HomeShort BioPublicationsResearch InterestsActivitiesResourcesContact      Last updated: 11 October 2011
HomeCourte BioPublicationsInterêts scientifiquesActivitésRessourcesContact      Dernière mise à jour : 11 octobre 2011
Calendar of NLP events     Ph.D. Thesis

Research Activities


Colour legend: Forthcoming event (times given in local timezones)   En français In English

2012

2011

2010

2009

Past Activities


Abstracts / Résumés

Pairing Model-Theoretic Syntax and Semantic Network for Writing Assistance

 In this paper we investigate the possibility of a syntax-semantics interface between a framework for Model-Theoretic Syntax on one hand and a semantic network on the other hand. We focus on exploring the ability of such a pairing to solve a collection of grammar checking problems, with an emphasis on cases of missing words. We discuss a solution where constraint violations are interpreted as grammar errors and yield the re-generation of new candidate parses (partially unrealised) through tree operations. Follows a surface realisation phase, where missing words are filled through semantic network exploration.

Grammaticalité graduelle et applications


Contraintes et grammaticalité graduelle pour la compréhension de la langue


Contraintes et MTS pour la compréhension de la langue


POS-tagging for Oral Text with CRF and Category Decomposition

 The ESLO (Enquête sociolinguistique d'Orléans, i.e. Socio-linguistic Enquiry of Orleans) campaign gathered a large oral corpus, which was later transcribed into a text format. The purpose of this work is to assign morpho-syntactic labels to each unit of this corpus. To this end, we first studied the specificities of the labels required for oral data, and their various possible levels of description. This led to a new original hierarchical structure of labels. Then, since our new set of labels was different from any of those of existing taggers, which are usually not fit for oral data, we have built a new labelling tool using a Machine Learning approach. As a starting point, we used data labelled by Cordial and corrected by hand. We have applied CRF (Conditional Random Fields), trying to take the best possible advantage of the linguistic knowledge used to define the set of labels. We obtain an F-measure between 85 and 90, depending on the parameters.

Des arbres syntaxiques pour la grammaticalité graduelle

Les cadres formels pour l'analyse syntaxique basés sur la théorie des modèles, tels que les Grammaires de Propriétés, présentent, entre autres avantages, celui de permettre l'analyse de phrases non-canoniques (au sens où elles ne répondent pas nécessairement à l'ensemble des canons grammaticaux de la langue). En relâchant les propriétés linguistiques non-satisfaites, il est alors possible de fournir une représentation de la structure syntaxique d'une phrase sous la forme d'une structure syntagmatique classique. Cette structure dite "approchée" présente un certain nombre d'avantages théoriques et applicatifs pour le traitement automatique des phrases non-canoniques, mais soulève néanmoins des questions non-triviales sur le plan linguistique. Au cours de cette présentation nous nous intéresserons à certaines de ces questions ayant trait à la validité d'une telle structure approchée, et aux critères de jugement à mettre en oeuvre.

Contraintes et grammaticalité graduelle pour l'analyse syntaxique profonde

Les cadres formels pour l'analyse syntaxique basés sur la théorie des modèles, tels que les Grammaires de Propriétés, présentent, entre autres avantages, celui de permettre l'analyse de phrases non-canoniques (au sens où elles ne répondent pas nécessairement à l'ensemble des canons grammaticaux de la langue). En relâchant les propriétés linguistiques non-satisfaites, il est alors possible de fournir une représentation de la structure syntaxique d'une phrase sous la forme d'une structure syntagmatique classique, dite "approchée". Cette structure présente un certain nombre d'avantages à la fois théoriques et applicatifs pour la prise en compte d'une grammaticalité graduelle dans l'analyse syntaxique. Au cours de cette présentation j'introduirai un modèle de représentation et de calcul pour la grammaticalité graduelle. Je discuterai ensuite certaines des pistes de recherche ouvertes par ce modèle, tant linguistiques qu'informatiques.

Grammar Error Detection with Best Approximated Parse

 In this paper, we propose that grammar error detection be disambiguated in generating the connected parse(s) of optimal merit for the full input utterance, in overcoming the cheapest error. The detected error(s) are described as violated grammatical constraints in a framework for Model-Theoretic Syntax (MTS). We present a parsing algorithm for MTS, which only relies on a grammar of well-formedness, in that the process does not require any extragrammatical resources, additional rules for constraint relaxation or error handling, or any recovery process.

