Serge Fleury Web : Recherche, enseignement, Galerie virtuelle

Chapitre 7

"Cet écran où mon regard bute, tout en persistant à y voir de l'air, ne serait-ce pas plutôt l'enceinte d'une densité de plombagine ? Pour tirer cette question au clair j'aurais besoin d'un bâton ainsi que des moyens de m'en servir (...). Mais l'époque des bâtons est révolue."

"L'innommable", Samuel Beckett, Ed. de Minuit.

Des arbres aux prototypes : vers une classification dynamique

7.1. Acquisition de connaissances à partir d'un corpus

"Le point de départ de toute description est la reconstruction des classes sémantiques au cours de la lecture du corpus."

(Rastier 1994)

Nous nous plaçons ici dans le cadre de travail mis en oeuvre par (Habert & Nazarenko 1996). Dans ce cadre, il s'agit de simplifier des groupes nominaux complexes fournis par un outil d'extraction terminologique, LEXTER (Bourigault 1993), pour obtenir les arbres élémentaires montrant les relations syntaxiques fondamentales d'un corpus. Ce processus d'acquisition de connaissances est testé sur un corpus médical. Les savoirs extraits sont des arbres d'analyse fournis par un outil d'extraction terminologique (Lexter, Bourigault 1993), ces arbres étant ensuite simplifiés dans le but de déterminer les arbres de dépendance élémentaire qu'il est possible d'associer aux entrées lexicales (Cyclade, Habert & Nazarenko 1996). Ce travail vise à établir les fonctionnements d'une entrée lexicale dans le corpus, et en particulier à mettre en avant ce que cette entrée peut tisser comme liens avec les différentes entrées lexicales présentes dans le corpus. Il vise aussi à établir des classes de comportements syntactico-sémantiques que l'analyse du corpus peut révéler. Notre travail s'inscrit dans une reprise de l'approche harrissienne (Sager & al. 1987, Habert & Nazarenko 1996) : en fait la détermination de classes d'opérateurs et d'opérandes par le fonctionnement linguistique. Notre travail s'articule autour de trois éléments : un problème, un corpus et un outil informatique.

7.1.1. Un Problème

Le problème à résoudre consiste à définir les fonctionnements lexicaux qu'il est possible d'attacher aux mots dans le cadre d'un analyseur à mots. Il s'agit d'une part de déterminer ces comportements lexicaux et d'autre part de les représenter. Notre démarche vise à mettre en lumière dans des domaines restreints les comportements des mots ainsi que les corrélations multiples qui existent entre les mots dans un flot continu de discours. Elle consiste en quelque sorte à "faire-émerger" ces comportements des mots puis à les représenter ou affiner les représentations existantes. L'hypothèse suivie ici étant qu'il y a peu de sens à vouloir faire de l'acquisition sémantique en dehors d'un sous-langage.

7.1.2. Un Corpus

La langue présente trop de variations pour pouvoir être appréhendée globalement. Ces variations se retrouvent le plus souvent au niveau des mots où elles sont plus directement accessibles. Notre travail de représentation et de classement s'appuie sur une recherche initiale au niveau des mots des régularités et des redondances d'utilisation dans des corpus donnés. Les processus de représentation et de classement commencent leur travail à partir de ces informations en sachant que des ajustements seront toujours possibles sur les résultats construits. Notre tâche vise donc à s'élever du particulier au général et à procéder à des regroupements pour y découvrir les faces cachées derrière les détails. Puisque la hiérarchie est un artifice, utile d'ailleurs pour classer les choses, nous ne nous imposons pas un classement prédéfini des savoirs à représenter, mais nous choisissons une démarche qui tente de reconstruire ce classement en tenant compte des informations délivrées par le travail d'extraction de savoirs à partir de corpus. La phase de représentation utilise des savoirs extraits à partir du corpus constitué dans le cadre du projet MENELAS (Zweigenbaum 1994, Zweigenbaum & al. 1995) pour la compréhension de textes médicaux. Ce corpus est utilisé par le Groupe de Travail Terminologique et Intelligence Artificielle (PRC-GDR Intelligence Artificielle, CNRS). L'unité thématique de ce corpus a trait aux maladies coronariennes. L'apprentissage sur corpus réalisé vise à repérer les arbres de dépendances élémentaires entre mots (relations opérateur-opérande) et les contraintes sur les combinaisons de ces arbres.

