File size: 70,375 Bytes
6fa4bc9 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 | {
"paper_id": "F13-1017",
"header": {
"generated_with": "S2ORC 1.0.0",
"date_generated": "2023-01-19T09:41:57.295244Z"
},
"title": "Chunks et activation : un mod\u00e8le de facilitation du traitement linguistique",
"authors": [
{
"first": "Philippe",
"middle": [],
"last": "Blache",
"suffix": "",
"affiliation": {
"laboratory": "",
"institution": "CNRS",
"location": {
"addrLine": "LPL 5 Avenue Pasteur",
"postCode": "13100",
"settlement": "Aix-en-Provence"
}
},
"email": "blache@lpl-aix.fr"
}
],
"year": "",
"venue": null,
"identifiers": {},
"abstract": "Nous proposons dans cet article d'int\u00e9grer la notion de chunk au sein d'une architecture globale de traitement de la phrase. Les chunks jouent un r\u00f4le important dans les th\u00e9ories cognitives comme ACT-R (Anderson et al., 2004) : il s'agit d'unit\u00e9s de traitement globales auxquelles il est possible d'acc\u00e9der directement via des buffers en m\u00e9moire \u00e0 court ou long terme. Ces chunks sont construits par une fonction d'activation (processus cognitif pouvant \u00eatre quantifi\u00e9) s'appuyant sur l'\u00e9valuation de leur relation au contexte. Nous proposons une interpr\u00e9tation de cette th\u00e9orie appliqu\u00e9e \u00e0 l'analyse syntaxique. Un m\u00e9canisme de construction des chunks est propos\u00e9. Nous d\u00e9veloppons pour cela une fonction d'activation tirant parti de la repr\u00e9sentation de l'information linguistique sous forme de contraintes. Cette fonction permet de montrer en quoi les chunks sont faciles \u00e0 construire et comment leur existence facilite le traitement de la phrase. Plusieurs exemples sont propos\u00e9s, illustrant cette hypoth\u00e8se de facilitation.",
"pdf_parse": {
"paper_id": "F13-1017",
"_pdf_hash": "",
"abstract": [
{
"text": "Nous proposons dans cet article d'int\u00e9grer la notion de chunk au sein d'une architecture globale de traitement de la phrase. Les chunks jouent un r\u00f4le important dans les th\u00e9ories cognitives comme ACT-R (Anderson et al., 2004) : il s'agit d'unit\u00e9s de traitement globales auxquelles il est possible d'acc\u00e9der directement via des buffers en m\u00e9moire \u00e0 court ou long terme. Ces chunks sont construits par une fonction d'activation (processus cognitif pouvant \u00eatre quantifi\u00e9) s'appuyant sur l'\u00e9valuation de leur relation au contexte. Nous proposons une interpr\u00e9tation de cette th\u00e9orie appliqu\u00e9e \u00e0 l'analyse syntaxique. Un m\u00e9canisme de construction des chunks est propos\u00e9. Nous d\u00e9veloppons pour cela une fonction d'activation tirant parti de la repr\u00e9sentation de l'information linguistique sous forme de contraintes. Cette fonction permet de montrer en quoi les chunks sont faciles \u00e0 construire et comment leur existence facilite le traitement de la phrase. Plusieurs exemples sont propos\u00e9s, illustrant cette hypoth\u00e8se de facilitation.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Abstract",
"sec_num": null
}
],
"body_text": [
{
"text": "L'interpr\u00e9tation d'un \u00e9nonc\u00e9, \u00e0 commencer par son traitement syntaxique, peut \u00eatre plus ou moins facile pour un sujet humain. Plusieurs travaux proposent des \u00e9l\u00e9ments d'explication de cette variabilit\u00e9. Au niveau syntaxique, des travaux proposent par exemple des explications en termes de distance pour une relation \u00e0 \u00e9tablir entre deux \u00e9l\u00e9ments, une grande distance \u00e9tant plus complexe \u00e0 traiter qu'une plus faible (Gibson, 1998) ; (Grodner et Gibson, 2005) . D'autres travaux portent sur l'identification d'un niveau d'activation des items en s'appuyant notamment sur des relations avec le reste de la structure en cours de construction (Lewis et Vasishth, 2005) . Dans tous les cas, ces mod\u00e8les de difficult\u00e9 abordent la question d'un point de vue global, en tentant d'identifier les param\u00e8tres pouvant complexifier le traitement. Nous proposons dans cet article d'aborder un point de vue compl\u00e9mentaire en tentant d'identifier des facteurs qui au contraire peuvent permettre de faciliter le traitement.",
"cite_spans": [
{
"start": 416,
"end": 430,
"text": "(Gibson, 1998)",
"ref_id": "BIBREF11"
},
{
"start": 433,
"end": 458,
"text": "(Grodner et Gibson, 2005)",
"ref_id": "BIBREF13"
},
{
"start": 639,
"end": 664,
"text": "(Lewis et Vasishth, 2005)",
"ref_id": "BIBREF16"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "En se situant dans l'hypoth\u00e8se d'un traitement incr\u00e9mental du langage, dans laquelle les mots sont int\u00e9gr\u00e9s au fur et \u00e0 mesure de leur d\u00e9codage dans une structure en cours de construction, des travaux ant\u00e9rieurs ont montr\u00e9 la possibilit\u00e9 de mesurer la quantit\u00e9 d'information linguistique 1 disponible au moment de l'int\u00e9gration d'un mot. Dans les cas o\u00f9 le niveau d'information est \u00e9lev\u00e9, le traitement (la compr\u00e9hension) s'en trouve facilit\u00e9. En revanche, un d\u00e9ficit d'information entra\u00eene une complexification du traitement. En termes computationnels, la quantit\u00e9 d'information disponible permet de contr\u00f4ler l'espace de recherche requis pour l'interpr\u00e9tation d'un \u00e9nonc\u00e9. Une construction associ\u00e9e \u00e0 une faible quantit\u00e9 d'information est tr\u00e8s ambigu\u00eb et donc difficile \u00e0 traiter car le nombre d'interpr\u00e9tations possibles (donc l'espace de recherche) est tr\u00e8s grand. En revanche, une construction pour laquelle une grande quantit\u00e9 d'information (\u00e9ventuellement redondante) est disponible sera peu ou pas ambigu\u00eb, son espace de recherche plus restreint et son traitement (son interpr\u00e9tation) devient plus facile. Dans certains cas, il n'y a aucune ambigu\u00eft\u00e9, le traitement est alors purement d\u00e9terministe. La quantit\u00e9 d'information est dans ce cas un facteur de simplification du traitement et non pas de complexification. D'une fa\u00e7on g\u00e9n\u00e9rale, la quantit\u00e9 (ou densit\u00e9) d'information disponible est variable selon les parties de l'\u00e9nonc\u00e9 ou de la phrase. L'hypoth\u00e8se que nous formulons est que les zones comportant une densit\u00e9 d'information importante sont trait\u00e9es plus facilement que les autres. Dans certains cas, ces zones de haute densit\u00e9 peuvent \u00eatre trait\u00e9es d'un bloc. Nous nous int\u00e9ressons dans cet article \u00e0 cette id\u00e9e que le processus d'int\u00e9gration syntaxique pourrait se faire au niveau de ces zones plut\u00f4t qu'au niveau des mots. Une pr\u00e9sence plus importante de zones de haute densit\u00e9 d'information dans un \u00e9nonc\u00e9 ou une phrase faciliterait ainsi son traitement. Cette id\u00e9e s'appuie sur le principe Maximize On-Line Processing (not\u00e9 MoP) propos\u00e9 dans (Hawkins, 2003) :",
