Proposition - TALC

Syn2– Synonymie et Syntaxe
Claire Gardent et Evelyne Jacquey
11 mai 2007
1 Objectifs scientifiques
La langue naturelle a une expressivit´e forte qui permet d’exprimer un
mˆeme contenu de diff´erentes fa¸cons. Aussi, les syst`emes de Traitement Au-
tomatique des Langues (TAL) commencent-ils souvent par abstraire des
diff´erences surfaciques en calculant une repr´esentation plus ou moins pr´ecise
du sens des textes i.e., une repr´esentation conceptuelle. Cette repr´esentation
permettra en particulier, d’interpr´eter les synonymes voler et d´erober comme
d´enotant le mˆeme concept.
Dans ce contexte, le projet Syn2vise `a mod´eliser le syst`eme des concepts
´evoqu´es par les verbes du fran¸cais. Plus sp´ecifiquement, il s’agit d’une part,
de d´evelopper une m´ethode permettant d’identifier les concepts li´es aux
verbes et d’autre part, de relier les concepts identifi´es `a un lexique morpho-
syntaxique des verbes du fran¸cais. A moyen terme, cette m´ethode devrait
permettre la cr´eation d’une ressource permettant aux syst`emes de TAL de
raisonner sur le sens des verbes e.g., de d´etecter que la phrase Jean d´erobe
une pomme est une r´eponse `a la question Jean a-t’il pris une pomme ?.
Identifier les concepts li´es aux verbes. Pour le verbe parler, le diction-
naire alphab´etique et analogique de la langue fran¸caise [?] liste les distinctions
de sens et les synonymes suivants :
voler :
1.1.1. s’envoler, planer, voleter, voltiger.
1.1.2. survoler.
1.1.3. flotter, soulever.
1.1.4. courir, se presser, convoler.
1.1.5. fuir.
1.2. voler.
2.1.1. s’approprier, butiner (vx),d´erober, faire dispara^ıtre,
1

s’emparer, escamoter, filouter, friponner (vx), marauder, piller,
prendre, ravir, soustraire, subtiliser, barboter(fam.), calotter (fam.),
carotter (fam.), chaparder (fam.), chauffer(vx), chiper, choper,
chouraver (argot), faire, faucher, grapiller,gratter, piquer,
rafler, ratiboiser, refaire, repasser, soulager de,subtiliser,
d´etourner, emmener, eemporter, enlever, kidnapper, brigander (vx),
cambrioler, griveler.
2.1.2. usurper, d´erober.
2.1.3. s’attribuer,copier, plagier.
2.2.1. arnaquer (fam.), cambrioler, carotter, d´elester,
d´epouiller, d´etrousser, d´evaliser, empaumer (vieilli), escroquer,
estamper, flibuster, flouer, gruger, piller, rouler.
2.2.2. exploiter, tromper, arranger, ´ecorcher, empiler, ent^oler,
´etriller, tondre,frustrer.
Intuitivement, un dictionnaire analogique donne donc `a la fois les concepts
associ´es `a un verbe (identification de plusieurs sens possibles) et l’ensemble
des verbes associ´es `a chacun de ces concepts (listes de synonymes).
L’objectif de cette partie du projet est de d´evelopper une m´ethode per-
mettant de fusionner de fa¸con automatique 5 des 7 dictionnaires analogiques
disponibles dans la base des synonymes de l’ATILF `a savoir [?,?,?,?,?]. En
effet, les cinq dictionnaires ne proposent g´en´eralement ni le mˆeme d´ecoupage
en sens, ni le mˆeme ensemble de synonymes. Certains dictionnaires ´etablissent
en outre une relation entre sens et cat´egorie syntaxique (nom, verbe, ad-
jectif), d’autres non. La fusion de plusieurs dictionnaires devrait permettre
d’une part, d’augmenter la couverture (nombre de concepts et de synonymes
identifi´es) et d’autre part, d’am´eliorer la qualit´e du lexique r´esultant (infor-
mation sur les concepts, les synonymes mais ´egalement sur leurs propri´et´es
syntaxiques comme la cat´egorie ou le cadre de sous cat´egorisation).
Relier concepts et lexique syntaxique verbal. Afin de pouvoir acc´eder
aux concepts ´evoqu´es par une phrase, il est n´ecessaire pour un syst`eme de
TAL, de disposer d’un lexique syntaxico-s´emantique reliant mots, informa-
tion syntaxique et information conceptuelle.
Id´ealement, l’entr´ee d’un verbe dans un tel lexique listera l’ensemble des
usages possibles d’un verbe c-`a-d, l’ensemble des paires (sous-cat,syn) o`u
sous-cat caract´erise les arguments r´egis par le verbe et syn est l’ensemble
des synonymes correspondants.
Si un tel lexique n’existe pas pour le fran¸cais `a l’heure actuelle, des tra-
vaux r´ecents ont donn´e lieu `a l’apparition de plusieurs lexiques syntaxiques
librement disponibles `a savoir DicoValence [?], Lefff [?] et SynLeX [?].
2

