Complexité syntaxique et flux de dépendance : études quantitatives dans les treebanks universal dependencies

Syntactic complexity and depedency flux : quantitative studies in universal dependencies treebanks

• Auteur / Autrice : Chunxiao Yan
• Direction : Sylvain Kahane
• Type : Thèse de doctorat
• Discipline(s) : Sciences du langage : traitement automatique des langues
• Date : Soutenance le 01/12/2021
• Etablissement(s) : Paris 10
• Ecole(s) doctorale(s) : École doctorale Connaissance, langage, modélisation (Nanterre, Hauts-de-Seine ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire MoDyCo (Nanterre)
• Jury : Président / Présidente : Kim Gerdes
• Jury : Examinateurs / Examinatrices : Sylvain Kahane, Kim Gerdes, Philippe Blache, François Lareau, Marie-Hélène Candito, Marie Catherine De Marneffe
• Jury : Rapporteurs / Rapporteuses : Philippe Blache, François Lareau

Mots clés

Mots clés contrôlés

Traitement de l'information (psychologie)

Complexité (linguistique)

Mémorisation

Langage

Métrique et rythmique

Traitement automatique du langage naturel

Syntaxe

Mots clés libres

Syntaxe de dépendance

Complexité syntaxique

Flux de dépendance

Métrique

Mémoire de travail

Universal dependencies treebanks

Dépendency syntax

Syntactic complexity

Dependency flux

Metrics

Working memory

Universal dependencies treebanks

Résumé

Nous nous intéressons à la complexité syntaxique et aux contraintes liées à la mémoire de travail chez l’humain. La mémoire de travail concerne non seulement la capacité de retenir des informations, mais aussi la capacité de les manipuler temporairement. Elle a été montrée limitée à 7±2 éléments dans Miller (1956) et est aujourd’hui actualisée autour de 4 selon Cowan (2001). La limitation de la mémoire de travail peut rendre le traitement de certaines structures de phrase difficile voire impossible. Dans cette thèse, nous nous penchons sur trois pistes d’étude : étudier et mesurer la complexité syntaxique sous différentes hypothèses cognitives ; savoir s'il existe des limites à la complexité syntaxique dans les langues naturelles ; comprendre les phénomènes impliqués par les contraintes sur la complexité syntaxique. De ce fait, nous mesurons la complexité syntaxique en utilisant des métriques basées sur le flux de dépendance (Kahane, 2001) dans le corpus. Ces métriques incluent non seulement des métriques devenues classiques comme la longueur de dépendance, des métriques proposées dans des travaux antérieurs (Kahane et al., 2017), mais aussi de nouvelles métriques également basées sur le flux de dépendance ; en se basant sur les résultats donnés par ces différentes métriques sur les plus de 100 langues appartenant à la collection des treebanks Universal Dependencies, nous pouvons déterminer celles qui sont les plus appropriées pour étudier la complexité syntaxique. Nous montrons qu’il existe pour certaines métriques du flux des contraintes universelles, dont nous postulons qu’elles sont liées à la mémoire de travail. Enfin, nous essayons également d'expliquer certains des phénomènes linguistiques observés dans nos données qui impliquent la complexité syntaxique.

We are interested in syntactic complexity and its constraints on human working memory. Working memory requires not only the ability to retain information, but also the ability to manipulate it temporarily. It was shown to be limited to 7±2 elements in Miller (1956) and is now updated to around 4 according to Cowan (2001). The limitation of working memory can make the processing of certain sentence structures difficult or impossible. In this thesis, we focus on three areas of study: studying and measuring syntactic complexity under different cognitive assumptions; finding out if there are limits to syntactic complexity in natural languages; and understanding the phenomena involved in constraints on syntactic complexity. Considering this, we measure syntactic complexity using metrics based on dependency flux (Kahane, 2001) in the corpus. These metrics include not only metrics that have become classic such as dependency length, metrics proposed in previous work (Kahane et al., 2017), but also new metrics also based on dependency flux; based on the results given by these different metrics on the more than 100 languages belonging to the collection of treebanks Universal Dependencies, we can determine which ones are the most appropriate to study syntactic complexity. We show that for some flux metrics there are universal constraints, which we postulate are related to working memory. Finally, we also try to explain some of the linguistic phenomena observed in our data that involve syntactic complexity.