File size: 49,990 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 | {
"paper_id": "F13-2008",
"header": {
"generated_with": "S2ORC 1.0.0",
"date_generated": "2023-01-19T09:40:39.605191Z"
},
"title": "Segmentation Multilingue des Mots Compos\u00e9s",
"authors": [
{
"first": "Elizaveta",
"middle": [],
"last": "Loginova-Clouet",
"suffix": "",
"affiliation": {},
"email": "elizaveta.loginova@univ-nantes.fr"
},
{
"first": "B\u00e9atrice",
"middle": [],
"last": "Daille",
"suffix": "",
"affiliation": {},
"email": "beatrice.daille@univ-nantes.fr"
}
],
"year": "",
"venue": null,
"identifiers": {},
"abstract": "La composition est un ph\u00e9nom\u00e8ne fr\u00e9quent dans plusieurs langues, surtout dans des langues ayant une morphologie riche. Le traitement des mots compos\u00e9s est un d\u00e9fi pour les syst\u00e8mes de TAL car pour la plupart, ils ne sont pas pr\u00e9sents dans les lexiques. Dans cet article, nous pr\u00e9sentons une m\u00e9thode de segmentation des compos\u00e9s qui combine des caract\u00e9ristiques ind\u00e9pendantes de la langue (mesure de similarit\u00e9, donn\u00e9es du corpus) avec des r\u00e8gles de transformation sur les fronti\u00e8res des composants sp\u00e9cifiques \u00e0 une langue. Nos exp\u00e9riences de segmentation de termes compos\u00e9s allemands et russes montrent une exactitude jusqu'\u00e0 95 % pour l'allemand et jusqu'\u00e0 91 % pour le russe. Nous constatons que l'utilisation de corpus sp\u00e9cialis\u00e9s relevant du m\u00eame domaine que les compos\u00e9s am\u00e9liore la qualit\u00e9 de segmentation.",
"pdf_parse": {
"paper_id": "F13-2008",
"_pdf_hash": "",
"abstract": [
{
"text": "La composition est un ph\u00e9nom\u00e8ne fr\u00e9quent dans plusieurs langues, surtout dans des langues ayant une morphologie riche. Le traitement des mots compos\u00e9s est un d\u00e9fi pour les syst\u00e8mes de TAL car pour la plupart, ils ne sont pas pr\u00e9sents dans les lexiques. Dans cet article, nous pr\u00e9sentons une m\u00e9thode de segmentation des compos\u00e9s qui combine des caract\u00e9ristiques ind\u00e9pendantes de la langue (mesure de similarit\u00e9, donn\u00e9es du corpus) avec des r\u00e8gles de transformation sur les fronti\u00e8res des composants sp\u00e9cifiques \u00e0 une langue. Nos exp\u00e9riences de segmentation de termes compos\u00e9s allemands et russes montrent une exactitude jusqu'\u00e0 95 % pour l'allemand et jusqu'\u00e0 91 % pour le russe. Nous constatons que l'utilisation de corpus sp\u00e9cialis\u00e9s relevant du m\u00eame domaine que les compos\u00e9s am\u00e9liore la qualit\u00e9 de segmentation.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Abstract",
"sec_num": null
}
],
"body_text": [
{
"text": "La composition est un m\u00e9canisme de formation des mots qui consiste \u00e0 combiner deux (ou plusieurs) \u00e9l\u00e9ments lexicaux autonomes pour former une unit\u00e9 de sens. Ce ph\u00e9nom\u00e8ne est notamment pr\u00e9sent dans les langues allemande, n\u00e9erlandaise, grecque, su\u00e9doise, danoise, finlandaise et russe. Le traitement des mots compos\u00e9s est une difficult\u00e9 pour les syst\u00e8mes de traitement automatique des langues parce que la plupart des compos\u00e9s ne sont pas recens\u00e9s dans les ressources lexicales. Ainsi leur reconnaissance et leur segmentation seraient b\u00e9n\u00e9fiques pour des t\u00e2ches vari\u00e9es du TAL : traduction automatique (Macherey et al. (2011) , Weller et Heid (2012) ), recherche d'information (Braschler et Ripplinger, 2004) , recherche d'information multilingue (Chen et Gey, 2001) , etc.",
"cite_spans": [
{
"start": 600,
"end": 623,
"text": "(Macherey et al. (2011)",
"ref_id": "BIBREF8"
},
{
"start": 626,
"end": 647,
"text": "Weller et Heid (2012)",
"ref_id": "BIBREF12"
},
{
"start": 675,
"end": 706,
"text": "(Braschler et Ripplinger, 2004)",
"ref_id": "BIBREF1"
},
{
"start": 745,
"end": 764,
"text": "(Chen et Gey, 2001)",
"ref_id": "BIBREF3"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Les m\u00e9canismes de composition sont plus ou moins complexes en fonction des langues. Dans les langues tr\u00e8s analytiques comme les langues fran\u00e7aise et anglaise les composants sont simplement concat\u00e9n\u00e9s : FR kilowatt-heure, EN parrotfish 1 , \u00ab poisson perroquet \u00bb.",
