occurences interdites. Cependant, nous n'avons pas de meilleure solution \u00e0 proposer pour le moment pour la d\u00e9rivation de cette propri\u00e9t\u00e9. La figure 6 donne quelques exemples de propri\u00e9t\u00e9s d'Exclusion d\u00e9riv\u00e9es de Sequoia. AdP: [[DET, Srel], [Ssub, COORD], [Srel, PP], [NP, COORD], [Srel, COORD], [DET, NP], [NP, PP], [Srel, Ssub], [DET, Ssub], [Ssub, PP], [DET, COORD], [COORD, PP], [Srel, NP]]",
"links": null
},
"BIBREF6": {
"ref_id": "b6",
"title": "Exp\u00e9rimentation : jugement d'analyses probables",
"authors": [],
"year": null,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Exp\u00e9rimentation : jugement d'analyses probables",
"links": null
},
"BIBREF7": {
"ref_id": "b7",
"title": "Cette exp\u00e9rimentation vise \u00e0 montrer qu'il est possible d'identifier partiellement les analyses agrammaticales g\u00e9n\u00e9r\u00e9es par un analyseur probabiliste, en effectuant une v\u00e9rification de mod\u00e8le sur l'arbre g\u00e9n\u00e9r\u00e9",
"authors": [],
"year": null,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Cette exp\u00e9rimentation vise \u00e0 montrer qu'il est possible d'identifier partiellement les analyses agrammaticales g\u00e9n\u00e9r\u00e9es par un analyseur probabiliste, en effectuant une v\u00e9rification de mod\u00e8le sur l'arbre g\u00e9n\u00e9r\u00e9.",
"links": null
},
"BIBREF9": {
"ref_id": "b9",
"title": "La grammaire GP utilis\u00e9e pour ces exp\u00e9riences d\u00e9rive du corpus d'entrainement du STP. Le tableau 2 r\u00e9sume les diff\u00e9rentes valeurs obtenues lors des \u00e9tapes d'extraction de la grammaire hors-contexte implicite, et de la d\u00e9rivation de la grammaire GP. Un \u00e9chantillon de la grammaire r\u00e9sultante est illustr\u00e9 par les figures 2 \u00e0 6. Apr\u00e8s entra\u00eenement, le STP est utilis\u00e9 pour parser le corpus de test",
"authors": [],
"year": null,
"venue": "La partition du corpus en d\u00e9veloppement et test est identique \u00e0 celle de CSP12",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "La partition du corpus en d\u00e9veloppement et test est identique \u00e0 celle de CSP12. La grammaire GP utilis\u00e9e pour ces exp\u00e9riences d\u00e9rive du corpus d'entrainement du STP. Le tableau 2 r\u00e9sume les diff\u00e9rentes valeurs obtenues lors des \u00e9tapes d'extraction de la grammaire hors-contexte implicite, et de la d\u00e9rivation de la grammaire GP. Un \u00e9chantillon de la grammaire r\u00e9sultante est illustr\u00e9 par les figures 2 \u00e0 6. Apr\u00e8s entra\u00eenement, le STP est utilis\u00e9 pour parser le corpus de test. R\u00e8gles lexicales (POS-tags) R\u00e8gles syntagmatiques TOTAL 5817",
"links": null
},
"BIBREF10": {
"ref_id": "b10",
"title": "Les mesures PARSEVAL obtenues avec le programme evalb 10 sont report\u00e9es dans le tableau 3. Chaque analyse produite 10",
"authors": [],
"year": null,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Les mesures PARSEVAL obtenues avec le programme evalb 10 sont report\u00e9es dans le tableau 3. Chaque analyse produite 10. http://nlp.cs.nyu.edu/evalb/, version du 2 novembre 2013. [O-P2.3]",
"links": null
},
"BIBREF11": {
"ref_id": "b11",
"title": "R\u00e8gle de r\u00e9\u00e9criture Propri\u00e9t\u00e9 Instances viol\u00e9es 5 VN \u2192",
"authors": [
{
"first": "Jean-Philippe Prost",
"middle": [],
"last": "Num",
"suffix": ""
},
{
"first": ";",
"middle": [],
"last": "Adv",
"suffix": ""
},
{
"first": "V",
"middle": [],
"last": "Adp",
"suffix": ""
},
{
"first": "",
"middle": [],
"last": "Vpp",
"suffix": ""
},
{
"first": "P-=",
"middle": [],
"last": "Vpp] Exclusion",
