mli07 S3

Alain Beretz

• Consulter Dupont M. (2003) Une approche cognitive du calcul de la référence, thèse de l’université de Caen, 308 p.

L'unité lexicale a la capacité d'activer ses voisins (qui ne se différencient par une seul lettre) foin, point, foi,

· le temps      de traitement des voisins lexicaux est accéléré foin, foi le      traitement de foi est facilité parce que foin a amorcé la      pompe

· la visibilité      des séries fait que leur traitement est facilité dans la série

· les modalités      de la sériation on en a parlé la dernière fois

J’ai deux raisons, premièrement il neige, deuxièmement c'est Mme X qui parle

· les      chaines de référence : N. S., le pdt de la République, il , le      locataire de l'Élysée...

· les      adverbiaux, ça fonctionne aussi en chaine phénomène d'anticipation,      rétroaction

· la notion      de chaine est intimement associée à la notion de proximité entre le      premièrement et le deuxièmement il n'y aura pas cinquante lignes...

· ce qu'on      peut dire également si d'aventure s'accroit il va y avoir un changement      (extrait 33)

· configuration      des séries un GN qu'on appelle amorce

Est-ce qu'il y a des indications sur la clôture de la série ?

· premier,      deuxième, troisième, dernier...

· premièrement,      deuxièmement, troisièmement, dernièrement

or dernièrement a changé de sens "dernièrement je suis allé au cinéma" (fonctionnement temporel)  donc on va chercher un marqueur de clôture dans une autre famille : par exemple, "enfin, troisièmement..." on peut également utiliser  "en troisième et dernier lieu ", dernière possibilité " et quatrièmement..; ces adverbiaux sériels sont très contraignants sur les contenus discursifs ; il faut qu'il y ait cette fameuse amorce mais ce n'est pas une obligation cela aide a anticiper le discours en général un GN pluriel  (3.22 p 4) de ce petit document je tire deux conclusions  tous les guadeloupéens sont parents, premièrement... deuxièmement..

· Contexte monologual

· Renseigner sur le fonctionnement de ces marqueurs à l'oral

(322)

ça ne fait pas longtemps ... bla bla premièrement… deuxièmement

(322)

- Je veux repartir en patrouille avec vous, ajouta t il. En uniforme cette fois.
- Premièrement je ne patrouille pas. Deuxièmement au cas où ce détail vous aurait échappé blabla

Package fortement verrouillé. Ce qui fait la violence, c'est que l'interlocuteur ne peut pas intervenir tant qu'il n'a pas entendu la totale.

323 Identité syntaxique

1. Première contrainte syntaxique tous les constituants introduits sont de même catégorie lexicale et occupe la même fonction dans la phrase 3231. Contrainte sémantique il vit à Pétaouchnock, il se prénomme Neville... (Prénom que n'apprécie pas le locuteur)

2. Les arguments doivent aller dans le même sens sans quoi l'argument n'est pas recevable

3. Troisième type de contrainte : énonciative ; elle est liée au fait qu'on trouvera rarement des enchainements du type 3233 très difficile dans des situations dialoguales. Manifestement l'emploi de ses séries est plutôt de l'ordre du monologual que du dialoguales.

4. Dernier point ce dispositif textuel assez lourd : quel intérêt peut avoir un locuteur à écrire de cette manière là ?

Première réponse : ça facilite et ça guide la lecture. Voir la "Topographie" du texte (41) : dans un premier temps ou dans un premier lieu. On construit une espèce de ligne, comme des bornes que l'on a au bord de la route, cela donne une espèce de scansion au texte

Deuxième point quand vous avez dans un texte un bloc premièrement deuxièmement troisièmement le texte présenté donne l'impression que les arguments ont été ordonnés cela donne au texte  une apparence d'objectivité (on sent que le locuteur a fait un inventaire assez exhaustif des arguments). Ces adverbiaux sont une espèce de garde fou effet rhétorique ; apparence de discours rangé, d'exhaustivité... Le groupe nominal qui sert d'amorce joue le même rôle qu'un titre de journal ; des marques saillantes s'il n’y pas d'études qui ont été faites sur premièrement deuxièmement troisièmement  il y a des études qui ont été faites sur 1. 2. 3. 

