Introduction
Les locuteurs natifs d’une langue ne se rendent pas compte que l’utilisation d’un certain mot
provoque souvent l’utilisation d’un autre, et que ce processus permet de produire une
expression correcte et naturelle. C’est dans l’étude et le traitement informatique d’un cas
particulier de ce phénomène que se situe notre travail a été effectué au sein de l’équipe
GETALP2 (LIG) dans le cadre d’un projet de recherche de M2R d’informatique (MoSIG).
Ce projet s’inscrit dans la suite logique de mon travail de recherche qui a été préparé lors d’un
TER de M1 informatique durant lequel j’ai travaillé avec C. Ramisch3 et C. Boitet4 sur
l’extraction des expressions polylexicales en espagnol. Il s’agit d’un sujet très vaste qui
comporte un grand nombre de défis en TAL. Durant ce projet de M2R, l’intérêt se porte sur
un sous-domaine difficile et important, l’extraction des constructions à verbe support (CVS)5.
Les constructions de ce type correspondent à une structure linguistique formée par un verbe
sémantiquement vide et un nom qui rempli la fonction de prédicat de la phrase, par exemple,
faire une promenade ou faire un voyage. Les CVS jouent un rôle important dans les
nombreuses applications dont les plus importantes sont la traduction automatique, la
recherche et l’extraction d'informations, les systèmes de questions-réponses et la génération
de texte (Laporte et al., 2008). De la même manière, ils ont une fréquence d’apparition élevée
dans la langue espagnole (Alvariño, 1999).
Cependant, le choix du verbe pour un nom est complexe et présente des problèmes. Par
exemple, il y a peu d'éléments dans les sens des verbes donner, faire ou prendre qui nous
indiquent la raison pour laquelle nous devons dire faire un pas et non pas *donner un pas. Ce
caractère arbitraire est un des facteurs qui rend le traitement automatique de ces constructions
complexe, que ce soit en analyse ou en génération.
Ce document est structuré en 4 chapitres. Dans le 1er chapitre, nous ferons un état de l'art sur
les notions de base issues de la lexicographie computationnelle moderne, et notamment de la
théorie sens-texte et des fonctions lexico-sémantiques, ainsi que sur les ressources existantes
dont on verra qu'elles sont très pauvres, à part des listes présentes dans des dictionnaires
traditionnels, mais non directement exploitables.
Dans le 2ème chapitre, nous exposerons des travaux récents sur le comportement syntaxique et
sémantique des CVS, spécifiquement pour l’espagnol. Il est intéressant, et un peu surprenant
d’ailleurs, qu’ils n’adhèrent pas toujours aux hypothèses généralement admises par la
communauté du TAL, ce qui montre peut-être une certaine spécificité de l’espagnol par
2 Groupe d'Étude pour la Traduction/le Traitement Automatique des Langues et de la Parole
http://getalp.imag.fr/xwiki/bin/view/Main/
3 Carlos Ramisch – Maître de conférences à l’Université Aix-Marseille et chercheur à l’équipe TALEP du LIF. Sa recherche porte
sur l'acquisition des expressions polylexicales (EPL) pour les applications de traitement du langage naturel. Il a travaillé dans le
domaine de la linguistique computationnelle depuis 2006.
4 Christian Boitet - Professeur à l'Université Joseph Fourier (Grenoble 1), UFR IMA et co-directeur de l’équipe GETALP du LIG.
Les thèmes de sa recherche concernent la traduction automatique (TA) de l'écrit et de l'oral, le traitement automatique des langues
naturelles (TALN), les langages spécialisés et les environnements pour la TA, ainsi que l'informatique théorique (automates, langages,
décidabilité).
5 La terminologie de ces verbes est variée : light verb (Jespersen, 1965), funktionsverb (Von Polenz, 1963), predicado
complejo (Zarco, 1998).