Formalisation du vocabulaire et de la morphologie du persan : Construction de ressources linguistiques

Formalization of Persian vocabulary and morphology:Construction of linguistic resources

• Auteur / Autrice : Marzieh Rabiei karahroudi
• Direction : Max Silberztein, Amir Moghani
• Type : Projet de thèse
• Discipline(s) : Sciences du Langage, mention Traitement Automatique des Langues
• Date : Inscription en doctorat le 19/09/2023
• Etablissement(s) : Besançon, Université Marie et Louis Pasteur
• Ecole(s) doctorale(s) : École doctorale Lettres, Communication, Langues, Arts (Dijon ; Besançon ; 2017-....)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherches Interdisciplinaires et Transculturelles
• Partenaire(s) de recherche : Equipe de recherche : TRAITEMENT AUTOMATIQUE DES LANGUES
• Partenaire(s) de recherche : établissement de préparation : Université de Franche-Comté (1971-....)

Mots clés

Mots clés libres

Linguistique

Tal

NooJ

Langues vivantes

Sémantique

Syntaxique

Natural Language Processing

Linguistic

Machine translation

Digital Humanities

Résumé

Résumé : Ce projet de thèse vise à construire une description formalisée du persan, une langue parlée par plus de 100 millions de locuteurs à travers le monde. L'objectif est de formaliser le vocabulaire, l'orthographe, la morphologie flexionnelle et dérivationnelle, la syntaxe et la grammaire transformationnelle du persan en utilisant la plateforme NooJ pour créer des ressources linguistiques robustes telles que des dictionnaires et des grammaires électroniques. Actuellement, il existe peu de ressources formalisées pour le persan, en particulier en comparaison avec d'autres langues comme le français. La problématique principale est de décrire l'orthographe du persan, qui utilise une variante de l'alphabet arabe malgré l'absence de liens apparentés avec l'arabe. De plus, des différences structurelles existent entre le persan et le français, notamment l'absence d'accord de genre et de nombre pour les adjectifs, ainsi que l'utilisation de pronoms non différenciés pour ''il/elle'' et ''ils/elles''. La méthodologie de ce projet comprend plusieurs étapes clés. Tout d'abord, la collecte du vocabulaire du persan, qui comprend les mots simples, les affixes (préfixes et suffixes), les mots composés et les expressions. Ensuite, la description de la morphologie flexionnelle et dérivationnelle, La syntaxe locale et en constituant et enfin des invariants sémantiques communs. Ce projet de thèse contribuera à combler le manque de ressources formalisées pour le persan, ce qui facilitera les études linguistiques et la recherche en traitement automatique des langues pour cette langue spécifique. Les résultats obtenus seront des ressources linguistiques précieuses pour les linguistes, les chercheurs et les développeurs travaillant sur la langue persane. En conclusion, ce projet de thèse vise à formaliser la langue persane en construisant des ressources linguistiques complètes. Cela permettra une meilleure compréhension et une analyse plus approfondie du persan, en contribuant à la recherche linguistique et au développement de technologies linguistiques pour cette langue importante et largement parlée.

Abstract : This thesis project aims to build a formalized description of Persian, a language spoken by more than 100 million speakers around the world. The objective is to formalize the vocabulary, spelling, inflectional and derivational morphology, syntax and transformational grammar of Persian using the NooJ platform to create robust linguistic resources such as dictionaries and electronic grammars. Currently, there are few formalized resources for Persian, especially in comparison with other languages such as French. The main problem is to describe the spelling of Persian, which uses a variant of the Arabic alphabet despite the absence of related links with Arabic. In addition, structural differences exist between Persian and English, including the lack of gender and number agreement for adjectives, as well as the use of undifferentiated pronouns for ''he/she'' and ''they/they''. ''. The methodology of this project includes several key steps. First, the collection of Persian vocabulary, which includes simple words, affixes (prefixes and suffixes), compound words and expressions. Then, the description of the inflectional and derivational morphology, the local syntax and by constituting and finally common semantic invariants. This thesis project will contribute to filling the lack of formalized resources for Persian, which will facilitate linguistic studies and research in natural language processing for this specific language. The results obtained will be valuable linguistic resources for linguists, researchers and developers working on the Persian language. In conclusion, this thesis project aims to formalize the Persian language by building comprehensive linguistic resources. This will enable better understanding and deeper analysis of Persian, contributing to linguistic research and the development of language technologies for this important and widely spoken language.