7.1.3. Un Outil Informatique

On a déjà vu que la PàP peut être considérée comme un outil de représentation privilégiée pour la représentation de domaines de savoirs pour lesquels on ne dispose pas de catégories bien précises. Si les savoirs à représenter ne sont pas connus de manière définitive, il est possible de commencer le processus de représentation en utilisant les savoirs déjà recensés puis d'affiner dynamiquement les objets construits dès que de nouveaux savoirs sont disponibles. A la limite, cette démarche de représentation n'a pas à se préoccuper de la forme terminale des objets à construire. Elle peut démarrer à partir d'une structure vide qui sera mise à jour dès que des informations sont disponibles. La représentation avec des prototypes n'est pas un processus qui capte globalement les savoirs sur un domaine donné et qui construit une structure définitive pour représenter ces savoirs. Il s'agit au contraire de mettre à jour progressivement tous les savoirs pertinents pour affiner le domaine à représenter. Cette redéfinition continuelle des objets à construire ne ressemble donc en rien à un programme qui serait stocké dans un répertoire d'alternatives potentielles, mais dépend des informations reçues "au fil de l'eau". Cette flexibilité de la PàP rend possible une mise en oeuvre du processus de représentation sur des domaines de connaissances qui peuvent évoluer. La démarche qui va être suivie vise à construire des structures de représentations d'unités lexicales initialement sous-déterminées et qu'il conviendra ensuite d'enrichir.

7.2. Situation effective par rapport au travail de Harris

Une approche à la Harris débouche sur la mise en évidence de classes d'opérateurs et de classes d'arguments, qui sont supposés fortement liées aux notions et relations du domaine considéré : peut-on y voir là une solution pour l'acquisition automatique de connaissances à partir de corpus et à termes pour la construction d'ontologies? Nous verrons infra qu'il convient de rester prudent sur ce point (Habert & al. 1996). Notre travail se situe dans un courant de linguistique expérimentale et utilise une approche symbolique, celle des sous-langages. Ce travail vise à caractériser syntaxiquement et sémantiquement certaines configurations nominales dans un domaine donné. En effet, il est souvent impossible de savoir si une configuration est acceptable ou non si on se place hors du domaine en cause (Habert & al. 1996).

Mise en évidence des comportements des mots d'un corpus pour une automatisation de leur représentation et de leur classement dans un programme de TALN manipulant des prototypes

Notre travail s'inscrit dans une reprise de l'approche harrisienne et vise à automatiser les traitements (de représentation des mots et de leur classement) et à souligner les limites de cette induction de savoirs (un travail d'interprétation manuel semble indispensable).

• 1. Nous limitons notre étude à certaines configurations nominales et plus particulièrement aux séquences du type NAdj (Justeson & Katz 1995). Il s'agit en particulier de rechercher au niveau des mots des régularités et des redondances d'utilisation puis d'évaluer les regroupements obtenus (-> partie 2 chapitre 8 : expérimentations sur corpus).

• 2. Notre tâche vise à automatiser les traitements de représentation des mots (sous la forme de prototypes) puis leur classement : ces traitements sont conçus comme des processus évolutifs i.e. les résultats construits peuvent être affinés dès que de nouveaux savoirs permettent d'améliorer la qualité de ces résultats. Ces traitements sont précédés d'une phase d'extraction de savoirs à partir de corpus. La représentation inductive des mots s'appuie sur les résultats d'analyse fournis par les analyseurs Lexter (Bourigault 1993) et Cyclade (Habert 1995). Le but de ces outils est d'une part d'extraire des savoirs à partir de corpus (Lexter) et d'autre part de simplifier ces savoirs puis de caractériser leurs fonctionnements (Cyclade).

Il est important de souligner que les résultats construits ne sont pertinents que pour les corpus étudiés. Les relations syntactico-sémantiques mises en avant par le travail d'extraction de savoirs sont propres aux corpus examinés, le travail de représentation et de classement des mots sur la base des savoirs reçus est donc lui aussi complètement dépendant de ces corpus. Si on peut envisager d'élaborer une ontologie à partir des résultats construits (un travail d'interprétation sur les résultats construits reste à définir et à faire), celle-ci ne sera elle aussi pertinente que pour le corpus étudié (Zweigenbaum & al. 1997).

7.3. Extraction des fonctionnements lexicaux : LEXTER et ZELLIG

7.3.1. Buts : retrouver les fonctionnements lexicaux

Pour construire une représentation des savoirs lexicaux, on utilise des résultats d'analyse fournis par des outils d'analyse : Lexter et Cyclade. Le but de ces outils est d'une part d'extraire des savoirs à partir de corpus (Lexter) et d'autre part de simplifier ces savoirs puis de caractériser leurs fonctionnements (Zellig).