1. les     psychologies disent qu'il y a un ralentissement du temps de lecture

2. les      segments textuels numérotés  ont des rappels plus rapides et de meilleures     qualités

Dernier point : est ce que les séries sont limitées ? au minimum deux, voire trois unités (car pour 2 d'une part d'autre part, binaire ) pas plus de quater item sauf exception les psychologues disent quand on 4 unités on a pas besoin de compter (idem pour les animaux)

Pour conclure : thèse ne vous fiez pas aux apparences je n'ai rien apporté de plus que vous saviez déjà mais vous expliquer pourquoi cela fonctionnait comme ça ; ordinaux de tout à partie et prétendument anaphorique ; contrainte sur l'environnement discursif (contraintes à tous les niveaux de l'analyse voir les correspondances à l'oral) voire un deux trois ou a b c  dans un premier temps, un premier lieu

FIN

Och, Ney, 2003
plusieurs modèles disponibles et combinés : Brown, Della Pietra, Della Pietra, Mercer (1993)

• probabilité de traduction 1-1;
• probabilité de traduction 1-plusieurs (fertilité);
• probabilité de traduire 1 mot par les mots qui suivent dans la langue cible
• probabilité de traduire par classes de mots

• disponible sous ubuntu/Linux (demande d'installer gcc et nécessite compilation de sources)
• prétraitement de corpus
• les corpus sont déjà alignés (mais dans deux fichiers différents)
• plain2snt corpussource.txt corpuscible.txt
• corpussource_corpuscible.snt
• crée des listes .vcf
• une liste d'index

• GIZA++ -S S.vcb -T T.vcb -C ST.snt
• génére plusieurs iterations et plusieurs modèles
• t, n3, a3, d3
• probabilité de traduction, n3 – la fertilité; a3 – le fichier d'alignement; d3 – la distorsion (on peut traduire le token par rien)

• probtable.tm.n = table de traduction apres n itérations pour le modèle m
• probtable.titoj = table de traduction après le transfer du Modeli vers Modelj
• s_id t_id P(t_id/s_id)
• où:
• s_id: id unique pour le token source
• t_id: id unique pour le token cible
• P(t_id/s_id) la probabilité de traduction s_id par t_id
• fichier d'alignement .A3
• # Sentence pair (1) il s' agit de la même société qui a changé de propriétaires
• NULL ({ }) UNK ({ }) UNK ({ }) ( ({ }) this ({ 4 11 }) is ({ }) the ({ }) same ({ 6 }) agency ({ }) which ({ 8 }) has ({ }) undergone ({ 1 2 3 7 9 10 12 }) a ({ }) change ({ 5 }) of ({ }) UNK ({ })
• # Sentence pair (2) UNK UNK , le propriétaire , dit que cela s' est produit si rapidement qu' il n' en connaît pas la cause exacte
• NULL ({ 4 }) UNK ({ 1 2 }) UNK ({ }) , ({ 3 }) the ({ }) owner ({ 5 22 23 }) , ({ 6 }) says ({ 7 8 }) it ({ }) happened ({ 10 11 12 }) so ({ 13 }) fast ({ 14 19 }) he ({ 16 }) is ({ }) not ({ 20 }) sure ({ 15 17 }) what ({ }) went ({ 18 21 }) wrong ({ 9 })

Definition de la fertilité

Les recherches menées dans le cadre de l'équipe SCOLIA recourent de plus en plus aux exemples authentiques et se tournent donc de plus en plus vers une linguistique de corpus. SCOLIA ne renonce pas pour autant aux exemples fabriqués, pour différentes raisons : les exemples fabriqués constituent un moyen économique et rapide de prouver telle ou telle hypothèse ; ils permettent aussi de pallier les lacunes éventuelles d’un corpus ; enfin, et ce n’est pas négligeable, leur caractère spartiate et leur contextualité réduite au contexte par défaut, donc le plus accessible, donnent beaucoup moins lieu aux biais que recèlent les exemples authentiques, dont la trop grande richesse exige une neutralisation des phénomènes non pertinents, opération qui ne va pas toujours sans risques. Il reste que le recours aux exemples authentiques, tirés d’un corpus représentatif, est absolument nécessaire pour éviter des généralisations abusives, des discussions souvent stériles sur le caractère grammatical ou non de l’exemple fabriqué, etc., pour permettre de cerner, grâce à une analyse quantitative, l’importance réelle de tel ou tel phénomène, pour saisir le cheminement diachronique de telle ou telle évolution (cf. l’importance croissante accordée dans les recherches menées par SCOLIA à la grammaticalisation) et, enfin, pour mettre au jour des données et des faits que la méthode des exemples fabriqués n’aurait pas mis sur le devant.