"cite_spans": [
{
"start": 235,
"end": 236,
"text": "1",
"ref_id": null
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Dans les langues ayant une morphologie riche, des transformations sont possibles aux fronti\u00e8res des parties composantes. La terminaison du mot peut \u00eatre omise, et/ou des morph\u00e8mes \u00ab fronti\u00e8res \u00bb rajout\u00e9s, par exemple en allemand :",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Staatsfeind (\u00ab ennemie d'\u00e9tat \u00bb) = Staat (\u00ab \u00e9tat \u00bb) + Feind (\u00ab ennemie \u00bb) ;",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Pour certaines langues, les r\u00e8gles sont peu nombreuses et exhaustives. Pour d'autres, des ph\u00e9nom\u00e8nes plus complexes interviennent comme la modification du radical en russe : \u0432\u0435\u0442\u0440\u043e\u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440 (\u00ab g\u00e9n\u00e9rateur \u00e9olien \u00bb) vetrogenerator 2 = veter (\u00ab vent \u00bb) + generator (\u00ab g\u00e9n\u00e9rateur \u00bb) ;",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Les \u00ab compos\u00e9s n\u00e9oclassiques \u00bb, c'est-\u00e0-dire des compos\u00e9s ayant un ou plusieurs \u00e9l\u00e9ments d'origine latine ou grecque (Namer, 2009) , sont un cas particulier de composition o\u00f9 les \u00e9l\u00e9ments lexicaux ne sont pas autonomes : FR multim\u00e9dia, DE Turbomaschine (\u00ab turbomachine \u00bb), etc. Ces \u00e9l\u00e9ments n\u00e9oclassiques sont g\u00e9n\u00e9ralement absents des dictionnaires ou des bases de donn\u00e9es lexicales.",
"cite_spans": [
{
"start": 117,
"end": 130,
"text": "(Namer, 2009)",
"ref_id": null
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Certains syst\u00e8mes de TAL optent pour le stockage de tous les composants connus dans le lexique (\u00e0 notre connaissance, c'est g\u00e9n\u00e9ralement le cas des syst\u00e8mes pour le russe). Cette solution nous semble insatisfaisante pour des t\u00e2ches multilingues car ceci augmente consid\u00e9rablement la couverture du dictionnaire.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Dans cet article, nous faisons le tour d'horizon des m\u00e9thodes de segmentation automatique des mots compos\u00e9s. Ensuite, nous proposons une m\u00e9thode combinant des traits d\u00e9pendants et ind\u00e9pendants de la langue. Enfin, nous pr\u00e9sentons nos exp\u00e9riences de segmentation des compos\u00e9s allemands et russes.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Parmi les m\u00e9thodes de segmentation des compos\u00e9s, on peut distinguer les m\u00e9thodes utilisant des r\u00e8gles formul\u00e9es manuellement et des m\u00e9thodes compl\u00e8tement statistiques.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "M\u00e9thodes de segmentation des mots compos\u00e9s",
"sec_num": "2"
},
{
"text": "Le premier type de m\u00e9thodes d\u00e9finit des r\u00e8gles de segmentation telles que celles de transformations aux fronti\u00e8res des composants en allemand. G\u00e9n\u00e9ralement celles-ci utilisent des r\u00e8gles de formation des compos\u00e9s d\u00e9crites par Langer (1998) .",
"cite_spans": [
{
"start": 226,
"end": 239,
"text": "Langer (1998)",
"ref_id": "BIBREF7"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "M\u00e9thodes de segmentation des mots compos\u00e9s",
"sec_num": "2"
},
{
"text": "Pour choisir parmi plusieurs segmentations, les composants ainsi identifi\u00e9s sont ensuite recherch\u00e9s soit dans un dictionnaire (segmenteur Banana Split 3 ), soit dans un corpus monolingue (Koehn et Knight (2003) , IMS Splitter 4 ). Les approches bas\u00e9es sur le corpus affectent \u00e9galement une probabilit\u00e9 \u00e0 chaque segmentation, estim\u00e9e sur la base de la fr\u00e9quence des composants dans le corpus. Un corpus parall\u00e8le allemand-anglais peut \u00eatre exploit\u00e9 afin d'y v\u00e9rifier les correspondances des parties d\u00e9compos\u00e9es (Koehn et Knight, 2003) .",
"cite_spans": [
{