7.3.2. LEXTER (Bourigault 1993)

Lexter prend en entrée des textes longs et produit des arbres d'analyses de séquences nominales en décomposant ces séquences en Tête (T) et Expansion (E), de manière récursive. Sur la séquence "stenose de le tronc commun gauche", on obtient l'analyse suivante.

[T [T stenose] [E severe]][E de le [T tronc][E commun]][E gauche]

Figure 7.1 : "stenose severe de la tronc commun gauche".

Il est important de souligner que la démarche de Lexter est endogène c'est à dire que le travail d'analyse s'appuie uniquement sur les résultats d'analyse déjà construits pour analyser de nouvelles séquences.

Si le corpus contient la séquence "angine de poitrine instable", on a deux analyses possibles pour cette séquence :

(1) [angine de poitrine] instable

(2) angine de [poitrine instable]

Lexter prend appui sur les séquences déjà analysées pour produire une analyse de cette séquence. Si on a la séquence "angine de poitrine" et que l'on n'a pas "poitrine instable" :

angine de poitrine existe

poitrine instable n'existe pas

Lexter produira l'analyse (1).

7.3.3. ZELLIG (Habert & al. 1996)

7.3.3.1. Buts

• Simplifier les arbres d'analyses fournis ici par LEXTER

• Mettre en évidence les relations élémentaires de dépendance entre mots pleins

7.3.3.2. Simplification d'arbres d'analyse

Le logiciel ZELLIG (Habert & al. 1996) a pour tâche de simplifier les arbres d'analyse fournis ici par Lexter et de mettre en évidence les arbres qui présentent des relations élémentaires de dépendance entre mots pleins. Pour le travail d'extraction des arbres élémentaires, un certain nombre d'arbres abstraits (sans terminaux) sont déclarés comme élémentaires. On crée une table d'arbres de ce type. Sont considérés comme élémentaires les arbres mettant en évidence une relation binaire entre deux mots pleins, nom ou adjectif, dans des schémas comme, par exemple, N Prep N ou N Adj. Ces dépendances associent à un élément gouverneur (nommé tête) soit un argument soit un circonstant."Les dépendances élémentaires ainsi définies n'ont pas forcément de réalisation effective dans le corpus mais ils correspondent à des relations de dépendance vérifiées dans les arbres d'analyse, si l'on passe par une représentation logique de ces arbres et de ces dépendances élémentaires" (Habert & al. 1996).

Sur notre exemple d'arbre fourni par Lexter, celui-ci est d'abord transformé en un arbre syntagmatique via le transducteur FRT (Habert & Bourigault 1996). Les Symboles non-terminaux sont numérotés pour pouvoir y faire référence.

Figure 7.2 : Un arbre syntagmatique.

Le programme Cyclade (Habert & Nazarenko 1996) est ensuite chargé de déterminer les arbres élémentaires via un filtrage de quasi-arbres (Habert & Folch 1996). Il met à jour des arbres élémentaires qui ne sont pas directement présents dans l'arbre de départ. Au total, les dépendances élémentaires mises à jour sont les suivantes :

Figure 7.3 : Cyclade : simplifications des arbres d'analyse.

7.3.4. Difficultés pour extraire des arbres "élémentaires"

L'apprentissage à partir de savoirs extraits sur corpus et le travail de caractérisation de ces savoirs posent des problèmes majeurs pour la représentation des fonctionnements lexicaux.

7.3.4.1. Les arbres d'analyse produisent des arbres "élémentaires" non pertinents

Si on dispose dans le corpus des séquences,

N coronaire droite et N coronaire

(où N n'est pas un nom d'artère)

l'analyse proposée par Lexter est la suivante :

Figure 7.4 : [occlusion coronaire] droite

On obtient donc par élimination du modifieur l'arbre élémentaire :

Figure 7.5 : occlusion droite

Or "droite" dans la séquence précédente est un modifieur de l'adjectif dénotant une artère. L'analyse à considérer est donc la suivante :

Figure 7.6 : occlusion [coronaire droite]

7.3.4.2. Imprévisibilité des contraintes sur les combinaisons d'arbres

• artère et infarctus entrent dans des relations de localisation qui se réalisent de manières distinctes :

artere {coronaire circonflexe diagonal...}, infarctus {anterieur inferieur apical}

• Proximités de contextes entre adjectifs...

coronaire et coronarien partagent des contextes :

Figure 7.7 : coronaire-coronarien

• Mais ces deux mots ont des modes de combinaison divergents

coronarien est associé à des adjectifs évaluatifs {severe, significatif, important}, coronaire ne l'est pas.

La figure 7.8 met en avant la diversité des combinaisons d'arbres réalisées sur une même (sous) famille de mots.

