Désambiguïsation lexicale automatique des verbes du français

French verb sense disambiguation

• Auteur / Autrice : Vincent Segonne
• Direction : Benoît Crabbé
• Type : Thèse de doctorat
• Discipline(s) : Linguistique
• Date : Soutenance le 16/12/2021
• Etablissement(s) : Université Paris Cité
• Ecole(s) doctorale(s) : École doctorale Sciences du langage (Paris ; 2019-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de linguistique formelle (Paris) (1972-....)
• Jury : Président / Présidente : Emmanuel Morin
• Jury : Examinateurs / Examinatrices : Benoît Crabbé, Emmanuel Morin, Philippe Langlais, Marianna Apidianaki, Didier Schwab, Marie-Hélène Candito
• Jury : Rapporteurs / Rapporteuses : Emmanuel Morin, Philippe Langlais

Mots clés

Mots clés contrôlés

Sémantique

Syntaxe

Apprentissage profond

Réseaux neuronaux (informatique)

Traduction automatique

Traitement automatique du langage naturel

Mots clés libres

Traitement automatique des langues naturelles

Désambiguïsation lexicale

Wsd

Apprentissage profond

Syntaxe

Natural Language Processing

Word Sense Disambiguation

Wsd

Deep learning

Syntax

Résumé

La désambiguïsation lexicale est une tâche du traitement automatique des langues dont l'objectif est de prédire automatiquement le sens des mots en contexte, à partir d'un inventaire de sens prédéfini. La réussite de cette tâche repose en particulier sur l'utilisation de ressources lexicales et de données annotées en sens. Par ailleurs, le récent essor des méthodes d'apprentissage automatique par réseaux de neurones profonds a grandement amélioré les performances des systèmes de désambiguïsation. Dans cette thèse, nous nous concentrons sur la désambiguïsation des verbes du français, une langue qui ne dispose pas ou peu, à priori, de données utilisables pour cette tâche. Pour commencer, nous faisons un état de l'art des principales méthodes neuronales de représentation du contexte ainsi que des méthodes de désambiguïsation. Puis, nous nous intéressons à la question du rôle de la syntaxe pour la désambiguïsation des verbes. Pour cela, nous commençons par étudier en corpus la potentielle corrélation entre le sens et la structure argumentale des verbes. Nous tentons ensuite de voir si la structure argumentale des verbes est encodée dans les représentations contextuelles issues de réseaux de neurones. Nous proposons également un modèle qui apprend des représentations contextuelles étant données des structures syntaxiques de phrases obtenues à priori par un analyseur syntaxique et nous les testons sur la tâche de désambiguïsation. Enfin, dans la dernière partie de cette thèse, nous abordons le problème de la disponibilité des données pour la tâche de désambiguïsation dans une langue autre que l'anglais en prenant le français pour exemple. Après avoir étudié diverses ressources produites automatiquement, nous proposons d'utiliser Wiktionary, une ressource libre et collaborative sur le modèle de Wikipédia, afin de produire FrenchSemEval le premier corpus d'évaluation pour la tâche de désambiguïsation des verbes du français. Nous testons plusieurs systèmes de désambiguïsation sur ce jeu de données et obtenons les tous premiers résultats pour cette tâche.

Word Sense Disambiguation (WSD) is a Natural Language Processing (NLP) task which goal is to automatically predict the meaning of words in context, based on a predefined sense inventory. The success of this task relies on the use of lexical resources and sense annotated data. Moreover, the recent development of contextual representations based on deep learning neural networks has greatly improved the performance of disambiguation systems. In this thesis, we focus on the disambiguation of French verbs, a language that has little or no viable data for this task. First, we review a state of the art of neural net based contextual representations and disambiguation methods. Then, we investigate the role of syntax for the disambiguation of verbs. To do so, we first perform a corpus study exploring the potential correlation between verbs' argument structures and senses. We then study whether the argument structure of verbs is encoded in contextual representations obtained from attention-based neural networks. We also propose a model that learns contextual representations from syntactic structures of sentences provided a priori by a parser and test them on the disambiguation task. Finally, in the last part of this thesis, we address the problem of data availability regarding the WSD task for any other language than English, using French as an example. After studying various automatically produced resources, we propose to use Wiktionary, a free and collaborative dictionary based on the Wikipedia model, and release FrenchSemEval, the first evaluation corpus for the French verb disambiguation task. We evaluate several disambiguation systems on this dataset and obtain the very first results for this task.