L’analyseur syntaxique Fips

1. L’analyseur syntaxique Fips Eric Wehrli, Luka Nerima LATL-Département de linguistique Université de Genève Eric.Wehrli@unige.ch, Luka.Nerima@unige.ch http://www.latl.unige.ch ATALA

2. La recherche en TAL au LATL • Développement d’une plateforme multilingue pour le traitement automatique des langues • Analyseurs, étiqueteurs, phonétiseurs, extracteurs terminologiques, générateurs de phrases, etc. • Cœur du système : l’analyseur Fips • Analyseur syntaxique « profond », basé sur une interprétation assez libre de la théorie de la grammaire générative chomskyenne • Quelques propriétés de Fips • analyseur ascendant, avec une stratégie d’attachement à droite • traitement parallèle des alternatives • recours à des heuristiques pour limiter le nombre d’alternatives ATALA

3. Le modèle de grammaire • Basée sur le modèle chomskyen des principes et paramètres, ainsi qu’en partie sur le modèle minimaliste. • Toutes les structures syntaxiques obéissent au même schéma: où X (∈ {N, V, A, D, P, Adv,Conj}) est la tête de la projection XP, L et R sont des listes de projections maximales (les sous-constituants gauches et droits du syntagme XP). • Les attachements à gauche et à droite sont décrits dans un (pseudo) formalisme, à la fois relativement intuitif et facile à encoder. [XP L X R ] ATALA

4. Le mécanisme de projection • Crée une projection syntaxique • soit à partir d’un item lexical: X --> XP X ∈ {N, V, A, D, P, Adv, Conj} • projection étendue (métaprojection): verbe conjugué --> pronoms et noms propres --> DP TP T VP ATALA

5. Combinaison (merge) • Combine deux projections adjacentes A et B • attache A comme sous-constituant de B (=attachement à gauche) ; • attache B comme sous-constituant d’un nœud actif sur l’arête droite de A (attachement à droite) : A A B B ATALA

6. … Procédure d’attachement « coin droit » Pile de nœuds actifs : TP DP VP NP DP Jean a lu un poème ATALA

7. Exemples de règles d’attachement à gauche • AP + NP a.AgreeWith(b, {number, gender}) a.HasFeature( prenominalAdj) • DP + TP a.AgreeWith(b, {number, person}) a.IsArgumentOf(b, subject) • DP + PP b.HasFeature(postposition) ATALA

8. Exemples de règles d’attachement à droite • NP + AP a.AgreeWith(b, {number, gender}) ~b.HasFeature( prenominalAdj) • VP + DP b.IsArgumentOf(a, {directObject}) • PP + DP a.HasFeature(preposition) a.EmptyRight() ATALA

9. Grammaire procédurale • La partie procédurale de la grammaire de Fips comprend : • Un mécanisme de construction de chaînes (mouvement-wh, constructions clitiques dans les langues romanes, etc.) • Un mécanisme de traitement des structures prédicat-arguments (verbes, noms, adjectifs prédicatifs) • La structure argumentale est spécifiée dans l’entrée lexicale (nombre et type des arguments – fonction grammaticale et attributs, par ex. type de la préposition pour un argument de catégorie PP, type de phrase pour un argument S, etc.). ATALA

10. Opérations sur la structure argumentale • Certains processus grammaticaux modifient la structure argumentale d’un prédicat : • Le passif peut être vu comme un processus d’absorption du sujet, soit en syntaxe (anglais, langues romanes, etc.), soit dans la morphologie (hongrois, japonais, latin, etc.). • Constructions causatives En français, la construction faire + Vinf est analysée comme un processus de modification de la structure argumentale du verbe infinitif par l’adjonction d’un argument supplémentaire (le sujet du verbe « faire »), ce qui provoque le reclassement du sujet du verbe infinitif sous la forme d’un objet direct ou d’un objet indirect. Paul corrige cette épreuve Jean a fait corriger cette épreuve à Paul Jean lui a fait corriger cette épreuve ATALA

11. Identification des collocations • Les collocations associent deux unités lexicales qui entretiennent un rapport syntaxique étroit, soit de modification, soit de complémentation. • La procédure de reconnaissance intervient au moment de l’attachement d’un constituant. • Paul est un gros fumeur • Paul a battu son record du saut en longueur • Le mécanisme de chaînage permet d’exprimer la relation entre position de « surface » et position « profonde ». • Le record qu’elle a battu datait d’une dizaine d’années • Ce record, Jean le considère comme difficile à battre ATALA

12. Catalogue des lexiques • lexique monolingue • mots • mots composés (mots contigus) • lexique des collocations • combinaison arbitraire et récurrente de mots, non nécessairement adjacents, nombreuses configurations syntaxiques • p.e. exercer - profession, république bananière, code de la route • contient aussi les idiomes - avaler la pilule, promettre la lune ATALA

13. Interj Prep Det Adv Conj Schéma conceptuel du lexique monolingue 1 < est réalisé par * Lexème Paradigme flexionnel forme de base « xor » autre forme Nom Verbe Adj Prep Det 1 * type Nom traits Nom type V traits syn traits sem traits Adj type type Variante Mot * varie 1 graphie alternative type variante chaîne orthographique chaîne phonétique Nom Verbe Adj genre nombre pers. temps mode genre nombre 0..1 (0)1..4 0..1 Arg N Arg V Arg Adj fct gram fct thema traits sel fct gram fct thema traits sel fct gram fct thema traits sel association généralisation (est un) composition ATALA

14. Le lexique des collocations • ensemble d'associations binaires d’items lexicaux Item lexical 2 associe ^ Collocation Lexème * chaîne orthographique type (configuration syntaxique) traits de figement • définition récursive de la collocation • permet de prendre en compte des collocations > 2 termes • p.e. tomber en panne sèche, arme de destruction massive ATALA

15. Interface monolingue ATALA

16. Interface monolingue ATALA

17. Interface monolingue - insertion ATALA

18. Interface monolingue - insertion ATALA

19. Interface monolingue - insertion ATALA

20. Interface monolingue - insertion ATALA

21. Interface collocation • pour l'entrée manuelle des collocations • outil d'assistance sophistiqué • 1) analyse de la collocation entrée (Fips) • 2) propose les unités lexicales (base et collocatif) • 3) détermine le type de la collocation • 4) détermine les traits de la collocation ATALA

22. Interface collocation - insertion ATALA

23. Lexiques - quelques chiffres • lexèmes • fr: 40’163 entrées • mots • fr: 237’729 entrées • collocations • fr: 14’091 entrées ATALA

24. Conclusion • L’expérience accumulée avec les différentes versions de l’analyseur Fips a permis d’affiner (et souvent de simplifier) par étapes la structure et l’implémentation de ce modèle d’analyseur, jusqu’à la version actuelle. • Le double choix d’un modèle linguistique abstrait (théorie chomskyenne) et d’une modélisation basée sur la notion d’objets se révèle judicieux pour la réalisation d’un analyseur multilingue. • L’évaluation d’un analyseur syntaxique est une opération difficile, qui n’a pas encore été entreprise pour l’analyseur Fips. En attendant les résultats de la campagne d’évaluation PASSAGE, nous pouvons faire état des quelques chifffres suivants : • > 80% d’analyses complètes (anglais et français) sur des corpus journalistiques ; • ~0,2% de mots inconnus (hors noms propres) ; • Temps de traitement : 100-250 mots/seconde. ATALA