Grammaticalité graduelle

Il est clairement admis que le langage tout-venant, dans sa pratique quotidienne écrite ou orale, se manifeste selon des degrés d’acceptabilité et de grammaticalité divers, liés à l’observation de phénomènes dits de gradience. La prise en compte de ces échelles dans la modélisation mathématique et informatique du langage est un domaine qui, bien que rencontrant un intérêt grandissant [3, 1], est encore peu exploré, et soulève bon nombre de questions tant linguistiques que cognitives, et bien sûr informatiques. Sur ces questions, ma thèse apporte certains éléments de réponse, en proposant un modèle pour la gradience syntaxique basé sur une extension des notions de Gradience Intersective (GI) et de Gradience Subsective (GS) introduites par Bas Aarts. Cette approche propose un classification des problèmes de grammaticalité graduelle en deux catégories : les problèmes d'ambiguïté de jugement (par exemple lors de l'attribution d'une catégorie morpho-syntaxique) d'une part (GI), et d'autre part les problèmes liés au jugement du degré d'acceptabilité grammaticale d'un énoncé (GS). La validation expérimentale du modèle a montré l'influence importante des facteurs d'ordre syntaxique dans la résolution de ces deux types de problèmes, mais a également mis en évidence la nécessité de prendre en compte le rôle joué par des informations portant sur des dimensions linguistiques autres que syntaxique, telles que les dimensions sémantique, prosodique, discursive, et autres. Les modalités de prise en compte de ces dimensions dans un modèle de gradience restent à explorer. La question d'une représentation de l'information homogène sur toutes ces dimensions, en particulier, est primordiale, et doit permettre au modèle de comptabiliser non seulement des contraintes syntaxiques mais également sémantiques, prosodiques, discursives, etc. Une autre piste d'investigation intéressante concerne le rôle que peuvent jouer les fréquences d’occurrence de certains phénomènes. Ce rôle pourrait se traduire par la prise en compte de modèles linguistiques stochastiques, combinés avec des modèles à base de connaissances, dans la représentation et le traitement du langage tout-venant.

Syntaxe modèle-théorique (Model-Theoretic Syntax) et satisfaction de contraintes pour le TAL

La famille des cadres de représentation modèle-théoriques présente des caractéristiques formelles très intéressantes en ce qui concerne l’analyse du langage tout-venant, qui la différencie de la famille des formalismes génératifs traditionnels [4]. Ces approches ont cependant fait l’objet de relativement peu d’attention et d’études—comparé aux approches géneratives—et ce malgré le potentiel qu’elles présentent en matière de couverture des phénomènes linguistiques. Un résultat de ma thèse est de présenter les bases d'une re-formulation logique des Grammaires de Propriétés [2] sous l’angle de la théorie des modèles. Dans ce contexte, le choix d’un modèle pour un énoncé mal formé peut se ramener à un problème d'optimisation de contraintes. Par la suite, un cadre formel modèle-théorique de représentation de jugements de grammaticalité a pu être définit [5], en collaboration avec Denys Duchier et Bich Tao à l'université d'Orléans. Ce cadre formel permet d'explorer de nouvelles stratégies d'analyse syntaxique basées sur la programmation par contrainte. À ce sujet, un analyseur est en cours d'implémentation à l'université d'Orléans.

Une question adjacente est celle de la validation linguistique du modèle résultant. Les premiers résultats présentés dans ma thèse mettent en évidence une corrélation entre optimisation de contraintes et structure syntaxique optimale pour une phrase non-canonique. Bien que satisfaisants à une échelle relativement réduite, ces résultats appellent une investigation plus poussée à laquelle je m’intéresse maintenant.

Applications à la correction grammaticale automatique

Le domaine de la vérification et de la correction grammaticale constitue un support applicatif intéressant pour servir de banc d'essai aux différentes pistes d'investigation théoriques abordées plus haut. La problématique de la correction grammaticale présente en effet une intersection non-négligeable avec celle de la grammaticalité graduelle, et la syntaxe modèle-théorique doit permettre d'apporter un éclairage nouveau sur ces questions. La phase de détection d'erreur, par exemple, trouve une solution naturelle dans l'analyse modèle-théorique, en caractérisant un énoncé à l'aide de contraintes satisfaites et violées. L'analyseur développé au cours de ma thèse, en fournissant une structure syntaxique optimale approchée pour une phrase mal formée, permet également d'informer sur l'interprétation à donner de l'erreur observée [6]. Cette interprétation devra permettre d'orienter les choix à formuler pour conduire à la génération automatique d'une phrase cible corrigée.

Connaissance linguistique et modèles stochastiques pour le TAL

Les méthodes d'apprentissage automatique supervisé pour le TAL font généralement appel à la connaissance de différentes informations linguistiques quant au texte support (catégories morpho-syntaxiques, entités nommées, formes lexicales lemmatisées, etc.). Ces informations linguistiques préalables au traitement numérique permettent généralement d'améliorer grandement les performances de la tâche d'annotation considérée. C'est, par exemple, le cas pour les modèles à base de CRF (Conditional Random Fields). La prise en compte et l'exploitation de ces informations n'est cependant pas triviale. Ainsi, l'intégration d'informations telles que les schémas de sous-catégorisation associés aux prédicats, ou encore certaines contraintes grammaticales, est actuellement l'objet de mon post-doc. Plus généralement, je m'intéresse aux façons d'exploiter des ressources linguistiques existantes dans le cadre de tâches d'annotations à base d'apprentissage. Une piste en cours d'exploration consiste à généraliser l'utilisation de l'information contenue dans une grammaire symbolique à base de contraintes pour l'établissement des fonctions booléennes requises par un apprentissage automatique par CRF.

Références