"start": 187,
"end": 210,
"text": "(Koehn et Knight (2003)",
"ref_id": "BIBREF6"
},
{
"start": 213,
"end": 227,
"text": "IMS Splitter 4",
"ref_id": null
},
{
"start": 510,
"end": 533,
"text": "(Koehn et Knight, 2003)",
"ref_id": "BIBREF6"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "M\u00e9thodes de segmentation des mots compos\u00e9s",
"sec_num": "2"
},
{
"text": "Les approches du deuxi\u00e8me groupe ne requi\u00e8rent pas de r\u00e8gles sp\u00e9cifiques pour chaque langue donn\u00e9e. Macherey et al. (2011) proposent d'extraire automatiquement des op\u00e9rations morphologiques sur les fronti\u00e8res de composants. L'entra\u00eenement du mod\u00e8le pour une nouvelle langue n\u00e9cessite un corpus parall\u00e8le contenant une partie anglaise. Hewlett et Cohen (2011) d\u00e9tectent automatiquement la place des fronti\u00e8res de composants. L'algorithme est bas\u00e9 sur la probabilit\u00e9 des s\u00e9quences de caract\u00e8res dans une langue.",
"cite_spans": [
{
"start": 100,
"end": 122,
"text": "Macherey et al. (2011)",
"ref_id": "BIBREF8"
},
{
"start": 335,
"end": 358,
"text": "Hewlett et Cohen (2011)",
"ref_id": "BIBREF5"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "M\u00e9thodes de segmentation des mots compos\u00e9s",
"sec_num": "2"
},
{
"text": "Actuellement, les mod\u00e8les purement statistiques ne sont pas aussi pr\u00e9cis que des mod\u00e8les utilisant des r\u00e8gles, leur avantage r\u00e9side toutefois dans la possibilit\u00e9 de r\u00e9utilisation pour des langues vari\u00e9es.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "M\u00e9thodes de segmentation des mots compos\u00e9s",
"sec_num": "2"
},
{
"text": "Notre objectif est de cr\u00e9er un outil de segmentation des mots compos\u00e9s g\u00e9n\u00e9rique et multilingue qui pourrait \u00eatre appliqu\u00e9 \u00e0 des diff\u00e9rentes langues gr\u00e2ce aux traits ind\u00e9pendants de la langue sans n\u00e9cessiter de connaissances pr\u00e9alables. N\u00e9anmoins si des r\u00e8gles existent, cet outil doit \u00eatre capable de les int\u00e9grer. Les caract\u00e9ristiques ind\u00e9pendantes de la langue exploit\u00e9es sont la fr\u00e9quence des mots dans un corpus monolingue, et la similarit\u00e9 entre une sous-cha\u00eene du mot et les lemmes candidats.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "Pour segmenter un compos\u00e9, nous commen\u00e7ons par g\u00e9n\u00e9rer toutes ses segmentations possibles en deux parties, de taille sup\u00e9rieure ou \u00e9gale \u00e0 la longueur minimale accept\u00e9e pour un composant. Par exemple DE Traktionsbatterie (\u00ab batterie de traction \u00bb) :",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "traktionsbatterie \u2192 tr + aktionsbatterie traktionsbatterie \u2192 tra + ktionsbatterie ... traktionsbatterie \u2192 traktionsbatter + ie Si des r\u00e8gles de transformation des composants en lex\u00e8mes ind\u00e9pendants sont disponibles pour la langue donn\u00e9e, elles sont appliqu\u00e9es aux composants candidats. Ce sont des r\u00e8gles de type :",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "\u00ab s \u00bb \u2192 \u00ab \u00bb, (cf. DE exemple Staatsfeind), \u00ab en \u00bb \u2192 \u00ab um \u00bb, etc.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "Pour chaque segmentation candidate, les deux parties sont recherch\u00e9es dans un dictionnaire monolingue, et optionnellement dans un corpus monolingue. Le corpus permet de calculer les fr\u00e9quences des mots, ce qui aide \u00e0 choisir les composants candidats les plus plausibles lorsque plusieurs variantes sont possibles.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "Nous calculons ensuite la similarit\u00e9 entre chacune des deux parties de segmentation et les lemmes du dictionnaire/corpus afin de choisir les lemmes \u00ab les plus proches \u00bb. Nous utilisons \u00ab la distance d'\u00e9dition normalis\u00e9e \u00bb bas\u00e9e sur la distance de Levenshtein comme mesure de similarit\u00e9 (pour la description d\u00e9taill\u00e9e des mesures existantes cf. (Frunza et Inkpen, 2009) ) :",
"cite_spans": [
{
"start": 344,
"end": 368,