7.3.4.3. Imprévisibilité des comportements lexicaux

Le travail d'extraction confirme le fait que les comportements lexicaux ne suivent pas des parcours uniformes sur des entités de même catégorie. Et surtout qu'il est difficile de les prévoir. D'une part les mêmes comportements lexicaux ne se réalisent sur tous les mots d'une même catégorie, ils se distribuent sur des sous-familles particulières. D'autre part, ces comportements ne se réalisent de manière uniforme sur les différentes familles de mots d'une même catégorie. Sur telle famille de mots, un comportement se réalise d'une manière qui est différente de sa réalisation sur une autre famille.

Figure 7.8 : Les comportements des mots sont imprévisibles

La figure précédente présente les comportements qui se réalisent sur certaines familles de mot (des noms) de notre corpus. Les relations rencontrées ne se réalisent pas de manière uniforme sur ces mots : c'est le cas de la relation de localisation qui est soit généralement présente, soit présente sous une forme particulière, soit non présente.

Le travail d'extraction de savoirs à partir de corpus permet d'identifier les valeurs particulières des fonctions lexicales (Mel'cuk 1988) (rencontrées généralement dans la langue) pour un domaine de discours donné. Ces réalisations varient semble-t-il selon les domaines. Ce qu'il est important de souligner ici, c'est que le processus d'extraction puis de simplification des savoirs est conçu comme un processus évolutif. Si sur un état particulier du corpus on obtient des savoirs non pertinents, on peut penser que si le corpus est élargi, les nouvelles séquences analysées permettront d'affiner les savoirs déjà recensés et donc d'éliminer les savoirs non pertinents retenus à la phase précédente (-> partie 2 chapitre 8 : un système qui module les flux d'information).

7.4. Du lexique jaillit un réseau de prototypes

"On remarquera que la convention, partagée par les linguistes, les informaticiens et les quelques mathématiciens qui s'y intéressent, amène à dessiner les arbres comme orientés vers le bas, racine en l'air, à l'envers en somme. Etrange!"

Jacques Roubaud, Mathématique:, Ed. du Seuil 1997.

7.4.1. Définitions préliminaires

Dans la suite nous utiliserons les notations suivantes :

• On appellera arbre élémentaire un arbre associé à une entrée lexicale et qui traduit une relation binaire de dépendance entre mots pleins. Cette unité lexicale étant présente dans l'arbre au niveau de l'une des feuilles.

• On appellera arbre dérivé ou arbre d'analyse un arbre associé à un arbre élémentaire : cet arbre d'analyse est obtenu par des opérations effectuées à partir de l'arbre élémentaire (adjonction, substitution...).

• On appellera catégorie syntaxique ou mineure une des catégories grammaticales traditionnelles telles que Nom, Verbe, Adjectif...

• On appellera prototype d'arbre élémentaire l'objet informatique (le prototype) défini pour représenter un arbre élémentaire.

• On appellera prototype d'arbre d'analyse l'objet informatique (le prototype) défini pour représenter un arbre d'analyse.

7.4.2. Dégager les comportements syntaxiques d'une entrée lexicale

Nous travaillons ici à partir des résultats obtenus par (Habert & Fabre 1995).

On donne donc ci-dessous certains résultats issus du travail réalisé sur le corpus MENELAS et dont on a pu extraire les informations suivantes :

#LESION#

1#(SN (SN NOM) (SPREP PREP (SN NOM)))#

• LESION DE TRONC simplification

arbre complexe lié: LESION DE LE TRONC GAUCHE

• LESION SUR CIRCONFLEXE

arbre complexe lié: LESION SUR LA CIRCONFLEXE DISTALE

2#(SN (SN NOM) (SADJ ADJ))#

• LESION NON-SIGNIFICATIF

• LESION RESIDUEL

• LESION CORONARIEN

arbre complexe lié: LESION CORONARIEN SEVERE

• LESION SIGNIFICATIF

arbre complexe lié: PAS DE LESION SIGNIFICATIF

• LESION SEVERE

arbres complexes liés:

MONTRE DE LES LESION TRITRONCULAIRES SEVERE

LESION ATHEROMATEUX SEVERE

LESION CORONARIEN SEVERE

LESION TRITONCULAIRES SEVERE

• LESION TRITRONCULAIRES

arbres complexes liés:

MONTRE DE LES LESION TRITRONCULAIRES SEVERE

LESION TRITONCULAIRES SEVERE

• LESION COMPLEXE

• LESION DE DIFFUS

• LESION ATHEROMATEUX

arbres complexes liés:

EXISTENCE DE LESION ATHEROMATEUX

EXISTENCE DE LESION ATHEROMATEUX SEVERE

LESION ATHEROMATEUX SEVERE

• LESION IMPORTANT

• LESION MINIME

• LESION DIAGONAL

arbre complexe lié: LESION CORONAIRE DIAGONAL

• LESION CORONAIRE

arbres complexes liés:

EXISTENCE DE UNE LESION CORONAIRE

LESION CORONAIRE DIAGONAL

• LESION CIRCONFLEXE

arbre complexe lié: LESION CIRCONFLEXE DISTALE

• LESION BITRONCULAIRES

arbre complexe lié: EXISTENCE DE LES LESION BITRONCULAIRES

• LESION DISTALE

arbre complexe lié: LESION CIRCONFLEXE DISTALE

• LESION VERTEBRAL

Ces premiers résultats vont permettre une première phase de représentation des informations ainsi révélées : le savoir attaché à cette première entité lexicale va servir de base de travail. Il est clair que nous devons garder à l'esprit qu'il conviendra à coup sûr de revenir sur cette première ébauche de représentation. Notons ACL la famille lexicale regroupant les noms désignant une affection corporelle localisée. Lésion appartient à cette famille. On décide donc de construire un prototype associé à lésion qui porte les attributs habituellement associés à cette entrée lexicale (<- représentations antérieures). On associe de plus à cette entrée la liste des comportements syntaxiques que le corpus a révélés, i.e. les arbres élémentaires et leurs arbres complexes liés. Ces comportements sont attachés à notre prototype via la délégation, l'attribut parent indiquant l'objet qui porte ces comportements. Pour ne pas figer cette représentation, cette assignation est réalisée via un attribut modifiable.

Figure 7.9 : Un prototype pour lesion.

7.4.3. Etendre la représentation en ordonnant les comportements

Si l'on considère maintenant une nouvelle entrée appartenant à la même famille lexicale, dont les arbres élémentaires sont de même nature que ceux associés à lésion, on peut se servir de cette première phase de représentation pour construire une représentation prototypique de cette nouvelle entité.

Famille des affections localisées :

On peut synthétiser les comportements syntaxiques des éléments de cette famille de la manière suivante :

Comp(ACL1) :NACL + (1) DE {artere, tronc}

Comp(ACL2) :NACL + (2) DE {nom d'artère}

Comp(ACL3) :NACL + (3) SUR {nom d'artère}

Comp(ACL4) :NACL + (4) ADJ {adjectif lié à un nom d'artère}

Les prototypes représentant des éléments de cette famille lexicale délègueront donc les comportement syntaxiques associés à cette famille dans l'objet (traits) que l'on peut noter :

{i = 1,2,3, 4; Comp(ACLi)}

Si un des prototypes représentés ne possède pas tous les types de comportement associés à cette famille, il convient de remodeler cette représentation de la manière suivante :

• On factorise les comportements communs que l'on regroupe dans un objet traits donné, et on définit un nouvel objet traits qui porte les comportements résiduels.

• On modifie les liens parentaux entre les prototypes définis et leurs parents respectifs : un prototype donné peut déléguer ces comportements aux deux objets traits ainsi définis ou vers un seul de ces objets traits.

De même, si l'on considère une nouvelle famille d'entités lexicales, on peut, dans un premier temps, entreprendre une première phase de représentation de la même manière que celle que nous avons mise en place pour lesion. Si par la suite, la représentation adoptée met en évidence des parallèles comportementaux entre les deux familles, il reste possible de mettre en commun les comportements syntaxico-sémantiques visés. Il s'agit en quelque sorte de définir des catégories abstraites représentant des comportements partagés par un ensemble d'entités lexicales de manière transversale par rapport à leur famille catégorielle initiale.

Figure 7.10 : Des Comportements et des Prototypes.

7.5. Esquisse d'un réseau de comportements syntaxico-sémantiques hiérarchisés

Dans le cadre de notre analyse automatique utilisant le langage à prototypes Self, nous allons donc utiliser des résultats d'analyses syntaxiques produits par les analyseurs Lexter et Cyclade sur des corpus de langages spécialisés pour associer aux mots (et donc à leurs représentations prototypiques) des contraintes. L'objectif à atteindre dans notre développement de l'analyse automatique avec des prototypes est de trouver, sur un corpus donné, les éléments de savoir linguistique qui vont permettre de définir un système d'interprétation cohérent et maîtrisable; c'est-à-dire les faits et les règles qui peuvent produire, à partir de ce corpus, des éléments utiles pour une analyse automatique de textes.