"cite_spans": [
{
"start": 2064,
"end": 2079,
"text": "(Hawkins, 2003)",
"ref_id": "BIBREF15"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "The human parser prefers to maximize the set of properties that are assignable to each item X as X is parsed. [...] The maximization difference between competing orders and structures will be a function of the number of properties that are misassigned or unassigned to X in a structure S, compared with the number in an alternative.",
"cite_spans": [
{
"start": 110,
"end": 115,
"text": "[...]",
"ref_id": null
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Ce principe comporte plusieurs \u00e9l\u00e9ments. Il int\u00e8gre tout d'abord l'id\u00e9e selon laquelle, dans un processus incr\u00e9mental, l'int\u00e9gration d'un mot repose sur la v\u00e9rification d'un ensemble de propri\u00e9t\u00e9s. Il indique \u00e9galement que deux constructions peuvent se distinguer par le nombre de propri\u00e9t\u00e9s qu'elles v\u00e9rifient. La notion de densit\u00e9 d'information recoupe donc ce principe de maximisation : un mot sera plus ou moins facilement int\u00e9gr\u00e9 \u00e0 la structure selon que le nombre de propri\u00e9t\u00e9s qui lui sont associ\u00e9es est important ou pas.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Notre hypoth\u00e8se est que ces unit\u00e9s, d\u00e9finies par maximisation, correspondent en termes de traitement \u00e0 des chunks tels que d\u00e9crits dans les th\u00e9ories cognitives de type ACT-R (Adaptive Character of Thought-Rational (Anderson et al., 2004) ) et peuvent \u00e0 ce titre \u00eatre stock\u00e9s en m\u00e9moire \u00e0 court terme et b\u00e9n\u00e9ficier d'un acc\u00e8s direct.",
"cite_spans": [
{
"start": 214,
"end": 237,
"text": "(Anderson et al., 2004)",
"ref_id": "BIBREF2"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "La notion de chunk est bien connue en TAL, et g\u00e9n\u00e9ralement d\u00e9finie comme une suite de cat\u00e9gories non r\u00e9cursive, form\u00e9e d'une t\u00eate, \u00e0 laquelle peuvent \u00eatre adjoints mots fonctionnels et modifieurs adjacents (Abney, 1991) ; (Bird et al., 2009) . Nous nous int\u00e9ressons dans cet article \u00e0 la fa\u00e7on dont ces chunks peuvent \u00eatre construits, dans le cadre d'un processus incr\u00e9mental, par un parseur humain.",
"cite_spans": [
{
"start": 206,
"end": 219,
"text": "(Abney, 1991)",
"ref_id": "BIBREF1"
},
{
"start": 222,
"end": 241,
"text": "(Bird et al., 2009)",
"ref_id": "BIBREF3"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Chunks et activation",
"sec_num": "2"
},
{
"text": "Le traitement du langage, comme celui des activit\u00e9s cognitives de haut niveau, repose sur la capacit\u00e9 d'identifier des unit\u00e9s de traitement pouvant \u00eatre de taille et de nature variable. Cette id\u00e9e est plus particuli\u00e8rement d\u00e9velopp\u00e9e par la th\u00e9orie ACT-R et son adaptation au langage (Lewis et Vasishth, 2005) , (Reitter et al., 2011) dans laquelle les m\u00e9canismes de traitement s'organisent autour de buffers (jouant comme en informatique le r\u00f4le de m\u00e9moire tampon) pouvant m\u00e9moriser des chunks. Un chunk est dans cette approche d\u00e9crit comme un ensemble de propri\u00e9t\u00e9s caract\u00e9risant une cat\u00e9gorie (ou une unit\u00e9 de plus haut niveau), pouvant par exemple contenir une structure syntaxique partielle (Lewis et Vasishth, 2005) . Les chunks sont repr\u00e9sent\u00e9s en ACT-R par des structures de traits et peuvent repr\u00e9senter des objets atomiques ou complexes, offrant la possibilit\u00e9 pour un chunk de faire r\u00e9f\u00e9rence \u00e0 un autre chunk et exprimer ainsi des relations. La d\u00e9finition d'un chunk est donc tr\u00e8s g\u00e9n\u00e9rale et permet de r\u00e9f\u00e9rencer des structures incompl\u00e8tes ou sous-sp\u00e9cifi\u00e9es.",
"cite_spans": [
{
"start": 284,
"end": 309,
"text": "(Lewis et Vasishth, 2005)",
"ref_id": "BIBREF16"
},
{
"start": 312,
"end": 334,
"text": "(Reitter et al., 2011)",
"ref_id": "BIBREF18"
},
{
"start": 696,
"end": 721,
"text": "(Lewis et Vasishth, 2005)",
"ref_id": "BIBREF16"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Les chunks dans les th\u00e9ories cognitives",
"sec_num": "2.1"
},
{
"text": "La th\u00e9orie ACT-R s'int\u00e9resse d'une part aux processus de base et d'autre part aux structures de m\u00e9moire sur lesquelles ils s'appuient. Elle distingue notamment entre m\u00e9moire proc\u00e9durale et d\u00e9clarative, cette derni\u00e8re permettant de stocker \u00e0 la fois des informations lexicales (\u00e0 long terme) mais \u00e9galement les structures nouvelles (\u00e0 court terme). La m\u00e9moire d\u00e9clarative repose sur un petit nombre de buffers, chacun contenant un chunk. L'\u00e9l\u00e9ment important de cette organisation r\u00e9side dans le fait que ces chunks forment une unit\u00e9 et sont utilisables (ou accessibles) directement en m\u00e9moire. Cette accessibilit\u00e9 est soumise \u00e0 un niveau d'activation d\u00e9pendant de plusieurs param\u00e8tres : degr\u00e9 de latence depuis le dernier acc\u00e8s, poids des \u00e9l\u00e9ments associ\u00e9s au chunk et qui peuvent l'activer (les sources), mais \u00e9galement force des relations associant les sources au chunk consid\u00e9r\u00e9. Il est ainsi possible de proposer une formule permettant de quantifier l'activation d'un chunk i : ",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Les chunks dans les th\u00e9ories cognitives",
"sec_num": "2.1"
},
{
"text": "A i = B i + j W j S ji (1) FIGURE 1 -",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Les chunks dans les th\u00e9ories cognitives",
"sec_num": "2.1"
},
{