Ces lexiques visent `a sp´ecifier pour chaque verbe du fran¸cais l’ensemble des
cadres de sous-cat´egorisation permis pour ce verbe. Par exemple, l’entr´ee de
Lefff pour le verbe voler est :
voler v[pred=’voler<suj:sn>’,@avoir,cat=v]
voler v[pred=’voler<suj:sn,obj:sn,obja:`a-sn>’,@avoir,cat=v]
voler v[pred=’voler<suj:sn,obj:sn>’,@avoir,cat=v]
voler v[pred=’voler<suj:sn,obja:`a-sn>’,@avoir,cat=v]
voler v[pred=’voler<suj:sn>’,@avoir,cat=v]
Comme on le voit, ce type de lexique ne contient aucune information
s´emantique et ne permet en particulier, ni de distinguer les diff´erents sens
d’un verbe, ni de les associer aux cadres syntaxiques correspondant (voler-fly
est un verbe intransitif i.e., sans compl´ement objet tandis que voler-steal est
un verbe transitif).
L’objectif de cette deuxi`eme partie sera donc de mettre au point une
m´ethodologie permettant de compl´eter de fa¸con semi-automatique un lexique
syntaxique du fran¸cais avec une information s´emantique. Plus pr´ecis´ement, il
s’agira de structurer ce lexique en regroupant les entr´ees d’un verbe relevant
du mˆeme concept puis d’associer `a ces entr´ees les synonymes appropri´es.
2 Etat de l’art
Parmi les travaux portant sur le traitement de la synonymie verbale en
fran¸cais, deux grandes approches pour le TAL se d´egagent : DicoSyn et le
module pour le fran¸cais de EuroWordNet
DicoSyn DicoSyn est un dictionnaire de synonymes ´electronique consul-
table en ligne http://elsap1.unicaen.fr/dicosyn.html. Il contient ap-
proximativement 49 000 entr´ees et 396 000 relations synonymiques. Ce dic-
tionnaire est fond´e sur la saisie des relations synonymiques issues de 7 dic-
tionnaires classiques du fran¸cais (Bailly, Benac, Du Chazaud, Guizot, Lafaye,
Larousse et Robert)1. Les relations synonymiques issues de ce premier travail
ont ´et´e regroup´ees et homog´en´eis´ees. Enfin, cette ressource a ´et´e compl´et´ee
d’un cˆot´e par un important travail de correction (adjonction, suppression
de relations synonymiques) et d’un autre cˆot´e par la r´ealisation d’´etudes et
d’outils permettant de visualiser les espaces s´emantiques de chaque mot en
entr´ee du dictionnaire.
1La saisie des donn´ees et la production des fichiers correspondants a ´et´e effectu´ee `a
l’Institut National de la Langue Fran¸caise (INaLF).
3