"text": "(Frunza et Inkpen, 2009)",
"ref_id": "BIBREF4"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "sim(X, Y ) = 1 \u2212 nbEditOper max(length(X), length(Y ))",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "o\u00f9 nbEditOper est le nombre minimal d'op\u00e9rations d'\u00e9dition (substitution, suppression, insertion) n\u00e9cessaires pour transformer un composant X en un lemme Y.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "Si certains lemmes sont acceptables (i.e. avec une similarit\u00e9 sup\u00e9rieure ou \u00e9gale \u00e0 un seuil d\u00e9fini) pour la partie gauche de la segmentation courante, mais non pour la partie droite, nous r\u00e9it\u00e9rons la segmentation jusqu'\u00e0 trouver des composants attest\u00e9s ou jusqu'\u00e0 un nombre maximal de composants.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "RU \u043a\u0438\u043b\u043e\u044d\u043b\u0435\u043a\u0442\u0440\u043e\u043d\u0432\u043e\u043b\u044c\u0442 (\u00ab kilo\u00e9lectronvolt \u00bb) : kiloelektronvolt \u2192 kilo + elektronvolt elektronvolt \u2192 elektron + volt Dans le cas o\u00f9 des lemmes candidats sont acceptables pour chaque composant, nous calculons le score de cette segmentation \u00e0 chaque niveau de d\u00e9composition : ",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "S(segm) = S(compA)+S(compB) 2 si",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Algorithme de segmentation",
"sec_num": "3"
},
{
"text": "Dans cette section, nous d\u00e9crivons nos exp\u00e9riences en utilisant le pr\u00e9c\u00e9dent algorithme. Jusqu'\u00e0 pr\u00e9sent il a \u00e9t\u00e9 appliqu\u00e9 \u00e0 deux langues : l'allemande et le russe. La composition en allemand est tr\u00e8s productive et bien d\u00e9crite. La composition en russe l'est moins, m\u00eame si elle est plus fr\u00e9quente dans les domaines de sp\u00e9cialit\u00e9 que dans la langue g\u00e9n\u00e9rale.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Exp\u00e9riences et donn\u00e9es",
"sec_num": "4"
},
{
"text": "Pour les deux langues, nous avons analys\u00e9 des mots compos\u00e9s appartenant au domaine de l'\u00e9nergie \u00e9olienne. Pour la langue allemande, nous avons pris comme jeu de tests 445 compos\u00e9s extraits des exp\u00e9riences de Weller et Heid (2012) 5 . Pour la langue russe, nous avons compil\u00e9 le jeu de tests \u00e0 partir d'un corpus de l'\u00e9nergie \u00e9olienne 6 . Parmi les 7 000 lex\u00e8mes les plus fr\u00e9quents du corpus, 348 sont des compos\u00e9s.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Exp\u00e9riences et donn\u00e9es",
"sec_num": "4"
},
{
"text": "Nous avons fait varier les param\u00e8tres pour observer l'impact de l'utilisation du corpus et des r\u00e8gles de transformation sur la qualit\u00e9 de segmentation. Comme la segmentation de base, nous avons retenu la segmentation avec le dictionnaire, ce qui correspond \u00e0 la technique utilis\u00e9e dans les syst\u00e8mes n'ayant pas de module \u00e9labor\u00e9 de segmentation. Nous avons enrichi cette segmentation de base premi\u00e8rement avec la prise en compte de r\u00e8gles de transformation et l'utilisation de la mesure de similarit\u00e9, et deuxi\u00e8mement avec le filtrage dans le corpus.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Exp\u00e9riences et donn\u00e9es",
"sec_num": "4"
},
{
"text": "Pour l'allemand, nous avons utilis\u00e9 la partie allemande du dictionnaire libre allemand-anglais Dict.cc 7 . Pour le russe, nous avons exploit\u00e9 la version \u00e9lectronique du dictionnaire de Ozhegov 8 , compl\u00e9t\u00e9e par une liste d'\u00e9l\u00e9ments n\u00e9oclassiques extraits du travail de B\u00e9chade (1992) et traduits en russe. Les \u00e9l\u00e9ments n\u00e9oclassiques sont tr\u00e8s fr\u00e9quents dans les compos\u00e9s russes et leur rep\u00e9rage s'av\u00e8re n\u00e9cessaire pour une segmentation correcte. Comme nous travaillons avec des compos\u00e9s sp\u00e9cialis\u00e9s, nous avons exploit\u00e9 des corpus th\u00e9matiques du domaine de l'\u00e9nergie \u00e9olienne compil\u00e9s \u00e0 partir du web 9 (environ 300 000 mots pour le russe et 1.7 million mots pour l'allemand) et lemmatis\u00e9s par TreeTagger 10 .",