"text": "Dans le cadre d'une exp\u00e9rience r\u00e9cente, consistant \u00e0 acqu\u00e9rir des donn\u00e9es de mouvement oculaire de sujets lisant le French Treebank (Rauzy et Blache, 2012) , nous avons observ\u00e9 un ph\u00e9nom\u00e8ne int\u00e9ressant en relation avec les chunks. Le nombre de fixations du regard par mot diff\u00e8re en effet fortement en fonction de la taille du mot, mais \u00e9galement de sa cat\u00e9gorie. La figure 1 repr\u00e9sente le nombre moyen de fixations par cat\u00e9gorie. On observe ainsi que les cat\u00e9gories \u00e0 contenu lexical (N, V, Adj, Adv) ont un nombre de fixations du regard nettement plus \u00e9lev\u00e9 que les mots grammaticaux (Det, Prep, Clit, etc.).",
"cite_spans": [
{
"start": 132,
"end": 155,
"text": "(Rauzy et Blache, 2012)",
"ref_id": "BIBREF17"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Une observation exp\u00e9rimentale des chunks dans le traitement de la phrase",
"sec_num": "2.2"
},
{
"text": "Ce ph\u00e9nom\u00e8ne peut \u00eatre mis en relation avec l'\u00e9tude de l'\u00e9volution de l'indice de surprise (Hale, 2001 ) dans une phrase. Cet indice refl\u00e8te une probabilit\u00e9 d'int\u00e9gration de chaque mot dans la structures syntaxique en cours de construction (calcul\u00e9 comme une fonction de la diff\u00e9rence de probabilit\u00e9 entre les structures pr\u00e9c\u00e9dant et celle int\u00e9grant le mot courant). Plusieurs exp\u00e9riences ont montr\u00e9 qu'il \u00e9tait un bon pr\u00e9dicteur du temps de lecture, pouvant donc \u00eatre utilis\u00e9 comme Ces deux observations sont convergentes : la fixation du regard en lecture englobe en un seul mouvement le token lexicalis\u00e9 et les mots grammaticaux qui lui sont associ\u00e9s, ce qui peut \u00eatre pr\u00e9dit au niveau de l'\u00e9volution de l'indice de surprise. Elles confortent donc l'hypoth\u00e8se d'un traitement non pas au niveau du mot, mais directement par chunk, chaque fois que c'est possible.",
"cite_spans": [
{
"start": 91,
"end": 102,
"text": "(Hale, 2001",
"ref_id": "BIBREF14"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Une observation exp\u00e9rimentale des chunks dans le traitement de la phrase",
"sec_num": "2.2"
},
{
"text": "La th\u00e9orie ACT-R appliqu\u00e9e au langage fait l'hypoth\u00e8se que le traitement linguistique d'int\u00e9gration repose sur des chunks. Ceux-ci sont des structures partielles, pouvant \u00eatre \u00e0 la fois stock\u00e9es dans la m\u00e9moire \u00e0 long terme, mais \u00e9galement construites en temps r\u00e9el, en m\u00e9moire \u00e0 court terme. (Blache, 2001 ).",
"cite_spans": [
{
"start": 293,
"end": 306,
"text": "(Blache, 2001",
"ref_id": "BIBREF4"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Hypoth\u00e8se",
"sec_num": "2.3"
},
{
"text": "Nous pr\u00e9sentons dans cette section les principales caract\u00e9ristiques de l'approche des Grammaires de Propri\u00e9t\u00e9s (Blache, 2001 ) utilis\u00e9es pour d\u00e9finir la notion d'activation. Elle repose sur la repr\u00e9sentation des informations syntaxiques sous la forme d'un ensemble de propri\u00e9t\u00e9s pouvant \u00eatre d\u00e9crites, suivant la proposition de (Duchier et al., 2009) , comme des relations caract\u00e9risant un syntagme (ici not\u00e9 A) et mettant en relation des constituants (not\u00e9s B, C ou S) :",
"cite_spans": [
{
"start": 111,
"end": 124,
"text": "(Blache, 2001",
"ref_id": "BIBREF4"
},
{
"start": 328,
"end": 350,
"text": "(Duchier et al., 2009)",
"ref_id": "BIBREF9"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Propri\u00e9t\u00e9s et activation",
"sec_num": "3"
},
{
"text": "Obligation A : \u2206B au moins un B Unicit\u00e9 A : B! au plus un B Lin\u00e9arit\u00e9 A : B \u227a C B pr\u00e9c\u00e8de C Implication A : B \u21d2 C si \u2203B, alors \u2203C Exclusion A : B \u21d4 C pas de B et C simultan\u00e9ment Constituance A : S? les descendants \u2208 S D\u00e9pendance A : B C B d\u00e9pend de C",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Propri\u00e9t\u00e9s et activation",
"sec_num": "3"
},
{
"text": "Une Grammaire de Propri\u00e9t\u00e9s associe \u00e0 chaque syntagme un ensemble de contraintes. Le tableau suivant illustre la grammaire du syntagme adjectival (not\u00e9 SA) (extraite du French Treebank, cf. (Abeill\u00e9 et al., 2003) ). Soulignons au passage la compacit\u00e9 de la repr\u00e9sentation : 22 contraintes sont utilis\u00e9es pour d\u00e9crire les constructions possibles du SA 2 . Une analyse dans le cadre de GP consiste, pour une suite de cat\u00e9gories donn\u00e9e, \u00e0 \u00e9valuer l'ensemble des propri\u00e9t\u00e9s correspondantes. Une propri\u00e9t\u00e9 correspondant \u00e0 une relation entre une ou plusieurs cat\u00e9gories, le r\u00e9sultat de l'analyse est donc un graphe comme repr\u00e9sent\u00e9 dans la figure suivante illustrant l'analyse de la phrase \"L'industrie est tr\u00e8s capable.\", extraite du FTB. Ce graphe indique les propri\u00e9t\u00e9s satisfaites entre les diff\u00e9rentes cat\u00e9gories composant la structure syntaxique. Par exemple, la contrainte de lin\u00e9arit\u00e9 entre le d\u00e9terminant et le nom est repr\u00e9sent\u00e9e par un arc reliant les deux noeuds correspondants) :",
"cite_spans": [
{
"start": 190,
"end": 212,
"text": "(Abeill\u00e9 et al., 2003)",
"ref_id": "BIBREF0"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Propri\u00e9t\u00e9s et activation",
"sec_num": "3"
},
{
"text": "Construire une analyse syntaxique dans ce type d'approche consiste donc \u00e0 chaque \u00e9tape \u00e0 parcourir le syst\u00e8mes de contraintes en \u00e9valuant celles qui correspondent aux cat\u00e9gories concern\u00e9es. Dans une perspective incr\u00e9mentale, il est donc possible \u00e0 chaque \u00e9tape de conna\u00eetre les relations qui concernent le mot ou la cat\u00e9gorie \u00e0 analyser. Cette caract\u00e9ristique constituera la base de la d\u00e9finition de la notion d'activation utilis\u00e9e ici. ",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Propri\u00e9t\u00e9s et activation",
"sec_num": "3"
},
{
"text": "EQUATION",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [
{
"start": 0,
"end": 8,
"text": "EQUATION",
"ref_id": "EQREF",
"raw_str": "A(c j ) = n N * W c j c i",
"eq_num": "(2)"
}
],
"section": "Calcul du degr\u00e9 d'activation",
"sec_num": "4.1"
},
{