"suffix": ""
}
],
"year": null,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "JEAN-PHILIPPE PROST Num. R\u00e8gle de r\u00e9\u00e9criture Propri\u00e9t\u00e9 Instances viol\u00e9es 5 VN \u2192 [ADV, V, AdP, VPP, VPP] Exclusion P-= [[ADV, AdP]]",
"links": null
},
"BIBREF52": {
"ref_id": "b52",
"title": "From Shallow to Deep Parsing Using Constraint Satisfaction",
"authors": [
{
"first": "Balfourier J.-M",
"middle": [
"V"
],
"last": "Blache P. & Rullen T",
"suffix": ""
}
],
"year": 2002,
"venue": "Proc. of the 6th Int'l Conference on Computational Linguistics",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "BALFOURIER J.-M., BLACHE P. & RULLEN T. V. (2002). From Shallow to Deep Parsing Using Constraint Satisfaction. In Proc. of the 6th Int'l Conference on Computational Linguistics (COLING 2002).",
"links": null
},
"BIBREF53": {
"ref_id": "b53",
"title": "Arboretum : Using a precision grammar for grammar checking in CALL",
"authors": [
{
"first": "",
"middle": [
"M"
],
"last": "Bender E",
"suffix": ""
},
{
"first": "",
"middle": [],
"last": "Flickinger D",
"suffix": ""
},
{
"first": "S",
"middle": [],
"last": "Oepen",
"suffix": ""
},
{
"first": "Walsh",
"middle": [
"A"
],
"last": "Baldwin T",
"suffix": ""
}
],
"year": 2004,
"venue": "Proceedings of InSTIL/ICALL2004-NLP and Speech Technologies in Advanced Language Learning Systems-Venice",
"volume": "17",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "BENDER E. M., FLICKINGER D., OEPEN S., WALSH A. & BALDWIN T. (2004). Arboretum : Using a precision grammar for grammar checking in CALL. In Proceedings of InSTIL/ICALL2004-NLP and Speech Technologies in Advanced Language Learning Systems-Venice, volume 17, p.19.",
"links": null
},
"BIBREF54": {
"ref_id": "b54",
"title": "Propri\u00e9t\u00e9s et analyse d'un langage",
"authors": [
{
"first": "G",
"middle": [
"&"
],
"last": "B\u00e8s",
"suffix": ""
},
{
"first": "",
"middle": [],
"last": "Blache P",
"suffix": ""
}
],
"year": 1999,
"venue": "Proceedings of the 1999 Conference on Traitement Automatique du Langage Naturel (TALN'99)",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "B\u00c8S G. & BLACHE P. (1999). Propri\u00e9t\u00e9s et analyse d'un langage. In Proceedings of the 1999 Conference on Traitement Automatique du Langage Naturel (TALN'99).",
"links": null
},
"BIBREF55": {
"ref_id": "b55",
"title": "Les Grammaires de Propri\u00e9t\u00e9s : des contraintes pour le traitement automatique des langues naturelles",
"authors": [
{
"first": "P",
"middle": [],
"last": "Blache",
"suffix": ""
}
],
"year": 2001,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "BLACHE P. (2001). Les Grammaires de Propri\u00e9t\u00e9s : des contraintes pour le traitement automatique des langues na- turelles. Herm\u00e8s Sciences.",
"links": null
},
"BIBREF56": {
"ref_id": "b56",
"title": "Enrichissement du ftb : un treebank hybride constituants/propri\u00e9t\u00e9s",
"authors": [
{
"first": "",
"middle": [],
"last": "Blache P. & Rauzy S",
"suffix": ""
}
],
"year": 2012,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "BLACHE P. & RAUZY S. (2012). Enrichissement du ftb : un treebank hybride constituants/propri\u00e9t\u00e9s.",
"links": null
},
"BIBREF57": {
"ref_id": "b57",
"title": "Le corpus Sequoia : annotation syntaxique et exploitation pour l'adaptation d'analyseur par pont lexical",
"authors": [
{
"first": "M",
"middle": [
"&"
],
"last": "Candito",
"suffix": ""
},
{
"first": "",
"middle": [],
"last": "Seddah D",
"suffix": ""
}
],
"year": 2012,