"cite_spans": [
{
"start": 269,
"end": 283,
"text": "B\u00e9chade (1992)",
"ref_id": "BIBREF2"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Exp\u00e9riences et donn\u00e9es",
"sec_num": "4"
},
{
"text": "Les r\u00e8gles pour l'allemand sont bas\u00e9es sur (Langer, 1998) . Pour la langue russe nous avons test\u00e9 deux jeux de r\u00e8gles. Le premier jeu contient deux r\u00e8gles exprimant une connaissance basique du russe selon laquelle les morph\u00e8mes \u00ab o \u00bb and \u00ab e \u00bb servent de morph\u00e8mes \u00ab fronti\u00e8res \u00bb pour des compos\u00e9s. Le jeu de r\u00e8gles \u00e9largi (13 r\u00e8gles) int\u00e8gre des connaissances morphologiques approfondies extraites de (Zaliznjak, 1977) .",
"cite_spans": [
{
"start": 43,
"end": 57,
"text": "(Langer, 1998)",
"ref_id": "BIBREF7"
},
{
"start": 402,
"end": 419,
"text": "(Zaliznjak, 1977)",
"ref_id": "BIBREF13"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Exp\u00e9riences et donn\u00e9es",
"sec_num": "4"
},
{
"text": "Un param\u00e8tre important pour notre algorithme est le seuil de similarit\u00e9 qui d\u00e9signe la valeur minimale acceptable de similarit\u00e9 entre un composant candidat et un lemme du dictionnaire/corpus. Pour trouver la valeur optimale, nous avons test\u00e9 l'algorithme avec des seuils diff\u00e9rents sur le m\u00eame corpus de l'\u00e9nergie \u00e9olienne (cf. Figure 1) . Sur nos donn\u00e9es la valeur de 0.7 s'av\u00e8re la plus satisfaisante pour les deux langues.",
"cite_spans": [],
"ref_spans": [
{
"start": 328,
"end": 337,
"text": "Figure 1)",
"ref_id": "FIGREF0"
}
],
"eq_spans": [],
"section": "Exp\u00e9riences et donn\u00e9es",
"sec_num": "4"
},
{
"text": "Pour \u00e9valuer les r\u00e9sultats, nous avons calcul\u00e9 l'exactitude (EN \u00ab accuracy \u00bb) de d\u00e9composition en position 1 (\u00ab Top 1 \u00bb) et en position 5 (\u00ab Top 5 \u00bb) dans la liste de segmentations candidates class\u00e9es par l'algorithme. L'exactitude est obtenue en divisant le nombre de compos\u00e9s qui ont une segmentation correcte dans Top N produit par l'algorithme par le nombre total de compos\u00e9s. Jusqu'\u00e0 pr\u00e9sent, nous avons effectu\u00e9 l'\u00e9valuation seulement sur des mots compos\u00e9s, et nous n'avons pas \u00e9valu\u00e9 le bruit introduit par les faux positifs (non-compos\u00e9s qui sont segment\u00e9s par l'algorithme par erreur). L'identification des compos\u00e9s potentiels d'une langue rel\u00e8ve d'une autre probl\u00e9matique. ",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Exp\u00e9riences et donn\u00e9es",
"sec_num": "4"
},
{
"text": "Les r\u00e9sultats de la segmentation pour les langues allemande et russe sont pr\u00e9sent\u00e9s dans les tableaux 1 et 2.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "R\u00e9sultats",
"sec_num": "5"
},
{
"text": "Les r\u00e9sultats en ajoutant les r\u00e8gles de transformation et la mesure de similarit\u00e9 sont nettement meilleurs que ceux obtenus dans l'exp\u00e9rience de base (seulement avec le dictionnaire).",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Compos\u00e9s allemands",
"sec_num": "5.1"
},
{
"text": "L'utilisation du corpus am\u00e9liore l\u00e9g\u00e8rement l'exactitude pour le Top 5. Cela permet la segmentation correcte d'un nombre sup\u00e9rieur de mots dont les composants ne sont pas pr\u00e9sents dans le dictionnaire (Netzanschlu\u00df, \u00ab connexion r\u00e9seau \u00bb). Dans certains cas, cela am\u00e9liore aussi le classement : Traktionsbatterie sans corpus retourne deux segmentations class\u00e9es \u00e0 \u00e9galit\u00e9 traktion+batterie 1.0 et trakt+ion+batterie 1.0. L'utilisation de corpus fait appara\u00eetre la segmentation correcte avant celle incorrecte : traktion+batterie 1.50, trakt+ion+batterie 1.25.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Compos\u00e9s allemands",
"sec_num": "5.1"
},
{