"text": "Le premier terme de l'activation correspond \u00e0 une \u00e9valuation de la densit\u00e9 du r\u00e9seau de contraintes en rapportant le nombre de contraintes n qui permet d'activer la cat\u00e9gorie \u00e9tudi\u00e9e par rapport au nombre total de contraintes potentiellement pertinentes pour la cat\u00e9gorie source. Le second terme correspond quant \u00e0 lui \u00e0 la force des relations qui unissent la cat\u00e9gorie courante (ou cat\u00e9gorie activante) \u00e0 la cat\u00e9gorie activ\u00e9e. Ce processus appliqu\u00e9 \u00e0 la suite des cat\u00e9gories de la phrase permet de construire la suite de chunks illustr\u00e9e par la figure 7.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Calcul du degr\u00e9 d'activation",
"sec_num": "4.1"
},
{
"text": "L'hypoth\u00e8se que nous d\u00e9fendons repose tout d'abord sur l'id\u00e9e que les chunks sont construits directement, sur la base de m\u00e9canismes tirant parti \u00e0 la fois de crit\u00e8res de fr\u00e9quence et de densit\u00e9 de relation. Les m\u00e9canismes conduisant \u00e0 la construction de chunks ne sont donc pas les m\u00e9canismes classiques de l'analyse syntaxique : le probl\u00e8me pos\u00e9 consiste \u00e0 mesurer les relations unissant deux cat\u00e9gories adjacentes alors que l'analyse syntaxique consiste \u00e0 int\u00e9grer une cat\u00e9gorie \u00e0 une structure syntaxique globale. Il s'agit donc de m\u00e9canismes de bas niveau, effectu\u00e9s tr\u00e8s rapidement.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Les chunks, m\u00e9canisme de facilitation",
"sec_num": "4.2"
},
{
"text": "Une fois construits, ces chunks sont stock\u00e9s en m\u00e9moire et accessibles directement, comme indiqu\u00e9 dans la th\u00e9orie ACT-R. Notre hypoth\u00e8se consiste donc \u00e0 dire que les chunks facilitent le traitement. Leur acc\u00e8s se faisant en bloc, il revient du point de vue cognitif \u00e0 un acc\u00e8s lexical. De plus, leur int\u00e9gration se fait \u00e9galement de fa\u00e7on globale. Par cons\u00e9quent, la pr\u00e9sence de chunks dans un \u00e9nonc\u00e9 ou une phrase en facilitera le traitement par rapport \u00e0 d'autres situation o\u00f9 l'int\u00e9gration devra se faire mot par mot. Autrement dit, une phrase contenant un grand nombre de chunks sera plus facile \u00e0 traiter qu'une phrase qui en contiendra moins.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Les chunks, m\u00e9canisme de facilitation",
"sec_num": "4.2"
},
{
"text": "Illustrons cette hypoth\u00e8se en revenant sur le cas des phrases relatives. Les travaux en psycholinguistique (Gibson, 2000) , confirm\u00e9s par plusieurs \u00e9tudes exp\u00e9rimentales (Fedorenko et al., 2006) , (Demberg et Keller, 2009) ont montr\u00e9 que les relatives objet sont plus difficiles \u00e0 traiter que les FIGURE 7 -Construction des chunks pour la phrase compl\u00e8te Celui-ci active bien un certain nombre de cat\u00e9gories, mais aucune d'entre elle ne correspond directement \u00e0 la cat\u00e9gorie adjacente. Au total, la phrase contenant la relative objet ne contient que 3 chunks. Cet exemple ne pr\u00e9tend bien entendu pas \u00e9riger le r\u00f4le des chunks en th\u00e9orie de la difficult\u00e9 syntaxique comme propos\u00e9 par (Gibson, 2000) . Elle illustre cependant des diff\u00e9rences de fonctionnement pouvant accompagner ou compl\u00e9ter ces mod\u00e8les.",
"cite_spans": [
{
"start": 107,
"end": 121,
"text": "(Gibson, 2000)",
"ref_id": "BIBREF12"
},
{
"start": 170,
"end": 194,
"text": "(Fedorenko et al., 2006)",
"ref_id": "BIBREF10"
},
{
"start": 197,
"end": 222,
"text": "(Demberg et Keller, 2009)",
"ref_id": "BIBREF8"
},
{
"start": 683,
"end": 697,
"text": "(Gibson, 2000)",
"ref_id": "BIBREF12"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Les chunks, m\u00e9canisme de facilitation",
"sec_num": "4.2"
},
{
"text": "En tirant parti d'une description des informations syntaxiques bas\u00e9e sur les contraintes (dans le cadre des Grammaires de Propri\u00e9t\u00e9s), nous avons propos\u00e9 une \u00e9valuation de la notion d'activation servant de base \u00e0 la construction des chunks. Il s'agit d'un m\u00e9canisme de bas niveau, n'ayant pas recours \u00e0 l'analyse syntaxique \u00e0 proprement parler et qui permet la construction d'unit\u00e9s de niveau supra-lexical facilitant le processus car accessibles directement en m\u00e9moire. L'utilisation de telles unit\u00e9s correspond \u00e0 des observations exp\u00e9rimentales, notamment de mouvement oculaire, montrant que les chunks correspondent \u00e0 des unit\u00e9s de traitement pertinentes.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Les chunks, m\u00e9canisme de facilitation",
"sec_num": "4.2"
},
{
"text": "Il reste \u00e0 \u00e9valuer la validit\u00e9 de l'hypoth\u00e8se de facilitation des chunks de fa\u00e7on exp\u00e9rimentale. Il s'agira notamment de v\u00e9rifier que la construction des chunks est un processus de bas niveau et que leur acc\u00e8s correspond \u00e0 un acc\u00e8s lexical en compl\u00e9tant les observations de mouvement oculaire par des exp\u00e9riences \u00e0 l'aide de potentiels \u00e9voqu\u00e9s et de localisation de source. L'\u00e9tape suivante consistera \u00e0 v\u00e9rifier la facilitation induite par les chunks en termes de temps de traitement.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Les chunks, m\u00e9canisme de facilitation",
"sec_num": "4.2"
},
{
"text": ". On entend ici par information linguistique toute propri\u00e9t\u00e9 morpho-syntaxique ou syntaxique caract\u00e9risant la structure en cours de construction.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "",
"sec_num": null
},
{
"text": "c ATALA",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "",
"sec_num": null
},
{
"text": "ConclusionNous avons pr\u00e9sent\u00e9 dans cet article une approche proposant de donner une place centrale \u00e0 la notion de chunk dans le processus de traitement de la phrase par des sujets humains. Nous utilisons pour cela l'architecture de traitement des processus cognitifs \u00e9labor\u00e9e dans le cadre de la th\u00e9orie ACT-R. Cette approche pr\u00e9cise le r\u00f4le jou\u00e9 par les chunks en m\u00e9moire. Elle introduit de plus une notion d'activation permettant d'expliquer la rapidit\u00e9 de traitement de ces objets. Appliqu\u00e9e \u00e0 la question de l'analyse syntaxique (ou du traitement de la phrase si l'on se situe dans une perspective psycholinguistique), cette th\u00e9orie offre un cadre permettant de d\u00e9crire la construction et le r\u00f4le jou\u00e9 par ces chunks.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "",