A Model-Theoretic Framework for Grammaticality Judgements

 Although the observation of grammaticality judgements is well acknowledged, their formal representation faces problems of different kinds: linguistic, psycholinguistic, logical, computational. In this paper we focus on addressing some of the logical and computational aspects, relegating the linguistic and psycholinguistic ones in the parameter space. We introduce a model-theoretic interpretation of Property Grammars, which lets us formulate numerical accounts of grammaticality judgements. Such a representation allows for both clear-cut binary judgements, and graded judgements. We discriminate between problems of Intersective Gradience (\ie, concerned with choosing the syntactic category of a model among a set of candidates) and problems of Subsective Gradience (\ie, concerned with estimating the degree of grammatical acceptability of a model). Intersective Gradience is addressed as an optimisation problem, while Subsective Gradience is addressed as an approximation problem.

Analyse relâchée à base de contraintes

 La question de la grammaticalité, et celle duale de l’agrammaticalité, sont des sujets délicats à aborder, dès lors que l’on souhaite intégrer différents degrés, tant de grammaticalité que d’agrammaticalité. En termes d’analyse automatique, les problèmes posés sont de l’ordre de la représentation des connaissances, du traitement, et bien évidement de l’évaluation. Dans cet article, nous nous concentrons sur l’aspect traitement, et nous nous penchons sur la question de l’analyse d’énoncés agrammaticaux. Nous explorons la possibilité de fournir une analyse la plus complète possible pour un énoncé agrammatical, sans l’apport d’information complémentaire telle que par le biais de mal-règles ou autre grammaire d’erreurs. Nous proposons une solution algorithmique qui permet l’analyse automatique d’un énoncé agrammatical, sur la seule base d’une grammaire modèle-théorique de bonne formation. Cet analyseur est prouvé générer une solution optimale, selon un critère numérique maximisé.

Représentation et analyse modèle-théorique pour la gradience syntaxique

La syntaxe modèle-théorique (Model-Theoretic Syntax, ou MTS) fait référence à une famille de cadres formels qui permettent une étude de la syntaxe basée sur la théorie des modèles. En ceci, elle se différencie notablement des cadres dédiés à la syntaxe dite générative-énumérative (Generative-Enumerative Syntax, ou GES), qui découlent de la théorie de la preuve. Les conséquences sur l'étude et le traitement de la langue sont significatives, notamment pour la représentation de phénomènes linguistiques non pris en compte par la GES tels que l'ouverture lexicale (création permanente de nouveaux termes), les fragments bien formés (e.g. "Il me semble que...", "Oui, mais alors je...", etc.), l'agrammaticalité, ou encore la grammaticalité graduelle (i.e. gradience). Au cours de ce séminaire je présenterai un modèle pour le traitement de la gradience, dont le noyau est un algorithme d'analyse syntaxique pour le formalisme MTS des Grammaires de Propriétés. Je m'attacherai tout particulièrement à souligner le traitement de l'agrammaticalité et sa gradation.

Analyse syntaxique relâchée à base de contraintes

La syntaxe modèle-théorique (Model-Theoretic Syntax, ou MTS) fait référence à une famille de cadres formels qui permettent une étude de la syntaxe basée sur la théorie des modèles. En ceci, elle se différencie notablement des cadres dédiés à la syntaxe dite générative-énumérative (Generative-Enumerative Syntax, ou GES), qui découlent de la théorie de la preuve. Les conséquences sur l'étude et le traitement de la langue sont significatives, notamment pour la représentation de phénomènes linguistiques non pris en compte par la GES tels que l'ouverture lexicale (création permanente de nouveaux termes), les fragments bien formés (e.g. "Il me semble que...", "Oui, mais alors je...", etc.), l'agrammaticalité, ou encore la grammaticalité graduelle (i.e. gradience). Au cours de ce séminaire, je présenterai un algorithme d'analyse syntaxique pour le formalisme MTS des Grammaires de Propriétés. Je m'attacherai tout particulièrement à souligner le traitement de l'agrammaticalité et de la gradience.