7.5.1. Une première phase de représentation des informations recueillies sur un corpus donné

On affecte désormais aux prototypes de mot construits leurs comportements syntaxico-sémantiques. On considère pour commencer que l'on récupère des informations sur certaines entités lexicales sous la forme suivante :

pontage Nom (Sn(Det Nom) NPrepN(Nom Prep Nom) AdjN(Adj Nom) NAdj(Nom Adj) PrepN(Prep Nom) ...)

Le travail d'extraction associe au mot pontage de catégorie Nom les arbres Sn(Det Nom) NPrepN(Nom Prep Nom) AdjN(Adj Nom) NAdj(Nom Adj) PrepN(Prep Nom)... Ces informations sont fournies par le traitement d'extraction de connaissances sur un corpus donné suivant le travail présenté supra. Ces informations vont permettre d'enrichir la représentation des prototypes lexicaux définis dans notre cadre de travail : ces derniers ayant à priori peu de savoir sur ce qu'ils sont capables de faire; ils ne disposent pas, par exemple, de savoir sur les structures syntaxiques dans lesquels ils peuvent être insérés. A la différence de ce que nous faisions précédemment, il ne s'agit plus de pré-déterminer et d'encoder "à la main" les savoirs syntaxiques que l'on peut attacher aux mots. Il s'agit au contraire d'utiliser les savoirs recueillis sur des séquences présentes dans un corpus et de les affecter aux entités prototypiques concernées.

Association automatique des comportements syntaxiques aux prototypes lexicaux

Ces informations sont donc affectées aux prototypes visés par ces contraintes de la manière suivante :

• A partir de la description précédente du mot pontage, on affecte automatiquement au prototype représentant ce mot les comportements qui lui sont associés : les arbres Sn, NPrepN... sont associés au mot pontage. On associe donc au prototype lexical pontage les prototypes d'arbres Sn, NPrepN...

Figure 7.11 : Les prototypes apprennent peu à peu.

Il convient de préciser que cette première phase de représentation maintient pour le moment la prédéfinition des savoirs syntaxico-sémantiques pour des représentations prototypiques de catégories syntaxiques représentant des "groupes de mots" : les prototypes Sn, NPrepN... disposent d'un savoir syntaxico-sémantique qui a été encodé à l'image de ce que nous avons déjà présenté. Nous verrons infra comment la génération automatique de prototype d'arbre nous permettra de ne pas utiliser de savoirs préconstruits (-> automatisation des traitements de génération de prototypes de mots et d'arbres).

7.5.2. Construction d'une hiérarchie approximative

Le schéma précédent ne tient pas compte de ce que nous avons présenté supra concernant le partage des savoirs syntaxiques communs à un ensemble de prototypes donnés. Il manque pour cela une phase de travail capable d'évaluer les similitudes de comportements entre les entités représentées.

Dans l'exemple qui suit, on dispose au départ des descriptions textuelles des mots pontage et lesion. On affecte donc aux prototypes lexicaux concernés leurs comportements. On cherche ensuite si ces deux prototypes lexicaux possèdent des comportements communs. Si tel est le cas, les comportements partagés par ces deux prototypes lexicaux sont affectés automatiquement à l'objet existant qui porte déjà leurs comportements partagés (mise à jour de l'attribut arbre élémentaire dans l'objet Traits N).

• Phase 1 : Lecture des contraintes, vérification de l'existence des prototypes catégoriels ou création de ceux-ci.

• Phase 2 : Attribution des arbres élémentaires aux prototypes de mot.

• Phase 3 : Classement automatique des prototypes de mot en fonction de leurs comportements, mise en place d'un héritage local de comportements.

Figure 7.12 : Les prototypes s'organisent peu à peu.

7.5.3. Illustration avec Self

Nous présentons en annexe (-> annexe partie 2 chapitre 7) une trace de l'exécution des opérations décrites ci-dessus. Dans l'exemple donné, on exécute une réorganisation des savoirs associés aux prototypes représentant la catégorie des Noms. On fait tout d'abord une recherche de tous ces prototypes et de leurs contraintes respectives. Puis on détermine les comportements communs : une classe de comportements partagés par tous les prototypes qui disposent de contraintes. Cette classe pourra ensuite être associée à l'objet Traits commun à tous ces prototypes. Les prototypes qui ne disposent pas de contraintes à l'issue de la définition de celles-ci disposeront ainsi d'un savoir par défaut. Cela ne veut pas dire que ce savoir sera utilisé pour les entités qui ne disposent pas de contraintes particulières. Il s'agira simplement de marquer que sur une famille donnée, certains prototypes possèdent des contraintes et que ces savoirs sont disponibles mais ne sont pas utilisables pour tous les éléments de la famille.