Pour ouvrir ou essayer d’ouvrir la « boîte noire » du sens, la méthode adoptée est avant tout celle des indices ou manifestations linguistiques : toute mise en relief d’un élément ou d’une unité sémantique doit pouvoir s’appuyer sur des données empiriques linguistiques qui leur correspondent. Les chercheurs de l'équipe recourent donc prioritairement aux données distributionnelles jugées pertinentes et à toute la panoplie des manipulations linguistiques dont dispose le sémanticien pour faire émerger les phénomènes sémantiques. L’idée-force, partagée par bon nombre de sémanticiens, est que tout trait ou unité sémantique, s’il est pertinent, a sa contre-partie formelle, à quelque niveau que ce soit et quelle que soit son importance. Autrement dit, il n’y a de sens véritablement « linguistique » que s’il se manifeste au niveau formel du langage. L’accent mis sur les manifestations du sens évite le danger de basculer dans le tout « cognitif » qui, comme déjà noté ci-dessus, a tendance à court-circuiter les formes linguistiques.

Sans délaisser la dimension logique que présente incontestablement le sens en langue naturelle, SCOLIA n’a pas fait le choix d’une représentation logique, donc formelle, de ce sens. L'équipe se place plutôt dans le cadre d’une sémantique à la Wierzbicka, qui recourt principalement au langage naturel lui-même pour « représenter » ou « dire » le sens. Non pas que soient considérées comme inutiles les diverses théories de sémantique formelle ayant pignon sur rue actuellement, mais essentiellement parce qu’à un moment donné elles « sortent de » ou déforment l’objet qu’elles formalisent. Autrement dit, la sémantique linguistique n’est pas réductible à une sémantique logique, quel que soit son raffinement, et qu’il convient avant tout de saisir le sens des formes et constructions linguistiques avec des formes et constructions linguistiques, tout comme l’apprentissage des formes et constructions linguistiques se fait le plus souvent à l’aide d’autres formes et constructions linguistiques. La position de SCOLIA est d’autant plus légitime qu’elle précède toute tentative de représentation formelle : une sémantique formelle ne peut en effet que formaliser des données, c’est-à-dire des faits sémantiques déjà établis ou mis en relief. Elle ne peut se passer des étapes descriptive et conceptuelle « non formelles ».

Avantage : laisser se dégager du corpus des idées

tenir compte,: non pas prendre des exemples qui atteste des théories; il y a 800, 1000, 5000 occurrences : la masse du matériau permet d’en dégager des régularités convaincantes. "Le mot X dans ¾ des cas est avec Y."

Le corpus permet de dire la langue est déterminée par le genre,le genre impose le choix linguistique

Inconvénient : ratés, nettoyage.

il faut accepter que dans la performance il y ait un nombre de ratés, le linguiste est obligé d’éliminer ces ratés : un corpus ça se nettoie, on ne peut utiliser aveuglement un corpus.

Morale : tous les gens qui travaillent sur corpus acceptent l’idée que compétence = performance

Exemple fabriqué

Avantages :

1. Économie en temps.
2. Centre l’exemple sur la démonstration, (on se débarrasse du bruit).
3. Bien fabriqué il est plus spartiate, plus austère, plus vrai que ce qu’on veut démontrer,
4. Il permet de neutraliser les biais.

L'exemple fabriqué permet :

• d’envisager des cas,
• de construire des situations que vous ne trouvez pas nécessairement même dans un corpus énorme, (beaucoup de gens se disent que si une structure ne se trouve pas dans un corpus elle n’existe pas, c'est une idée fausse)
• de montrer des cas que les corpus ne permettent pas de voir.

Exemple :
- pluriel de certains mots : bal+s=bals ;
- étudier la sémantique de : moulin à vent

Inconvénients :

La difficulté dans certains cas litigieux (notamment quand l'auteur veut avoir raison avec mauvaise foi !) : ce sont « les exemples (mal)  fabriqués pour la cause » (qui sont un peu "faisandés" et plus sur les jugements négatifs que positifs !).

La contextualité (qui dépend du contexte pour prendre sens) : on produit un exemple qui se dit ou ne se dit pas. Ainsi le fait de donner la phrase dans un contexte par défaut empêche le linguiste de dire par exemple ‘on ne peut pas utiliser tel ou tel mot au passif’.

Exemple : "paragraphe" -->, ‘du paragraphe’ --> "il en a fait du paragraphe".