"venue": "Actes de TALN'2012",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "CANDITO M. & SEDDAH D. (2012). Le corpus Sequoia : annotation syntaxique et exploitation pour l'adaptation d'analyseur par pont lexical. In Actes de TALN'2012, Grenoble, France.",
"links": null
},
"BIBREF58": {
"ref_id": "b58",
"title": "Coarse-to-Fine n-Best Parsing and MaxEnt Discriminative Reranking",
"authors": [
{
"first": "Charniak",
"middle": [
"E"
],
"last": "Johnson M",
"suffix": ""
}
],
"year": 2005,
"venue": "ACL",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "CHARNIAK E. & JOHNSON M. (2005). Coarse-to-Fine n-Best Parsing and MaxEnt Discriminative Reranking. In ACL.",
"links": null
},
"BIBREF59": {
"ref_id": "b59",
"title": "Property grammar parsing seen as a constraint optimization problem",
"authors": [
{
"first": "",
"middle": [],
"last": "Duchier D",
"suffix": ""
},
{
"first": "",
"middle": [],
"last": "Dao T.-B.-H",
"suffix": ""
},
{
"first": "Y",
"middle": [
"&"
],
"last": "Parmentier",
"suffix": ""
},
{
"first": "",
"middle": [],
"last": "Lesaint W",
"suffix": ""
}
],
"year": 2010,
"venue": "FG",
"volume": "",
"issue": "",
"pages": "82--96",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "DUCHIER D., DAO T.-B.-H., PARMENTIER Y. & LESAINT W. (2010). Property grammar parsing seen as a constraint optimization problem. In FG, p. 82-96.",
"links": null
},
"BIBREF60": {
"ref_id": "b60",
"title": "A model-theoretic framework for grammaticality judgements",
"authors": [
{
"first": "Prost J.-P. & Dao T.-B.-H",
"middle": [],
"last": "Duchier D",
"suffix": ""
}
],
"year": 2009,
"venue": "Formal Grammar",
"volume": "",
"issue": "",
"pages": "17--30",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "DUCHIER D., PROST J.-P. & DAO T.-B.-H. (2009). A model-theoretic framework for grammaticality judgements. In Formal Grammar, p. 17-30.",
"links": null
},
"BIBREF61": {
"ref_id": "b61",
"title": "fExtraction automatique d'une grammaire d'arbres adjoints \u00e0 partir du corpus arbor\u00e9 de Paris 7. Dea de linguistique th\u00e9orique et formelle, UFR Linguistique",
"authors": [
{
"first": "",
"middle": [],
"last": "Dybro-Johansen A",
"suffix": ""
}
],
"year": 2004,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "DYBRO-JOHANSEN A. (2004). fExtraction automatique d'une grammaire d'arbres adjoints \u00e0 partir du corpus arbor\u00e9 de Paris 7. Dea de linguistique th\u00e9orique et formelle, UFR Linguistique, Universit\u00e9 Paris 7. sous la direction de M. Alexis Nasr, Dr.",
"links": null
},
"BIBREF62": {
"ref_id": "b62",
"title": "Adapting a wsj-trained parser to grammatically noisy text",
"authors": [
{
"first": "Foster",
"middle": [
"J"
],
"last": "Wagner",
"suffix": ""
},
{
"first": "J",
"middle": [],
"last": "Van Genabith",
"suffix": ""
},
{
"first": "J",
"middle": [],
"last": "",
"suffix": ""
}
],
"year": 2008,
"venue": "ACL (Short Papers)",
"volume": "",
"issue": "",
"pages": "221--224",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "FOSTER J., WAGNER J. & VAN GENABITH J. (2008). Adapting a wsj-trained parser to grammatically noisy text. In ACL (Short Papers), p. 221-224.",
"links": null
},
"BIBREF63": {
"ref_id": "b63",
"title": "Multiword Expression Identification with Tree Substitution Grammars : A Parsing tour de force with French",
"authors": [
{
"first": "",
"middle": [],
"last": "Green S",
"suffix": ""
},
{
"first": "",
"middle": [],
"last": "De Marneffe M.-C",
"suffix": ""
},
{
"first": "J",
"middle": [
"&"
],
"last": "Bauer",
"suffix": ""
},
{
"first": "",
"middle": [
"D"
],
"last": "Manning C",
"suffix": ""
}
],
"year": 2011,
