Outil d'exploration d'expressions polylexicales dans un lexique et dans un corpus annoté

• Domaine: traitement automatique des langues
• Lieu du stage: ATILF, Nancy
• Encadrants: Mathieu Constant et Agata Savary
• Durée du stage: 4 à 6 mois
• Rémunération: gratification réglementaire
• Financement: CNRS

Le stage se déroulera dans le cadre du projet ANR PARSEME-FR qui étudie les liens entre expressions polylexicales et l’analyse syntaxico-sémantique automatique. Les expressions polylexicales (EP), comme pomme de terre, se voiler la face, Afrique du Sud, prendre une décision, sont des groupes de mots aux propriétés imprévisibles. En particulier, leur sens ne peut souvent être directement calculé à partir du sens de leurs composants. Pour cette raison, elles posent des problèmes majeurs au traitement automatique et leur traitement nécessite une description explicite dans un lexique. Un des objectifs du projet PARSEME-FR est de construire à la fois un lexique d’EP incluant des descriptions linguistiques fines, et un corpus annoté en EP pour le français. Un des résultats les plus notables jusqu’à présent est l’annotation des données françaises (Candito et al. 2017) pour la Shared Task PARSEME sur l’identification des expressions verbales (Savary et al. 2017). Les deux ressources créées ont pour but d’être exploitées dans des applications du traitement automatique des langues telles que l’analyse syntaxique et sémantique, mais aussi d’être explorées pour des études linguistiques.

L’objectif principal du stage est de développer des outils pour lier et explorer le corpus annoté et le lexique, construits dans le projet PARSEME-FR. Le travail à réaliser comportera les tâches suivantes:

• étudier les propriétés linguistiques des expressions polylexicales du français, en explorant le lexique des expressions verbales extrait des tables du lexique-grammaires (Gross 1984)
• développer un outil pour lier automatiquement les expressions verbales annotées et leurs entrées correspondantes dans le lexique, en s’appuyant sur des procédures de normalisation des expressions. Par exemple, les expressions annotées sur corpus Luc a cassé du sucre sur le dos de Paul, du sucre a été cassé sur son dos devront être liée à l’entrée casser du sucre sur le dos [de] du lexique.
• développer une interface web avec l’objectif de chercher des expressions annotées via des filtres multicritères et visualiser leur description linguistique arborescente
• éventuellement, étendre le travail à toutes les expressions polylexicales, ce qui impliquera la conversion automatique d’un dictionnaire existant de composés nominaux, adjectivaux et adverbiaux dans le format arborescent PARSEME-FR, en particulier en utilisant les informations syntaxiques fournies dans le corpus annoté.

Marie Candito, Mathieu Constant, Carlos Ramisch, Agata Savary, Yannick Parmentier, Caroline Pasquer, and Jean-Yves Antoine. Annotation d’expressions polylexicales verbales en français. In Jean-Yves Antoine Iris Eshkol, editor, 24e conférence sur le Traitement Automatique des Langues Naturelles (TALN), Actes de TALN, volume 2 : articles courts, pages 1–9, Orléans, France, 06 2017.

Maurice Gross. Lexicon-grammar and the syntactic analysis of French. In Proc. of COLING-ACL 1964, pages 275–282, Stanford, CA, 1984. Association for Computational Linguistics.

Agata Savary, Carlos Ramisch, Silvio Cordeiro, Federico Sangati, Veronika Vincze, Behrang QasemiZadeh, Marie Candito, Fabienne Cap, Voula Giouli, Ivelina Stoyanova, and Antoine Doucet. The PARSEME shared task on automatic identification of verbal multiword expressions. In Proc. of EACL 2017 Workshop on MWEs, pages 31–47, Valencia, April 2017.

Profil du candidat:

• Master ou équivalent en traitement automatique des langues ou en informatique en priorité (mais la liste n’est pas fermée)
• Compétences: bonne maîtrise de la programmation, notamment la programmation en python et la programmation web. Goût pour la linguistique.

Procédure de candidature:

• Les candidatures doivent être envoyées par mail à Mathieu.Constant@univ-lorraine.fr. Le dossier de candidature contiendra un cv, une lettre de motivation, et, éventuellement, la recommandation d'un enseignant.
• Date limite de candidature: 15 janvier 2018 (ou jusqu’à ce ce que le poste soit pourvu)