"sec_num": null
}
],
"back_matter": [
{
"text": "Ce travail r\u00e9alis\u00e9 dans le cadre du Labex BLRI (http ://www.blri.fr) portant la r\u00e9f\u00e9rence ANR-11-LABX-0036 a b\u00e9n\u00e9fici\u00e9 d'une aide de l'Etat g\u00e9r\u00e9e par l'ANR au titre du projet Investissements d'Avenir A*MIDEX portant la r\u00e9f\u00e9rence ANR-11-IDEX-0001-02.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Remerciements",
"sec_num": null
}
],
"bib_entries": {
"BIBREF0": {
"ref_id": "b0",
"title": "Building a treebank for french",
"authors": [
{
"first": "A",
"middle": [],
"last": "Abeill\u00e9",
"suffix": ""
},
{
"first": "L",
"middle": [],
"last": "Cl\u00e9ment",
"suffix": ""
},
{
"first": "F",
"middle": [],
"last": "Toussenel",
"suffix": ""
}
],
"year": 2003,
"venue": "ABEILL\u00c9, A., \u00e9diteur : Treebanks",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "ABEILL\u00c9, A., CL\u00c9MENT, L. et TOUSSENEL, F. (2003). Building a treebank for french. In ABEILL\u00c9, A., \u00e9diteur : Treebanks, Kluwer, Dordrecht.",
"links": null
},
"BIBREF1": {
"ref_id": "b1",
"title": "Parsing by chunks. In Principle-Based Parsing",
"authors": [
{
"first": "S",
"middle": [],
"last": "Abney",
"suffix": ""
}
],
"year": 1991,
"venue": "",
"volume": "",
"issue": "",
"pages": "257--278",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "ABNEY, S. (1991). Parsing by chunks. In Principle-Based Parsing. Kluwer Academic Publishers, pages 257-278.",
"links": null
},
"BIBREF2": {
"ref_id": "b2",
"title": "An integrated theory of the mind",
"authors": [
{
"first": "J",
"middle": [
"R"
],
"last": "Anderson",
"suffix": ""
},
{
"first": "D",
"middle": [],
"last": "Bothell",
"suffix": ""
},
{
"first": "M",
"middle": [
"D"
],
"last": "Byrne",
"suffix": ""
},
{
"first": "S",
"middle": [],
"last": "Douglass",
"suffix": ""
},
{
"first": "C",
"middle": [],
"last": "Lebiere",
"suffix": ""
},
{
"first": "Y",
"middle": [],
"last": "Qin",
"suffix": ""
}
],
"year": 2004,
"venue": "Psychological Review",
"volume": "111",
"issue": "4",
"pages": "1036--1060",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "ANDERSON, J. R., BOTHELL, D., BYRNE, M. D., DOUGLASS, S., LEBIERE, C. et QIN, Y. (2004). An integrated theory of the mind. Psychological Review, 111(4):1036-1060.",
"links": null
},
"BIBREF3": {
"ref_id": "b3",
"title": "Natural Language Processing with Python",
"authors": [
{
"first": "S",
"middle": [],
"last": "Bird",
"suffix": ""
},
{
"first": "E",
"middle": [],
"last": "Klein",
"suffix": ""
},
{
"first": "E",
"middle": [],
"last": "Loper",
"suffix": ""
}
],
"year": 2009,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "BIRD, S., KLEIN, E. et LOPER, E. (2009). Natural Language Processing with Python. O'Reilly Media.",
"links": null
},
"BIBREF4": {
"ref_id": "b4",
"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 naturelles. Herm\u00e8s.",
"links": null
},
"BIBREF5": {
"ref_id": "b5",
"title": "Estimating constraint weights from treebanks",
"authors": [
{
"first": "P",
"middle": [],
"last": "Blache",
"suffix": ""
}
],
"year": 2012,
"venue": "Proceedings of CSLP",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "BLACHE, P. (2012). Estimating constraint weights from treebanks. In Proceedings of CSLP.",
"links": null
},
"BIBREF6": {
"ref_id": "b6",
"title": "Predicting linguistic difficulty by means of a morpho-syntactic probabilistic model",
"authors": [
{
"first": "P",
"middle": [],
"last": "Blache",
"suffix": ""
},
{
"first": "S",
"middle": [],
"last": "Rauzy",
"suffix": ""
}
],
"year": 2011,
"venue": "Proceedings of PACLIC 2011",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "BLACHE, P. et RAUZY, S. (2011). Predicting linguistic difficulty by means of a morpho-syntactic probabilistic model. In Proceedings of PACLIC 2011, december 2011, Singapour.",
"links": null
},
"BIBREF7": {
"ref_id": "b7",
"title": "Data from eye-tracking corpora as evidence for theories of syntactic processing complexity",
"authors": [
{
"first": "V",
"middle": [],
"last": "Demberg",
"suffix": ""
},
{
"first": "F",
"middle": [],
"last": "Keller",
"suffix": ""
}
],
"year": 2008,
"venue": "Cognition",
"volume": "109",
"issue": "",
"pages": "193--210",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "DEMBERG, V. et KELLER, F. (2008). Data from eye-tracking corpora as evidence for theories of syntactic processing complexity. In Cognition, volume 109, Issue 2, pages 193-210.",
"links": null
},
"BIBREF8": {
"ref_id": "b8",
"title": "A computational model of prediction in human parsing : Unifying locality and surprisal effects",
"authors": [
{
"first": "V",
"middle": [],
"last": "Demberg",
"suffix": ""
},
{
"first": "F",
"middle": [],
"last": "Keller",
"suffix": ""
}
],
"year": 2009,
"venue": "Proceedings of the 31st Annual Conference of the Cognitive Science Society",
"volume": "",
"issue": "",
"pages": "1888--1893",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "DEMBERG, V. et KELLER, F. (2009). A computational model of prediction in human parsing : Unifying locality and surprisal effects. In Proceedings of the 31st Annual Conference of the Cognitive Science Society, pages 1888-1893.",
"links": null
},
"BIBREF9": {
"ref_id": "b9",
"title": "A model-theoretic framework for grammaticality judgements",
"authors": [
{
"first": "D",
"middle": [],
"last": "Duchier",
"suffix": ""
},
{
"first": "J.-P",
"middle": [],
"last": "Prost",
"suffix": ""
},
{
"first": "T.-B.-H",
"middle": [],
"last": "Dao",
"suffix": ""
}
],
"year": 2009,
"venue": "Conference on Formal Grammar (FG'09)",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "DUCHIER, D., PROST, J.-P. et DAO, T.-B.-H. (2009). A model-theoretic framework for grammatica- lity judgements. In Conference on Formal Grammar (FG'09).",
"links": null
},
"BIBREF10": {
"ref_id": "b10",
"title": "The nature of working memory capacity in sentence comprehension : Evidence against domain-specific working memory resources",
"authors": [
{
"first": "E",
"middle": [],
"last": "Fedorenko",
"suffix": ""
},
{
"first": "E",
"middle": [],
"last": "Gibson",
"suffix": ""