"venue": "EMNLP",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "GREEN S., DE MARNEFFE M.-C., BAUER J. & MANNING C. D. (2011). Multiword Expression Identification with Tree Substitution Grammars : A Parsing tour de force with French. In EMNLP 2011.",
"links": null
},
"BIBREF64": {
"ref_id": "b64",
"title": "Structural Disambiguation with Constraint Propagation",
"authors": [
{
"first": "H",
"middle": [],
"last": "Maruyama",
"suffix": ""
}
],
"year": 1990,
"venue": "Proceedings 28th Annual Meeting of the ACL",
"volume": "",
"issue": "",
"pages": "31--38",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "MARUYAMA H. (1990). Structural Disambiguation with Constraint Propagation. In Proceedings 28th Annual Meeting of the ACL, p. 31-38, Pittburgh, PA.",
"links": null
},
"BIBREF65": {
"ref_id": "b65",
"title": "GLEU : Automatic Evaluation of Sentence-Level Fluency",
"authors": [
{
"first": "",
"middle": [],
"last": "Mutton A",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "Dras",
"suffix": ""
},
{
"first": "Wan",
"middle": [
"S"
],
"last": "Dale R",
"suffix": ""
}
],
"year": 2007,
"venue": "ACL",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "MUTTON A., DRAS M., WAN S. & DALE R. (2007). GLEU : Automatic Evaluation of Sentence-Level Fluency. In ACL.",
"links": null
},
"BIBREF66": {
"ref_id": "b66",
"title": "Optimality Theory : Constraint Interaction in Generatire Grammar",
"authors": [
{
"first": "Prince",
"middle": [
"A"
],
"last": "Smolensky P",
"suffix": ""
}
],
"year": 1993,
"venue": "Rapport interne",
"volume": "",
"issue": "2",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "PRINCE A. & SMOLENSKY P. (1993). Optimality Theory : Constraint Interaction in Generatire Grammar. Rapport interne, TR-2, Rutgers University Cognitive Science Center, New Brunswick, NJ.",
"links": null
},
"BIBREF67": {
"ref_id": "b67",
"title": "Modelling Syntactic Gradience with Loose Constraint-based Parsing",
"authors": [
{
"first": "Prost J.-P",
"middle": [],
"last": "",
"suffix": ""
}
],
"year": 2008,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "PROST J.-P. (2008). Modelling Syntactic Gradience with Loose Constraint-based Parsing. PhD thesis, Macquarie University, Sydney, Australia, and Universit\u00e9 de Provence, Aix-en-Provence, France (cotutelle).",
"links": null
},
"BIBREF68": {
"ref_id": "b68",
"title": "On the Distinction Between Model-Theoretic and Generative-Enumerative Syntactic Frameworks",
"authors": [
{
"first": "",
"middle": [
"&"
],
"last": "Pullum G",
"suffix": ""
},
{
"first": "",
"middle": [],
"last": "Scholz B",
"suffix": ""
}
],
"year": 2001,
"venue": "Logical Aspects of Computational Linguistics : 4th International Conference, number 2099 in Lecture Notes in Artificial Intelligence",
"volume": "",
"issue": "",
"pages": "17--43",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "PULLUM G. & SCHOLZ B. (2001). On the Distinction Between Model-Theoretic and Generative-Enumerative Syntactic Frameworks. In P. DE GROOTE, G. MORRILL & C. R\u00c9TOR\u00c9, Eds., Logical Aspects of Computational Linguistics : 4th International Conference, number 2099 in Lecture Notes in Artificial Intelligence, p. 17-43, Berlin : Springer Verlag.",
"links": null
},
"BIBREF69": {
"ref_id": "b69",
"title": "The ups and downs of preposition error detection in esl writing",
"authors": [
{
"first": "J",
"middle": [
"R"
],
"last": "Tetreault",
"suffix": ""
},
{
"first": "",
"middle": [],
"last": "Chodorow M",
"suffix": ""
}
],
"year": 2008,
"venue": "Proceedings of the 22nd International Conference on Computational Linguistics",
"volume": "1",
"issue": "",