"text": "Dans d'autres cas le corpus nuit au classement parce qu'il favorise les segmentations constitu\u00e9es de composants plus courts et plus fr\u00e9quents : Aussichtsplattform, \u00ab observation deck \u00bb, est correctement segment\u00e9 sans corpus en aussicht+plattform, alors qu'avec le corpus la meilleure segmentation est aus+sicht+plattform. Ce probl\u00e8me peut \u00eatre r\u00e9solu en rempla\u00e7ant la fr\u00e9quence simple du corpus par la sp\u00e9cificit\u00e9 qui rend compte du caract\u00e8re terminologique des compos\u00e9s. La sp\u00e9cificit\u00e9 est obtenue en divisant la fr\u00e9quence dans le corpus sp\u00e9cialis\u00e9 par la fr\u00e9quence dans un corpus g\u00e9n\u00e9ral (Ahmad et al., 1992) . ",
"cite_spans": [
{
"start": 590,
"end": 610,
"text": "(Ahmad et al., 1992)",
"ref_id": "BIBREF0"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Compos\u00e9s allemands",
"sec_num": "5.1"
},
{
"text": "Nous avons observ\u00e9 une diff\u00e9rence significative entre les r\u00e9sultats de l'exp\u00e9rience de base et ceux avec les r\u00e8gles et la mesure de similarit\u00e9 (cf. tableau. 2). L'utilisation de corpus a \u00e9t\u00e9 \u00e9galement b\u00e9n\u00e9fique. Notons que les r\u00e9sultats avec l'utilisation des r\u00e8gles \u00e9largies sans corpus sont proches de ceux avec les r\u00e8gles restreintes mais avec corpus. En fait pour certains compos\u00e9s le corpus compense l'absence de r\u00e8gles. Ainsi l'adjectif \u00ab \u00e9lectromagn\u00e9tique \u00bb \u044d\u043b\u0435\u043a\u0442\u0440\u043e\u043c\u0430\u0433\u043d\u0438\u0442\u043d\u044b\u0439 (elektromagnitnyi) ne pouvait pas \u00eatre segment\u00e9 correctement avec la m\u00e9thode de base, parce que son composant de droite magnitnyi (\u00ab magn\u00e9tique \u00bb) n'est pas pr\u00e9sent dans le dictionnaire. Il peut \u00eatre segment\u00e9 soit en utilisant le corpus (o\u00f9 \u00ab magn\u00e9tique \u00bb est pr\u00e9sent), soit gr\u00e2ce \u00e0 une r\u00e8gle qui permet de retrouver le nom associ\u00e9 magnit (\u00ab aimant \u00bb).",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Compos\u00e9s russes",
"sec_num": "5.2"
},
{
"text": "Nous avons pr\u00e9sent\u00e9 un algorithme de segmentation des mots compos\u00e9s combinant des caract\u00e9ristiques ind\u00e9pendantes de la langue (mesure de similarit\u00e9, fr\u00e9quence des mots) avec des caract\u00e9ristiques d\u00e9pendantes de la langue (r\u00e8gles de transformation des composants). Cette m\u00e9thode est beaucoup plus performante que celle de base consistant \u00e0 v\u00e9rifier la pr\u00e9sence des composants dans un dictionnaire. Elle donne des r\u00e9sultats comparables aux m\u00e9thodes de segmentation monolingues : pour le Top 5, exactitude jusqu'\u00e0 95 % pour l'allemand et jusqu'\u00e0 91 % pour le russe.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Conclusion",
"sec_num": "6"
},
{
"text": "L'utilisation d'un corpus est globalement b\u00e9n\u00e9fique. Un corpus sp\u00e9cialis\u00e9 permet de segmenter correctement plus de mots dont les composants sont inconnus du dictionnaire et de filtrer des mauvaises segmentations. Le corpus permet dans une certaine mesure de compenser des r\u00e8gles morphologiques. Il peut cependant d\u00e9grader le classement des candidats dans certains cas.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Conclusion",
"sec_num": "6"
},
{
"text": "Le code source avec une description d\u00e9taill\u00e9e de l'algorithme sont accessibles en ligne 13 . Le programme peut \u00eatre appliqu\u00e9 \u00e0 des langues diff\u00e9rentes en changeant les sources lexicales 11. http://niels.drni.de/s9y/pages/bananasplit.html 12. http://www.ims.uni-stuttgart.de/~wellermn/tools.html 13. http://www.lina.univ-nantes.fr/?Compound-Splitting-Tool.html et en ajoutant \u00e9ventuellement des r\u00e8gles de transformation. N\u00e9anmoins un param\u00e9trage pr\u00e9liminaire est pr\u00e9f\u00e9rable pour obtenir de meilleurs r\u00e9sultats pour une nouvelle langue. Nous pr\u00e9voyons de tester l'algorithme pour d'autres langues et domaines ainsi que d'\u00e9valuer l'impact de la segmentation sur la qualit\u00e9 de la traduction automatique.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Conclusion",
"sec_num": "6"
},
{