},
{
"first": "D",
"middle": [],
"last": "Rohde",
"suffix": ""
}
],
"year": 2006,
"venue": "Journal of Memory and Language",
"volume": "54",
"issue": "4",
"pages": "541--553",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "FEDORENKO, E., GIBSON, E. et ROHDE, D. (2006). The nature of working memory capacity in sentence comprehension : Evidence against domain-specific working memory resources. Journal of Memory and Language, 54(4):541-553.",
"links": null
},
"BIBREF11": {
"ref_id": "b11",
"title": "Linguistic complexity : locality of syntactic dependencies",
"authors": [
{
"first": "E",
"middle": [],
"last": "Gibson",
"suffix": ""
}
],
"year": 1998,
"venue": "Cognition",
"volume": "68",
"issue": "",
"pages": "1--76",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "GIBSON, E. (1998). Linguistic complexity : locality of syntactic dependencies. Cognition, 68:1-76.",
"links": null
},
"BIBREF12": {
"ref_id": "b12",
"title": "The dependency locality theory : A distance-based theory of linguistic complexity",
"authors": [
{
"first": "E",
"middle": [],
"last": "Gibson",
"suffix": ""
}
],
"year": 2000,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "GIBSON, E. (2000). The dependency locality theory : A distance-based theory of linguistic complexity. In Image. A. Marantz, Y. Miyashita, W. O'Neil (Edts).",
"links": null
},
"BIBREF13": {
"ref_id": "b13",
"title": "Consequences of the serial nature of linguistic input for sentenial complexity",
"authors": [
{
"first": "D",
"middle": [
"J"
],
"last": "Grodner",
"suffix": ""
},
{
"first": "E",
"middle": [
"A F"
],
"last": "Gibson",
"suffix": ""
}
],
"year": 2005,
"venue": "Cognitive Science",
"volume": "29",
"issue": "",
"pages": "261--291",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "GRODNER, D. J. et GIBSON, E. A. F. (2005). Consequences of the serial nature of linguistic input for sentenial complexity. Cognitive Science, 29:261-291.",
"links": null
},
"BIBREF14": {
"ref_id": "b14",
"title": "A probabilistic earley parser as a psycholinguistic model",
"authors": [
{
"first": "J",
"middle": [],
"last": "Hale",
"suffix": ""
}
],
"year": 2001,
"venue": "Proceeding of 2nd Conference of the North American Chapter",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "HALE, J. (2001). A probabilistic earley parser as a psycholinguistic model. In Proceeding of 2nd Conference of the North American Chapter of the Association for Computational Linguistics, Pittsburgh, PA.",
"links": null
},
"BIBREF15": {
"ref_id": "b15",
"title": "Efficiency and complexity in grammars : Three general principles",
"authors": [
{
"first": "J",
"middle": [],
"last": "Hawkins",
"suffix": ""
},
{
"first": "J",
"middle": [],
"last": "Moore",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "Polinsky",
"suffix": ""
}
],
"year": 2003,
"venue": "",
"volume": "",
"issue": "",
"pages": "95--126",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "HAWKINS, J. (2003). Efficiency and complexity in grammars : Three general principles. In MOORE, J. et POLINSKY, M., \u00e9diteurs : The Nature of Explanation in Linguistic Theory, pages 95-126. CSLI Publications.",
"links": null
},
"BIBREF16": {
"ref_id": "b16",
"title": "An activation-based model of sentence processing as skilled memory retrieval",
"authors": [
{
"first": "R",
"middle": [
"L"
],
"last": "Lewis",
"suffix": ""
},
{
"first": "S",
"middle": [],
"last": "Vasishth",
"suffix": ""
}
],
"year": 2005,
"venue": "Cognitive Science",
"volume": "29",
"issue": "",
"pages": "375--419",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "LEWIS, R. L. et VASISHTH, S. (2005). An activation-based model of sentence processing as skilled memory retrieval. Cognitive Science, 29:375-419.",
"links": null
},
"BIBREF17": {
"ref_id": "b17",
"title": "Robustness and processing difficulty models. a pilot study for eye-tracking data on the french treebank",
"authors": [
{
"first": "S",
"middle": [],
"last": "Rauzy",
"suffix": ""
},
{
"first": "P",
"middle": [],
"last": "Blache",
"suffix": ""
}
],
"year": 2012,
"venue": "Proceedings of the 1st Eye-Tracking and NLP workshop",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "RAUZY, S. et BLACHE, P. (2012). Robustness and processing difficulty models. a pilot study for eye-tracking data on the french treebank. In Proceedings of the 1st Eye-Tracking and NLP workshop.",
"links": null
},
"BIBREF18": {
"ref_id": "b18",
"title": "A computational cognitive model of syntactic priming",
"authors": [
{
"first": "D",
"middle": [],
"last": "Reitter",
"suffix": ""
},
{
"first": "F",
"middle": [],
"last": "Keller",
"suffix": ""
},
{
"first": "J",
"middle": [
"D"
],
"last": "Moore",
"suffix": ""
}
],
"year": 2011,
"venue": "Cognitive Science",
"volume": "35",
"issue": "4",
"pages": "587--637",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "REITTER, D., KELLER, F. et MOORE, J. D. (2011). A computational cognitive model of syntactic priming. Cognitive Science, 35(4):587-637.",
"links": null
}
},
"ref_entries": {
"FIGREF0": {
"text": "Evolution de l'indice de surprise dans une phrase mesure de difficult\u00e9 (voir(Demberg et Keller, 2008) pour l'anglais et(Rauzy et Blache, 2012) pour le fran\u00e7ais). Un indice de surprise peut donc \u00eatre associ\u00e9 \u00e0 chaque mot de la phrase. La figure 2 illustre l'\u00e9volution de la valeur de cet indice (calcul\u00e9 selon la m\u00e9thode d\u00e9crite dans(Blache et Rauzy, 2011)) sur une phrase. On remarque l\u00e0 aussi un ph\u00e9nom\u00e8ne int\u00e9ressant, soulignant la succession d'indices \u00e9lev\u00e9s et faibles en fonction de la cat\u00e9gorie : les mots grammaticaux correspondent syst\u00e9matiquement \u00e0 un indice de surprise plus \u00e9lev\u00e9 que les mots lexicaux auxquels ils sont associ\u00e9s.",
"type_str": "figure",
"num": null,
"uris": null
},
"FIGREF1": {
"text": "AP : {AdP, A, VPinf, PP, Ssub, AP, NP} ? Lin AP : A \u227a {VPinf, Ssub, PP, NP, AP} AP : AdP \u227a {A, Ssub, PP} AP : AP \u227a {A, AdP} AP : PP \u227a {Ssub} D\u00e9pendance AP : {AdP, VPinf, PP, Ssub, NP} A Unicit\u00e9 AP : {A, VPinf, Ssub} ! Obligation AP : \u2206 A Exclusion AP : VPinf \u21d4 {PP, Ssub} 2. Le jeu d'\u00e9tiquettes utilis\u00e9 est celui du FTB, notant AP pour syntagme adjectival, AdP pour syntagme adverbial, etc.",
"type_str": "figure",
"num": null,
"uris": null