7.5.4. Hiérarchie mouvante et apprentissage

Si la représentation prototypique d'une entrée lexicale n'est pas affectée par le travail d'extraction de connaissances sur le corpus donné, il va être possible de vérifier que les comportements hérités, via le partage défini dans cette phase d'apprentissage de comportements par défaut, sont valides ou non pour cette entité. Dans le premier cas, on peut avoir une confirmation d'un savoir construit par défaut, dans le second cas, on peut envisager que cet apprentissage implique une réorganisation des savoirs représentés : suppression du partage (globalement ou localement) pour cette entité, mise en place d'une hiérarchisation plus fine des comportements qui tienne compte des particularités mises à jour pour cette entité.

Figure 7.13 : Les représentations se développent par apprentissage et organisation des savoirs.

7.6. Automatisation des traitements de représentation des mots et des arbres

Approches d'un dispositif de génération automatique de prototypes de mot et de prototypes d'arbre à partir de savoirs extraits sur corpus.

7.6.1. Construire les représentations à la demande

Puisqu'il n'est pas possible de prédéterminer ce que peuvent être les informations fournies par la phase d'extraction de savoirs à partir de corpus, le dispositif doit permettre une génération automatique de représentations des informations reçues (mot, catégorie...). Le dispositif doit pouvoir désormais se passer des représentations prédéfinies d'unités de langue, il doit les créer de toutes pièces si nécessaire puis les multiplier.

En reprenant notre exemple précédent :

(1) pontage Nom (Sn(Det Nom) NPrepN(Nom Prep Nom) AdjN(Adj Nom) NAdj(Nom Adj) PrepN(Prep Nom) ...)

la phase d'extraction d'informations sur le corpus va produire une suite de contraintes telles que celles associées à pontage dans (1); ce qui va conduire ensuite à associer au prototype lexical représentant le mot pontage la liste des prototypes représentant les catégories syntaxiques présentes dans la liste des contraintes associées à pontage dans (1). Cette association ne posera pas de problèmes si les prototypes associées à ces catégories syntaxiques sont déjà définis. Dans le cas contraire, on ne peut que produire une erreur. Pour pallier ce manque éventuel de prédéfinition de prototypes représentant une catégorie syntaxique donnée, il semble raisonnable de disposer d'un générateur de prototypes capable de produire à la volée un objet capable de représenter une catégorie syntaxique non encore représentée.

Sur ce point, on retrouve un point fondamental déjà énoncé concernant le problème fondamental de l'analyse automatique dans un univers prototypique et plus précisément la nécessité d'aller vers un effacement progressif de la notion habituelle de grammaire telle qu'elle est utilisée dans l'analyse automatique. Notre approche se situe en effet dans une perspective où l'analyse automatique reconstruit une grammaire en fonction des informations rencontrées; et non dans une perspective où l'analyse automatique se contente d'opérer la vérification d'une grammaire donnée. On part de rien (les représentations prototypiques initiales sont minimales) et on reconstruit des représentations ou on les affine en fonction des savoirs mis à jour. En particulier, il s'agit aussi de reconstruire une grammaire, en fait un prototype de grammaire qui, du fait de l'approche retenue ici, n'existera pas au démarrage de l'analyse, mais se révèlera en fin d'analyse.

7.6.2. Génération automatique de prototypes

On a donc mis en place dans les phases de traitements des contraintes telles qu'elles sont présentées dans les figures précédentes, une étape de création "à la volée" (i.e. automatique) de prototypes si on rencontre une catégorie syntaxique non encore représentée. Ces nouveaux objets seront créés soit en utilisant les représentations existantes, soit de toutes pièces.

7.6.2.1. Génération par création explicite d'un nouvel objet

On peut ainsi être contraint de construire de toutes pièces une représentation prototypique d'une catégorie donnée. On dispose pour cela d'un opérateur capable de produire une représentation qui tienne compte des informations fournies (nom de la catégorie, constituants éventuels...).

• Génération à la volée (i.e. automatique) de prototypes par création explicite d'un nouvel objet

Si la catégorie d'une unité lexicale n'est pas encore représentée, on définit les objets pour la représenter avec les attributs adéquats. Dans l'exemple qui suit, si le mot pontage ne possède pas encore de représentation prototypique et si la catégorie des noms n'est représentée par aucun prototype, on construit de toutes pièces une nouvelle représentation prototypique de cette nouvelle famille catégorielle en utilisant les informations associées à ce premier élément de cette famille.