"pages": "865--872",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "TETREAULT J. R. & CHODOROW M. (2008). The ups and downs of preposition error detection in esl writing. In Proceedings of the 22nd International Conference on Computational Linguistics-Volume 1, p. 865-872 : Association for Computational Linguistics.",
"links": null
},
"BIBREF70": {
"ref_id": "b70",
"title": "Detecting Grammatical Errors with Treebank-Induced, Probabilistic Parsers",
"authors": [
{
"first": "J",
"middle": [],
"last": "Wagner",
"suffix": ""
}
],
"year": 2012,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "WAGNER J. (2012). Detecting Grammatical Errors with Treebank-Induced, Probabilistic Parsers. PhD thesis, Dublin City University, Dublin, Ireland.",
"links": null
},
"BIBREF71": {
"ref_id": "b71",
"title": "Towards statistical paraphrase generation : preliminary evaluations of grammaticality",
"authors": [
{
"first": "Wan",
"middle": [
"S"
],
"last": "Dras",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "Dale R",
"suffix": ""
},
{
"first": "",
"middle": [],
"last": "Paris C",
"suffix": ""
}
],
"year": 2005,
"venue": "Proceedings of The 3rd International Workshop on Paraphrasing (IWP2005)",
"volume": "",
"issue": "",
"pages": "88--95",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "WAN S., DRAS M., DALE R. & PARIS C. (2005). Towards statistical paraphrase generation : preliminary evaluations of grammaticality. In Proceedings of The 3rd International Workshop on Paraphrasing (IWP2005), p. 88-95.",
"links": null
},
"BIBREF72": {
"ref_id": "b72",
"title": "Exploiting Parse Structures for Native Language Identification",
"authors": [
{
"first": "Wong S.-M",
"middle": [
"J"
],
"last": "Dras M",
"suffix": ""
}
],
"year": 2011,
"venue": "EMNLP",
"volume": "",
"issue": "",
"pages": "1600--1610",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "WONG S.-M. J. & DRAS M. (2011). Exploiting Parse Structures for Native Language Identification. In EMNLP, p. 1600-1610.",
"links": null
},
"BIBREF73": {
"ref_id": "b73",
"title": "Choosing the right translation : A syntactically informed classification approach",
"authors": [
{
"first": "Zwarts",
"middle": [
"S &"
],
"last": "Dras M",
"suffix": ""
}
],
"year": 2008,
"venue": "Proceedings of the 22nd International Conference on Computational Linguistics",
"volume": "1",
"issue": "",
"pages": "1153--1160",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "ZWARTS S. & DRAS M. (2008). Choosing the right translation : A syntactically informed classification approach. In Proceedings of the 22nd International Conference on Computational Linguistics-Volume 1, p. 1153-1160 : Association for Computational Linguistics.",
"links": null
}
},
"ref_entries": {
"FIGREF0": {
"type_str": "figure",
"uris": null,
"text": "La paternit\u00e9 de l'appellation Generative-Enumerative Syntax (GES) revient \u00e0Pullum & Scholz (2001), qui discutent cette distinction entre GES et MTS (Model-Theoretic Syntax). En fran\u00e7ais nous parlerons de syntaxe par mod\u00e8les pour faire r\u00e9f\u00e9rence \u00e0 la MTS et aux cadres formels de repr\u00e9sentation qui lui sont associ\u00e9s. 9. D'apr\u00e8s la notation usuelle pour les grammaires syntagmatiques, o\u00f9 le langage L(G) est d\u00e9fini comme le n-uplet V, N, G, S , o\u00f9 V est un lexique (vocabulaire terminal), N un ensemble de cat\u00e9gories morpho-syntaxiques (vocabulaire non-terminal), \u03a6 un ensemble de r\u00e8gles de production (grammaire), et S \u2208 N un symbole de d\u00e9part.419: En_effet, sept projets sur quatorze, soit la moiti\u00e9, ont un financement qui n' est toujours pas assur\u00e9 et dont le calendrier n' est pas_encore arr\u00eat\u00e9. dont) (DET le) (NC calendrier)) (VN (ADV n') (V est) (ADV pas_encore) (VPP arr\u00eat\u00e9)))) (PUNC .)))FIGURE 1 -Exemple d'analyse syntaxique par le STP jug\u00e9e agrammaticale par v\u00e9rification de mod\u00e8le",