},
"FIGREF2": {
"text": "Graphe des propri\u00e9t\u00e9s satisfaites pour \"L'industrie est tr\u00e8s capable.\"",
"type_str": "figure",
"num": null,
"uris": null
},
"FIGREF3": {
"text": "Le niveau d'activation d'une cat\u00e9gorie dans un contexte donn\u00e9 d\u00e9pend de sa densit\u00e9 ou, en d'autres termes, du nombre de contraintes dont elle est la cible (et dont la source la pr\u00e9c\u00e8de) et de leur poids. Il s'agit donc exactement de la notion d'activation telle que d\u00e9crite dans la th\u00e9orie ACT-R. Nous proposons d'\u00e9valuer cette activation en tirant parti de la repr\u00e9sentation par contraintes. Pour chaque cat\u00e9gorie c de la grammaire, nous \u00e9tablissons une liste de transition form\u00e9e par toutes les cat\u00e9gories pr\u00e9sentes dans au moins une contrainte contenant c et respectant les contrainte de lin\u00e9arit\u00e9 (i.e. pouvant suivre c). L'activation est alors \u00e9valu\u00e9e comme suit : -Soit la cat\u00e9gorie courante c i . Notons Trans(c i ) l'ensemble des cat\u00e9gories faisant partie de la liste de transition de c i . Notons PP(c i ) l'ensemble des propri\u00e9t\u00e9s potentiellement pertinentes d\u00e9clench\u00e9es par la cat\u00e9gorie c i . Notons N le nombre de ces propri\u00e9t\u00e9s (N =| PP(c i ) |). -Notons PP c j (c i ) le sous ensemble de PP(c i ) form\u00e9 des propri\u00e9t\u00e9s contenant une cat\u00e9gorie c j , avec n son cardinal. Chacune des propri\u00e9t\u00e9s de PP est associ\u00e9e dans la grammaire \u00e0 un poids. Notons W c j c i la somme des poids de ces propri\u00e9t\u00e9s. -Pour toute cat\u00e9gorie de transition de c i tq c j \u2208 Trans(c i ), son degr\u00e9 d'activation est donn\u00e9 par la formule suivante :",
"type_str": "figure",
"num": null,
"uris": null
},
"FIGREF4": {
"text": "Activation et construction de chunk FIGURE 6 -Activation et construction de chunk, suite",
"type_str": "figure",
"num": null,
"uris": null
},
"FIGREF5": {
"text": "Cas de la relative objet relatives sujet. Ce ph\u00e9nom\u00e8ne se retrouve au niveau de la construction des chunks. Nous avons vu en effet dans l'exemple de la figure 7 que la relative sujet conduisait \u00e0 la construction d'un chunk entre le pronom relatif et le verbe. La phrase correspondante contient ainsi 4 chunks au total. La figure 6 illustre ce ph\u00e9nom\u00e8ne par l'impossibilit\u00e9 de construire un chunk contenant le relatif.",
"type_str": "figure",
"num": null,
"uris": null
},
"TABREF1": {
"text": "Ces chunks reposent sur une notion d'activation, elle-m\u00eame correspondant au principe Maximize Online Processing : l'int\u00e9gration d'un mot \u00e0 une structure (par exemple l'association de deux cat\u00e9gories pour construire un chunk) repose sur la v\u00e9rification d'un maximum de propri\u00e9t\u00e9s. La force des relations unissant un objet avec des \u00e9l\u00e9ments qui le pr\u00e9c\u00e8dent permet d'activer fortement cet objet.Nous \u00e9mettons l'hypoth\u00e8se que les chunks facilitent le traitement linguistique. Nous nous appuyons pour cela sur trois aspects : . Les chunks sont stock\u00e9s en m\u00e9moire d\u00e9clarative et accessibles directement. Certains chunks peuvent \u00eatre tr\u00e8s fr\u00e9quents voire correspondre \u00e0 des suites plus ou moins fig\u00e9es (par exemple dans des collocations). Dans ce cas, ils sont stock\u00e9s en m\u00e9moire \u00e0 long terme. Les chunks construits dynamiquement sur la base d'une activation sont quant \u00e0 eux disponibles dans des buffers de traitement \u00e0 court terme.3. La pr\u00e9sence de chunks dans une phrase facilite son traitement : ils sont accessible d'un bloc et ne n\u00e9cessitent pas d'analyse. Une phrase contenant des chunks sera plus facile \u00e0 traiter qu'une autre n'en contenant pas.La question qui se pose est celle de la notion d'activation, son \u00e9valuation et sa mise en oeuvre dans le processus de construction des chunks. Nous proposons pour cela d'utiliser la description des propri\u00e9t\u00e9s syntaxiques sous la forme de contraintes. Maximiser les propri\u00e9t\u00e9s (et donc activer une cat\u00e9gorie) correspond ainsi \u00e0 la maximisation de l'ensemble des contraintes \u00e0 satisfaire. Nous utilisons pour cela la repr\u00e9sentation propos\u00e9e dans le cadre des Grammaires de Propri\u00e9t\u00e9s",
"html": null,
"content": "<table/>",
"num": null,
"type_str": "table"
},
"TABREF2": {
"text": "Par ailleurs, il est possible de distinguer deux constructions en fonction du nombre de relations permettant de les caract\u00e9riser. Dans l'exemple pr\u00e9c\u00e9dent, le SA est form\u00e9 d'un adjectif accompagn\u00e9 d'un modifieur adverbial. L'exemple suivant illustre une construction l\u00e9g\u00e8rement diff\u00e9rente d'un SA, correspondant \u00e0 la phrase \"L'industrie est capable d'investir.\" dans laquelle une infinitive est compl\u00e9ment de l'adjectif. Dans ce cas, conform\u00e9ment \u00e0 la grammaire du SA d\u00e9crite plus haut, un plus grand nombre de contraintes sera v\u00e9rifi\u00e9e, la densit\u00e9 du graphe est donc plus importante. Le nombre de propri\u00e9t\u00e9s v\u00e9rifi\u00e9es joue un r\u00f4le important en offrant la possibilit\u00e9 de quantifier l'information syntaxique. Dans la perspective du principe MoP, la maximisation reposera pr\u00e9cis\u00e9ment sur cette capacit\u00e9.Nous proposons de d\u00e9finir la notion d'activation sur la base des caract\u00e9risations syntaxiques construites \u00e0 l'aide des contraintes pr\u00e9sent\u00e9es dans la section pr\u00e9c\u00e9dente. Nous avons vu qu'il \u00e9tait possible en Grammaire de Propri\u00e9t\u00e9s d'\u00e9valuer, pour tout sous-ensemble de cat\u00e9gories, les contraintes qui leur sont attach\u00e9es. Il s'agit pour cela d'identifier les contraintes pertinentes, \u00e0 savoir celles qui permettent de mettre en relation les cat\u00e9gories concern\u00e9es. Le principe est simple et consiste \u00e0 parcourir la grammaire (l'ensemble des contraintes) et s\u00e9lectionner celles qui concernent les cat\u00e9gories. En reprenant l'exemple de la grammaire du syntagme adjectival d\u00e9crite plus haut, le sous-ensemble de cat\u00e9gories {AdP, A} permettra d'identifier comme pertinentes les En g\u00e9n\u00e9ralisant ce m\u00e9canisme, il \u00e9galement possible d'identifier les