Figure 7.14 : Génération à la volée de prototype catégoriel.

Si les arbres élémentaires associés à pontage ne possèdent pas encore de représentation prototypique (si la catégorie syntaxique tête d'un arbre élémentaire n'est pas encore représentée), le générateur d'arbre construit automatiquement des structures pour représenter ces arbres en tenant compte des informations fournies (nombre de composants, position des composants...).

Figure 7.15 : Génération à la volée de prototypes d'arbre élémentaire.

Dans la figure précédente, le prototype N1PrepNPivot représente l'arbre N1 Prep N2 dans lequel le Nom en position N2 est le pivot de l'arbre à construire.

• Génération à la volée (i.e. automatique) de prototypes d'arbres d'analyse par création explicite d'un nouvel objet

De même, si les arbres d'analyse associés à pontage ne possèdent pas encore de représentation prototypique (si la catégorie syntaxique tête d'un arbre d'analyse n'est pas encore représentée), le générateur d'arbre construit automatiquement des structures pour représenter ces arbres en tenant compte des informations fournies (nombre de composants, position des composants...).

Figure 7.16 : Génération à la volée de prototype d'arbre d'analyse.

7.6.2.2. Génération par clonage et ajustements

On dispose aussi des outils habituels dans un environnement de programmation qui manipule des prototypes pour mettre en oeuvre la génération de nouveaux prototypes, à savoir l'opération de clonage pour dupliquer les objets concernés puis les opérations qui permettent d'ajuster les valeurs des attributs d'un objet donné (ajouter des attributs, en retirer, ajuster leurs valeurs...).

• Génération à la volée (i.e. automatique) de prototypes par clonage et ajustements :

Si le mot "effort" n'a pas encore de représentation prototypique, on utilise le clonage (sur une entité existante et de même catégorie) puis l'ajustement pour le représenter.

Figure 7.17 : Génération à la volée de prototype par clonage et ajustement.

On donne en annexe (-> annexe partie 2 chapitre 7) une trace de l'exécution de cette nouvelle phase de génération de prototypes.

7.6.3. Une construction inductive des savoirs et une classification dynamique de ces savoirs

La génération de prototypes s'appuie sur les savoirs recueillis pour construire des représentations prototypiques adéquates. Notre prototype de grammaire va donc se construire à partir des informations attachées aux mots. Tout le savoir associé aux formes lexicales va permettre de construire par induction un prototype de grammaire dépendant des informations attachées aux mots et donc au corpus initial qui a servi de base pour l'extraction des informations utilisées ici.

7.6.3.1. Construire un prototype de grammaire lexicalisée

La phase d'extraction de savoirs sur le corpus fournit des éléments d'information sur des entités lexicales déjà catégorisées; ces éléments d'information peuvent d'ailleurs être des formes de savoir abstrait (on ne restreint pas le savoir attaché aux mots à de simples relations entre formes lexicales). Nous souhaitons en fait, grâce à ces éléments reçus en amont de la représentation, pouvoir tenir compte du fait que dans cette représentation, certains éléments peuvent se construire par introspection et d'autres non. Les informations initiales que nous manipulons ont pour le moment l'allure suivante :

#Dc

pontage

Nom

(('Det' & 'Nom') asList)

NPivotprepN2

(('NomPivot' & 'Prep' & 'Nom') asList)

N1prepV

(('Nom' & 'Prep' & 'Verbe') asList)

AdjN

(('Adj' & 'Nom') asList)

NAdj

(('Nom' & 'Adj') asList)

NAdj

(('Prep' & 'Nom') asList)

N1NPivot

(('Nom' & 'NomPivot') asList)

Fc#

Dans cet exemple le mot pontage de catégorie Nom est associé aux arbres élémentaires Sn, NPivotprepN2, N1prepV, AdjN, NAdj, NAdj, N1NPivot. A chacun de ces arbres élémentaires, on associe la liste de ses composants: (('Det' & 'Nom') asList), une liste en Self, associée à Sn... Il est clair que ce savoir initial demande à être complété par des informations supplémentaires. On peut par exemple y adjoindre des informations morphologiques, sémantiques... sur les mots (<- génération automatique de prototypes) et tout type d'information pertinente pour la description du mot à représenter. On peut ainsi y ajouter les informations qui indiquent que tel arbre élémentaire est associé à tel(s) arbre(s) complexe(s), en indiquant l'historique de la dérivation permettant de passer de l'un à l'autre (Habert & Gaussier 1997).

#Dc

pontage

Nom

(Description morphologique)

Masc

Sing

...

(Informations sémantiques...)

...

(('Det' & 'Nom') asList)