"text": ". http://niels.drni.de/s9y/pages/bananasplit.html 4. http://www.ims.uni-stuttgart.de/~wellermn/tools.html",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "",
"sec_num": null
},
{
"text": "c ATALA",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "",
"sec_num": null
}
],
"back_matter": [
{
"text": "Les travaux ayant men\u00e9 \u00e0 ces r\u00e9sultats ont re\u00e7u le financement du programme European Community's Seventh Framework (FP7/2007-2013, sous l'agr\u00e9ment de bourse no. 248005.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Remerciements",
"sec_num": null
}
],
"bib_entries": {
"BIBREF0": {
"ref_id": "b0",
"title": "What is a term ? the semi-automatic extraction of terms from text",
"authors": [
{
"first": "K",
"middle": [],
"last": "Ahmad",
"suffix": ""
},
{
"first": "A",
"middle": [],
"last": "Davies",
"suffix": ""
},
{
"first": "H",
"middle": [],
"last": "Fulford",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "Rogers",
"suffix": ""
}
],
"year": 1992,
"venue": "Translation Studies : An Interdiscipline",
"volume": "",
"issue": "",
"pages": "267--278",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Ahmad, K., Davies, A., Fulford, H. et Rogers, M. (1992). What is a term ? the semi-automatic extraction of terms from text. In Translation Studies : An Interdiscipline, pages 267-278, Amsterdam/Philadelphia. John Benjamins.",
"links": null
},
"BIBREF1": {
"ref_id": "b1",
"title": "How effective is stemming and decompounding for german text retrieval",
"authors": [
{
"first": "M",
"middle": [],
"last": "Braschler",
"suffix": ""
},
{
"first": "B",
"middle": [],
"last": "Ripplinger",
"suffix": ""
}
],
"year": 2004,
"venue": "Information Retrieval",
"volume": "7",
"issue": "",
"pages": "291--316",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Braschler, M. et Ripplinger, B. (2004). How effective is stemming and decompounding for german text retrieval. In Information Retrieval, volume 7, pages 291-316.",
"links": null
},
"BIBREF2": {
"ref_id": "b2",
"title": "Phon\u00e9tique et morphologie du fran\u00e7ais moderne et contemporain",
"authors": [
{
"first": "H.-D",
"middle": [],
"last": "B\u00e9chade",
"suffix": ""
}
],
"year": 1992,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "B\u00e9chade, H.-D. (1992). Phon\u00e9tique et morphologie du fran\u00e7ais moderne et contemporain. Presses Universitaires de France, Paris.",
"links": null
},
"BIBREF3": {
"ref_id": "b3",
"title": "Translation term weighting and combining translation resources in cross-language retrieval",
"authors": [
{
"first": "A",
"middle": [],
"last": "Chen",
"suffix": ""
},
{
"first": "F",
"middle": [],
"last": "Gey",
"suffix": ""
}
],
"year": 2001,
"venue": "Proceedings of TREC Conference",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Chen, A. et Gey, F. (2001). Translation term weighting and combining translation resources in cross-language retrieval. In Proceedings of TREC Conference.",
"links": null
},
"BIBREF4": {
"ref_id": "b4",
"title": "Identification and disambiguation of cognates, false friends, and partial cognates using machine learning techniques",
"authors": [
{
"first": "O",
"middle": [],
"last": "Frunza",
"suffix": ""
},
{
"first": "D",
"middle": [],
"last": "Et Inkpen",
"suffix": ""
}
],
"year": 2009,
"venue": "In International Journal of Linguistics",
"volume": "1",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Frunza, O. et Inkpen, D. (2009). Identification and disambiguation of cognates, false friends, and partial cognates using machine learning techniques. In International Journal of Linguistics, volume 1.",
"links": null
},
"BIBREF5": {
"ref_id": "b5",
"title": "Fully unsupervised word segmentation with bve and mdl",
"authors": [
{
"first": "D",
"middle": [],
"last": "Hewlett",
"suffix": ""
},
{
"first": "P",
"middle": [],
"last": "Cohen",
"suffix": ""
}
],
"year": 2011,
"venue": "Proceedings of ACL 2011",
"volume": "",
"issue": "",
"pages": "540--545",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Hewlett, D. et Cohen, P. (2011). Fully unsupervised word segmentation with bve and mdl. In Proceedings of ACL 2011, pages 540-545, Portland, Oregon.",
"links": null
},
"BIBREF6": {