Le principe de structuration s´emantique des entr´ees de ce dictionnaire
repose d’une part sur la constitution de cliques et d’autre part sur la pro-
jection de ces cliques dans un espace multidimmensionnel et visualis´e par
projection sur les composantes principales. Pour chaque mot, les cliques sont
obtenues en construisant le graphe des relations entre ce mot et ses syno-
nymes dans la ressource issue de la fusion des 7 dictionnaires. Ensuite, la
recherche des sous-graphes complets de ce premier graphe permet d’obtenir
les cliques. Dans un deuxi`eme temps, la projection des cliques obtenues dans
un espace mutlidimensionnel et leur visualisation permet de faire ´emerger les
diff´erents sens d’un mot-vedette, chacun d’eux ´etant repr´esent´e par une ou
plusieurs cliques regroup´ees par la projection. Ainsi, pour l’entr´ee du mot
maison, Ploux et Victorri font ´emerger plusieurs sens parmi lesquels ”ba-
raque”, ”serviteur”, ”habitation”, ”foyer”, ”famille”. Chacun de ces sens est
rep´erable sous la forme de cliques, autrement dit sous la forme de regroupe-
ment de mot-formes. Le sens de ”serviteur” par exemple regroupe les mots
domesticit´e, gens, domestique, etc alors que le sens de ”habitation” regroupe
abri, toit, domicile, demeure, logement, etc.
Si DicoSyn permet de se faire une id´ee synth´etique de la structure s´e-
mantique d’un mot du fran¸cais, la d´etermination de la structure s´emantique
d’un mot d´epend de la capacit´e du chercheur `a comprendre la projection dans
un espace multidimensionnel et sa visualisation en composantes principales.
Les concepteurs de la ressource soulignent eux-mˆemes que les r´esultats varient
beaucoup en fonction des plans de projection choisis pour la visualisation.
Par ailleurs, DicoSyn ne permet ni d’avoir acc`es aux synynoymes d’un
verbe, ni d’en connaitre la sous-cat´egorisation. En effet, la proc´edure infor-
matique utilis´ee pour obtenir les cliques, perd les distinctions cat´egorielles,
les nuances s´emantiques ainsi que la structuration en sens pr´esente dans les
ressources initiales. Autrement dit, les relations de synonymie sont ´etablies
entre des mot-formes et non entre des lexies (appariement univoque forme-
sens). Enfin, les distinctions cat´egorielles ´etant perdues, il est difficilement
envisageable d’exploiter cette ressource dans la perspective de constituer un
lexique syntaxique et s´emantique.
EuroWordNet et son module pour le fran¸cais Construit dans le cadre
du consortium EuroWordNet, le module WordNet pour le fran¸cais (FR-
EWN) compte 18 777 entr´ees r´eparties en 14 879 entr´ees nominales et 3
898 entr´ees verbales. Chaque sens de chaque entr´ee ´etant repr´esent´e par un
”synset” (ensemble de sens synonymes), ce module contient 24 499 sens de
substantifs, soit 1,65 sens par entr´ee nominale en moyenne, et 8 310 sens de
verbes, soit 2,13 sens par entr´ee verbale en moyenne.
4

Le mode de constitution de ce module fran¸cais a ´et´e sensiblement le mˆeme
que pour l’ensemble des autres langues repr´esent´ees dans le consortium EWN
(allemand, espagnol, hollandais, tch`eque, etc) : d’une part, on a d´efini des
hi´erarchies conceptuelles de haut niveau ; d’autre part, on a cherch´e `a faire
´emerger `a partir de donn´ees attest´ees (dictionnaires, corpus) les sens, les
lex`emes et les concepts correspondants. Le r´esultat de ces recherches a permis
de produire le module FR-EWN qui est commercialis´e par ELDA.
Le module fran¸cais de EuroWordNet documente donc entre autre, les
relations de synonymies entre verbes du fran¸cais. N´eanmoins, il pr´esente
plusieurs lacunes. Premi`erement, c’est une ressource commercialis´ee et ex-
ploitable via le logiciel Polaris, format propri´etaire. Deuxi`emement, on peut
souligner l’h´et´erog´en´eit´e de la finesse du d´ecoupage s´emantique et de la cou-
verture linguistique de cette ressource [?] : certaines entr´ees comportent des
distinctions de sens trop pr´ecises alors que d’autres champs conceptuels sont
tout simplement absents. Troisi`emement, comme le dictionnaire DicoSyn, le
module fran¸cais d’EuroWordNet, ne fait aucun lien avec la syntaxe.
R´esum´e et motivations pour une nouvelle exp´erience En r´esum´e, ni
DicoSyn, ni FR-EWN ne fournissent une base satisfaisante pour le trai-
tement automatique de la synonymie verbale. DicoSyn traite des formes
plutˆot que des lexies et FR-EWN pr´esente une granularit´e de sens tr`es
irr´eguli`ere. En outre, les deux approches ´echoue `a faire le lien entre syntaxe
(sous-cat´egorisation) et s´emantique (synonymes).
Face `a ce constat, et dans la mesure o`u le besoin d’une ressource synony-
mique en fran¸cais existe notamment dans la communaut´e du TAL, nous nous
proposons de d´efinir et mettre au point une m´ethodologie de constitution de
ressource qui prend pour point de d´epart la base des synonymes de l’ATILF.
3 M´ethodologie et Programme de travail
Le travail prendra pour base trois ressources pour le TAL, `a savoir, la base
des synonymes de l’ATILF, le TLFI et les lexiques syntaxiques disponibles (
Lefff,SynLeX et DicoValence).
Les m´ethodes utilis´ees sont des m´ethodes statistiques coupl´ees avec une
validation manuelle `a travers une interface de validation conviviale et multi-
utilisateurs (service web).
Le programme de travail se d´ecompose en deux grandes phases corres-
pondant aux objectifs sp´ecifi´es dans la section 1.
5