"num": null
},
"FIGREF1": {
"type_str": "figure",
"uris": null,
"text": "Dans cet exemple et ceux qui suivent chaque propri\u00e9t\u00e9 r\u00e9 est pr\u00e9sent\u00e9e selon le patron ETIQUETTE_SYNTAGME : liste_de_constituants. AdP: [DET, Srel, Ssub, NP, ADV, COORD, PP] SENT: [NC, NP, ADV, VPpart, VN, VPinf, ADVWH, PP, AdP, I, Srel, Ssub, AP, Sint, NPP, COORD]",
"num": null
},
"FIGREF2": {
"type_str": "figure",
"uris": null,
"text": "Exemple de propri\u00e9t\u00e9s de Constituance d\u00e9riv\u00e9es du corpus Sequoia",
"num": null
},
"FIGREF3": {
"type_str": "figure",
"uris": null,
"text": "donne l'exemple de quelques propri\u00e9t\u00e9s d'Unicit\u00e9 d\u00e9riv\u00e9es de Sequoia. COORD: [DET, AdP, CC, Srel, Ssub, AP, Sint, VPpart, VPinf, VN] VPinf: [VPpart, CLO, VPinf, AdP, VINF, Sint] PP: [PROREL, NC, P, ADJ, VPpart, VPinf, PRO, AdP, P+D, AP, Sint, P+PRO] FIGURE 3 -Exemple de propri\u00e9t\u00e9s d'Unicit\u00e9 d\u00e9riv\u00e9es du corpus Sequoia R\u00e8gle 3 (Lin\u00e9arit\u00e9). L'ensemble des propri\u00e9t\u00e9s de Lin\u00e9arit\u00e9 C : a \u227a b pour C est d\u00e9fini par l'ensemble L C des paires ordonn\u00e9es d'\u00e9tiquettes (a, b) consistantes, o\u00f9 (a, b) est consistante ssi il existe une r\u00e8gle r \u2208 R C , telle que a et b cooccurent en partie droite de r, et il n'existe aucune r\u00e8gle r \u2208 R C telle que (b, a) \u2208 r . Nous notons i x l'index du noeud x dans la liste en partie droite de r\u00e8gle.",
"num": null
},
"FIGREF4": {
"type_str": "figure",
"uris": null,
"text": "Exemple de propri\u00e9t\u00e9s de Lin\u00e9arit\u00e9 d\u00e9riv\u00e9es du corpus SequoiaR\u00e8gle 4 (Exigence). Rappelons que la s\u00e9mantique de la propri\u00e9t\u00e9 d'Exigence C : x \u21d2 y diff\u00e8re de celle classique de l'implication, en ceci que contrairement \u00e0 l'implication (C : x \u21d2 y) \u2261 (\u00acx \u2228 y). Donc l'ensemble Z C des propri\u00e9t\u00e9s d'Exigence est sp\u00e9cifi\u00e9 par l'ensemble des co-occurrences au sein d'un m\u00eame syntagme, moins les co-occurences pour lesquelles l'\u00e9l\u00e9ment qui intervient en op\u00e9rande gauche de la propri\u00e9t\u00e9 peut appara\u00eetre dans une r\u00e8gle sans l'\u00e9l\u00e9ment de l'op\u00e9rande droit. Parmi l'ensemble des co-occurrences (a, b) pour C, nous retirons donc celles pour lesquelles il existe une r\u00e8gle r \u2208 RHS(R C ) telle que a \u2208 r et b / \u2208 r.Z C \u2261 {(a, b), \u2200x\u2200r\u2203y r \u2208 RHS(R C ) \u2227 (x \u2208 r) \u2227 (y \u2208 r) \u2227 (x = y) \u2227 ((label(x) = a) \u2192 ((label(y) = b)))}La r\u00e8gle 4 est seulement une approximation puisqu'elle ne capture aucun y disjonctif, comme l'autorise al s\u00e9mantique de la propri\u00e9t\u00e9. Nous discutons les cons\u00e9quences de cette limitation en \u00a75 et envisageons des am\u00e9liorations possibles. La figure 5 donne quelques exemples de propri\u00e9t\u00e9s d'Exigence d\u00e9riv\u00e9es de Sequoia.R\u00e8gle 5 (Exclusion). L'ensemble des propri\u00e9t\u00e9s d'Exclusion C : x \u21d4 y est sp\u00e9cifi\u00e9 par l'ensemble X C des paires nonordonn\u00e9es d'\u00e9tiquettes (a, b), telles que a et b ne co-occurrent jamais au sein de la m\u00eame partie droite de r\u00e8gle.",
"num": null
},
"TABREF1": {
"type_str": "table",