"ref_id": "b6",
"title": "Empirical methods for compound splitting",
"authors": [
{
"first": "P",
"middle": [],
"last": "Koehn",
"suffix": ""
},
{
"first": "K",
"middle": [],
"last": "Knight",
"suffix": ""
}
],
"year": 2003,
"venue": "Proceedings of EAC 2003",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Koehn, P. et Knight, K. (2003). Empirical methods for compound splitting. In Proceedings of EAC 2003, Budapest, Hungary.",
"links": null
},
"BIBREF7": {
"ref_id": "b7",
"title": "Zur Morphologie und Semantik von Nominalkomposita",
"authors": [
{
"first": "S",
"middle": [],
"last": "Langer",
"suffix": ""
}
],
"year": 1998,
"venue": "Proceedings of KONVENS 1998",
"volume": "",
"issue": "",
"pages": "83--97",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Langer, S. (1998). Zur Morphologie und Semantik von Nominalkomposita. In Proceedings of KONVENS 1998, pages 83-97, Bonn.",
"links": null
},
"BIBREF8": {
"ref_id": "b8",
"title": "Language-independent compound splitting with morphological operations",
"authors": [
{
"first": "K",
"middle": [],
"last": "Macherey",
"suffix": ""
},
{
"first": "A",
"middle": [],
"last": "Dai",
"suffix": ""
},
{
"first": "D",
"middle": [],
"last": "Talbot",
"suffix": ""
},
{
"first": "A",
"middle": [],
"last": "Popat",
"suffix": ""
},
{
"first": "F",
"middle": [],
"last": "Och",
"suffix": ""
}
],
"year": 2011,
"venue": "Proceedings of ACL 2011",
"volume": "",
"issue": "",
"pages": "1395--1404",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Macherey, K., Dai, A., Talbot, D., Popat, A. et Och, F. (2011). Language-independent compound splitting with morphological operations. In Proceedings of ACL 2011, pages 1395-1404, Portland, Oregon.",
"links": null
},
"BIBREF10": {
"ref_id": "b10",
"title": "Morphologie, lexique et traitement automatique des langues",
"authors": [],
"year": null,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Morphologie, lexique et traitement automatique des langues. Lavoisier, Paris.",
"links": null
},
"BIBREF11": {
"ref_id": "b11",
"title": "Measuring semantic relatedness of german compounds using germanet",
"authors": [
{
"first": "N",
"middle": [],
"last": "Ott",
"suffix": ""
}
],
"year": 2005,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Ott, N. (2005). Measuring semantic relatedness of german compounds using germanet. http: //niels.drni.de/n3files/bananasplit/Compound-GermaNet-Slides.pdf. [consult\u00e9 le 20/03/2013].",
"links": null
},
"BIBREF12": {
"ref_id": "b12",
"title": "Analyzing and aligning german compound nouns",
"authors": [
{
"first": "M",
"middle": [],
"last": "Weller",
"suffix": ""
},
{
"first": "U",
"middle": [],
"last": "Heid",
"suffix": ""
}
],
"year": 2012,
"venue": "Proceedings of LREC 2012",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Weller, M. et Heid, U. (2012). Analyzing and aligning german compound nouns. In Proceedings of LREC 2012, Istanbul.",
"links": null
},
"BIBREF13": {
"ref_id": "b13",
"title": "Grammaticheskij Slovar' Russkogo Jazyka",
"authors": [
{
"first": "A",
"middle": [
"A"
],
"last": "Zaliznjak",
"suffix": ""
}
],
"year": 1977,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Zaliznjak, A. A. (1977). Grammaticheskij Slovar' Russkogo Jazyka [Grammatical Dictio- nary of the Russian Language].",
"links": null
},
"BIBREF14": {
"ref_id": "b14",
"title": "Russkij jazyk",
"authors": [],
"year": null,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "Russkij jazyk, Moscow.",
"links": null
}
},
"ref_entries": {
"FIGREF0": {
"type_str": "figure",
"text": "Exactitude de la segmentation des mots compos\u00e9s (Top 5) en fonction du seuil de similarit\u00e9",
"num": null,
"uris": null
},
"TABREF3": {
"html": null,
"content": "<table/>",
"type_str": "table",
"text": "Exactitude de segmentation pour le russe Nous avons compar\u00e9 notre outil \u00e0 deux outils libres disponibles pour l'allemand : Banana Split 11 et IMS Splitter 12 . Sur les m\u00eames 445 compos\u00e9s, le segmenteur Banana Split donne une exactitude de 86 % pour le Top 1 ; IMS Splitter aboutit \u00e0 une exactitude de 87 % pour le Top 1 et 92 % pour le Top 5.",
"num": null
}
}
}
} |