contraintes qui sont potentiellement pertinentes : soit une contrainte A B reliant deux cat\u00e9gories A et B, la connaissance de A permet de dire que A B pourra devenir pertinente, \u00e0 la condition que B soit r\u00e9alis\u00e9. Dans le cas de la grammaire du SA, la r\u00e9alisation de la cat\u00e9gorie AdP permet d'identifier comme contrainte potentiellement pertinente l'ensemble suivant :Nous proposons d'utiliser cette caract\u00e9ristique pour d\u00e9crire et \u00e9valuer la notion d'activation. Dans la perspective d'un traitement incr\u00e9mental de la langue, le principe consiste \u00e0 associer \u00e0 chaque cat\u00e9gorie les contraintes potentiellement pertinentes qui peuvent lui \u00eatre associ\u00e9es. Remarquons que du point de vue du traitement automatique, cette information n'a pas besoin d'\u00eatre calcul\u00e9e online, mais peut \u00eatre compil\u00e9e. L'ensemble des contraintes ainsi identifi\u00e9es permet de d\u00e9finir les cat\u00e9gories activ\u00e9es : il s'agit de toutes les cat\u00e9gories appartenant \u00e0 cet ensemble et pouvant \u00eatre r\u00e9alis\u00e9es apr\u00e8s la cat\u00e9gorie en question. Cette derni\u00e8re information est obtenue en v\u00e9rifiant les contraintes de lin\u00e9arit\u00e9. Dans l'exemple pr\u00e9c\u00e9dent, seule la cat\u00e9gorie A se retrouve activ\u00e9e par AdP (la cat\u00e9gorie AP ne pouvant suivre AdP comme stipul\u00e9 par la contrainte AP : AP \u227a AdP).",
"html": null,
"content": "<table><tr><td>FIGURE 4 -Graphe des propri\u00e9t\u00e9s satisfaites pour \"L'industrie est capable d'investir.\"</td></tr><tr><td>4 Activation et cr\u00e9ation de chunks</td></tr><tr><td>contraintes suivantes :</td></tr><tr><td>AP : {AdP, A} ? AP : AdP \u227a A AP : AdP A</td></tr><tr><td>AP : A !</td></tr><tr><td>AP : \u2206 A</td></tr><tr><td>AP : {AdP} ? AP : AdP \u227a A AP : AP \u227a AdP AP : AdP A</td></tr></table>",
"num": null,
"type_str": "table"
},
"TABREF3": {
"text": "Concr\u00e8tement, en cours d'analyse, cette mesure permettra d'identifier le type de cat\u00e9gorie activ\u00e9e par la cat\u00e9gorie courante ainsi que le niveau de son activation. Lorsque qu'une cat\u00e9gorie est activ\u00e9e et r\u00e9alis\u00e9e, elle formera un chunk avec la cat\u00e9gorie qui l'active. Ce chunk pourra avoir un niveau d'activation plus ou moins \u00e9lev\u00e9, identifi\u00e9 par cette fonction d'activation. Notons que cette d\u00e9finition de l'activation permet \u00e9galement de rendre compte des relations lexicales du type collocationnelles. La s\u00e9lection lexicale entre les termes sera dans ce cas repr\u00e9sent\u00e9e par une contrainte d'implication avec un poids \u00e9lev\u00e9e. Il sera ainsi possible de former un chunk dot\u00e9 d'un niveau d'activation fort. Les contraintes dont la cat\u00e9gorie Det est source sont r\u00e9pertori\u00e9es dans le tableau suivant, comportant \u00e9galement l'indication de leurs poids (calcul\u00e9 en suivant la m\u00e9thode propos\u00e9e dans(Blache, 2012)). qui sera stock\u00e9 dans un buffer de la m\u00e9moire d\u00e9clarative. Ce processus d'identification de chunk repose donc sur des m\u00e9canismes de bas niveau, effectu\u00e9s en temps r\u00e9el ce qui se manifeste concr\u00e8tement par un traitement global notamment au niveau du mouvement oculaire dans le cas de la lecture. L'exemple de la figure 5 illustre ce m\u00e9canisme. La r\u00e9alisation de la cat\u00e9gorie Det permet d'identifier trois propri\u00e9t\u00e9s activant le N conduisant \u00e0 la cr\u00e9ation du chunk.",
"html": null,
"content": "<table><tr><td colspan=\"3\">D\u00e9pendance Det N 7,080586081 Exclusion Pro \u21d4 Det 4,358766626 Clit \u21d4 Det 0,003417994 Unicit\u00e9 Det 3,253068199 Exigence Det \u21d2 N 2,461019161</td><td colspan=\"3\">Lin\u00e9arit\u00e9 12,18569885 0,718659942 0,178675795 0,135447163 0,077399536 Det \u227a VPpart Det \u227a N Det \u227a Np Det \u227a AdP Det \u227a AP 0,03891139 Det \u227a VPinf 0,025216138 Det \u227a Ssub 0,021433718 Det \u227a Srel 0,016570605 Det \u227a PP Det \u227a NP 0,016030259</td></tr><tr><td colspan=\"6\">L'ensemble de transition de Det extrait de ces contraintes est le suivant :</td></tr><tr><td colspan=\"6\">Trans(Det) = {N, Np, AdP, AP, VPpart, VPinf , Ssub, Srel, PP, NP}</td><td>(3)</td></tr><tr><td colspan=\"6\">L'\u00e9valuation du degr\u00e9 d'activation des cat\u00e9gories de l'ensemble de transition est r\u00e9capitul\u00e9e dans</td></tr><tr><td>le tableau suivant :</td><td/><td/><td/><td/></tr><tr><td>Cat\u00e9gorie activ\u00e9e</td><td>Contraintes</td><td colspan=\"2\">Densit\u00e9</td><td>Poids</td><td>Activation</td></tr><tr><td>N</td><td>3</td><td>0,2</td><td/><td>21,72730409</td><td>4,345460818</td></tr><tr><td>Np</td><td>1</td><td colspan=\"2\">0,066666667</td><td>0,718659942</td><td>0,047910663</td></tr><tr><td>AdP</td><td>1</td><td colspan=\"2\">0,066666667</td><td>0,178675795</td><td>0,01191172</td></tr><tr><td>AP</td><td>1</td><td colspan=\"2\">0,066666667</td><td>0,135447163</td><td>0,009029811</td></tr><tr><td>VPpart</td><td>1</td><td colspan=\"2\">0,066666667</td><td>0,077399536</td><td>0,005159969</td></tr><tr><td>VPinf</td><td>1</td><td colspan=\"2\">0,066666667</td><td>0,03891139</td><td>0,002594093</td></tr><tr><td>Ssub</td><td>1</td><td colspan=\"2\">0,066666667</td><td>0,025216138</td><td>0,001681076</td></tr><tr><td>Srel</td><td>1</td><td colspan=\"2\">0,066666667</td><td>0,021433718</td><td>0,001428915</td></tr><tr><td>PP</td><td>1</td><td colspan=\"2\">0,066666667</td><td>0,016570605</td><td>0,001104707</td></tr><tr><td>NP</td><td>1</td><td colspan=\"2\">0,066666667</td><td>0,016030259</td><td>0,001068684</td></tr><tr><td colspan=\"6\">Cet ensemble de r\u00e9sultats indique, comme attendu, une forte activation de la cat\u00e9gorie N</td></tr><tr><td colspan=\"6\">provenant d'une part du nombre de propri\u00e9t\u00e9s potentielles qui l'activent et d'autre part de leur</td></tr><tr><td colspan=\"6\">importance (i.e. un poids \u00e9lev\u00e9). Cette forte activation conduit \u00e0 la constitution d'un chunk [Det,</td></tr><tr><td>N]</td><td/><td/><td/><td/></tr></table>",
"num": null,
"type_str": "table"
},
"TABREF4": {
"text": "TALN-R\u00c9CITAL 2013, 17-21 Juin, Les Sables d'Olonne",
"html": null,
"content": "<table/>",
"num": null,
"type_str": "table"
}
}
}
} |