"text": "Obligation A : B au moins un fils de A est de cat\u00e9gorie B Constituance A : S? la cat\u00e9gorie de tout fils de A doit \u00eatre dans S Unicit\u00e9 A : B! au plus un fils de A est de cat\u00e9gorie B Lin\u00e9arit\u00e9 A : B \u227a C un fils de cat\u00e9gorie B pr\u00e9c\u00e8de un fils de cat\u00e9gorie C Exigence A : B \u21d2 C la pr\u00e9sence d'un fils de cat\u00e9gorie B requiert celle d'un fils de cat\u00e9gorie C Exclusion A : B \u21d4 C des fils de cat\u00e9gories B et C sont exclus mutuellement sous un m\u00eame ATABLE 1 -Interpr\u00e9tation des types de propri\u00e9t\u00e9s usuels en GP JEAN-PHILIPPE PROST V\u00e9rification de mod\u00e8le et jugement de grammaticalit\u00e9 Nous commen\u00e7ons par poser quelques d\u00e9finitions, afin de fixer les notations utilis\u00e9es dans ce qui suit. Soient donc S un ensemble de mots dans la langue cible, et E un ensemble d'\u00e9tiquettes d\u00e9notant des cat\u00e9gories morphosyntaxiques ; un lexique est alors un sous-ensemble V \u2282 E \u00d7 S (ce qui suppose implicitement que les terminaux sont des mots d\u00e9j\u00e0 \u00e9tiquet\u00e9s par des cat\u00e9gories morphologiques). Soit P E l'ensemble de toutes les propri\u00e9t\u00e9s possibles sur E, une grammaire de propri\u00e9t\u00e9s \u03a6 est alors d\u00e9finie par une paire (P G , V G ), avec P G \u2286 P E . Soit \u03c4 : s un arbre (de constituants) d\u00e9cor\u00e9 d'\u00e9tiquettes dans E et dont la r\u00e9alisation de surface est la cha\u00eene de mots s, et soit \u03a6 s une instanciation de \u03a6 sur \u03c4 : s ; \u03c4 : s est un mod\u00e8le pour \u03a6 s ssi \u03c4 : s rend \u03a6 s vraie. Nous notons \u03c4 : s |= \u03a6 s la satisfaction de \u03a6 s par \u03c4 : s. L'instanciation \u03a6 s de la grammaire \u03a6 pour l'arbre \u03c4 : s est \u00e9galement appel\u00e9 r\u00e9seau de contraintes. Definition 1. \u03c4 : s est grammatical par rapport \u00e0 \u03a6 ssi \u03c4 : s |= \u03a6 s .Ramen\u00e9 au jugement de grammaticalit\u00e9, et puisque \u03a6 s = i \u03c6 i,s , la d\u00e9finition 1 signifie que la structure syntaxique \u03c4 : s doit v\u00e9rifier chaque instance de propri\u00e9t\u00e9 \u03c6 i de la grammaire \u03a6 pour que la phrase s soit consid\u00e9r\u00e9e grammaticale pour \u03a6. De ce fait, le jugement de grammaticalit\u00e9 sur un arbre syntaxique peut se ramener \u00e0 un processus de v\u00e9rification de mod\u00e8le. Ce processus implique les \u00e9tapes suivantes :",
"content": "",
"num": null,
"html": null
},
"TABREF5": {
"type_str": "table",
"text": "Mesures PARSEVAL pour l'analyse du corpus de test de Sequoia par le STP par le STP est ensuite caract\u00e9ris\u00e9e : son r\u00e9seau de contraintes associ\u00e9 est cr\u00e9\u00e9 pour la grammaire GP, et la satisfaction de chaque propri\u00e9t\u00e9 du r\u00e9seau est simultan\u00e9m\u00e9nt v\u00e9rifi\u00e9 (processus de caract\u00e9risation). Le d\u00e9tail des caract\u00e9risations n\u00e9gatives des phrases jug\u00e9es agrammaticales est rapport\u00e9 dans le tableau 4. Sur un total de 1043 phrases v\u00e9rifi\u00e9es, 36 sont jug\u00e9es agrammaticales. Elles repr\u00e9sentent 3,45 % du total, et 36/838 4.3% des correspondances incompl\u00e8tes au gold standard. Ce r\u00e9sultat doit \u00eatre mis en perspective par rapport \u00e0 diff\u00e9rents \u00e9l\u00e9ments. Le premier est l'ambiguit\u00e9 syntaxique inh\u00e9rente au langage naturel, qui peut expliquer qu'une analyse puisse \u00eatre grammaticale bien que diff\u00e9rente de celle du gold standard. Le deuxi\u00e8me tient au caract\u00e8re incomplet de la grammaire GP utilis\u00e9e pour l'exp\u00e9rimentation.",
"content": "",
"num": null,
"html": null
}
}
}
}