Exemple authentiques (contre-exemple) :

Avantage : Vitaminé
Inconvénient : Trop grande richesse des exemples authentiques

Exemple : Les français ont voté pour Sarkozy en 2007 (>50%) ;
                Les nuages cachent le soleil

Il ne faut pas se débarrasser de l’idée intuitive. Si  on reste aux exemples fabriqués, on  laisse de coté des constructions ou des construits que le corpus permet de voir.

La sémantique est tournée vers le réel, elle n’est pas supposée être la réalité.

A Scolia, nous nous plaçons dans un cadre positiviste. On entend mettre en rapport les formes linguistiques (morphèmes, construction de phrases) et les aspects pertinents des situations extralinguistiques qui les sous-tendent : la langue n’est pas coupée du réel, la langue permet de parler du réel.

Nous sommes contre l’idée saussurienne de la coupure linguistique.

La langue est là pour déboucher  sur ce que nous croyons être le réel. 

Ex. : Jusqu’au 17siècle on croyait que les baleines étaient des poissons.

Elle se rapproche de la philosophie analytique des anglo-saxons (qui ont les pieds sur terre).

Le sens n’est pas homogène.

La plupart des théories sémantiques et les pratiques lexicographiques donnent à penser que le sens est du même type pour toute les expressions et constructions linguistiques.
Il paraît toute fois plus pertinent de plaider pour son hétérogénéité.

SCOLIA penche pour la séparation entre le sens descriptif ou vériconditionnel et le sens instructionnel (lui-même ouvert à des sous-catégorisations selon les expressions).

On peut penser que le sens est identique.
Et que donc ce qu’on utilise pour tel ou tel secteur vaut pour toutes les expressions linguistiques.
Si quelqu’un s’occupe des connecteurs (exemple conjonction de coordination), il est évidement conduit à un sens abstrait.
Connecteurs : comment mettre deux choses ensemble.

Exemple:
- ‘poire’ = ‘granuleux’, ou par opposition ‘différent de pomme’ (ce n’est pas sûr pour poire)
- ‘marié’ existe seulement parce que ‘célibataire’ existe.

Le sens: il faut l’adapter selon le lexique qu’on utilise.
- au niveau grammatical, il ne faut pas aborder la sémantique du verbe comme on attaque la sémantique du nom…
- la sémantique se juge au résultat ; si le résultat est bon, la sémantique est bonne.

Il existe trois différents types de sens: symbolique, iconique, et indexical

Il n’y a signe que s’il y a signe de quelque chose, quelque chose qui n’est pas signe mais volonté de communiquer

Exemple : le nuage indique la pluie au paysan

ces 3 modes possibles sont souvent combinés :

Le premier est la relation symbolique, c’est celle qui correspond aux signes saussuriens 
- il n’y a aucune relation entre x et y : on a imposé la relation entre x et y

Exemple : arboré est arbre, bouteille est symbolique

Le deuxième  est iconique
- le signe x est une icône de y,
- x est la forme même du signe y
- x doit mimer ou doit représenter  y

Exemples :
- panneaux du code de la route, logo des entreprises, des projets
- onomatopées ("tchou tchou" pour le train)
- succession des phrases : Il se lève. Il va dans sa chambre.
- discours indirect : X m'a dit "qu'est ce que j'en ai marre de ces politiciens"

Le troisième est le sens indexical (de l’index)
- c'est la continuité indexical-lexical.

Exemple : le dessin "c'est moi c'est lui" du Chat de Geluk (voir au 12 novembre)

1. Les différents types de sens: Iconique, symbolique et indexical
2. Hétérogénéité et homogénéité du sens.
3. Sens et réalité: Problématique
4. Sémantique formelle vs sémantique non formelle.
5. Problématique des exemples fabriqués vs exemples authentiques
6. Corpus: avantages et inconvénients.
7. Comment appuyer des données ou hypothèse sémantique.

• Consulter Synthese_Axe_de_recherche

Note : le mot de passe est le même que celui du olycopié terminotique

• Consulter le cours
• Consulter l'exemplier

Vergne de Caen
Evaluation très nocif : sclérose de la recherche pour un projet il faut etre au CNRS
cours
il y a un certainn nombre de travaux qui fonctionnent bien et qui n'ayant pas ete vendus reste dans la nature voir le reseau des chercheurs à la retraite.

Le professeur a cree un chunker

http://en.wikipedia.org/wiki/Conditional_random_field

Consulter :

• ACL Workshop on machine translation
• SILM  The SRI Language Modeling Toolkit
• Euromatrix
• Caitra
• Giza++
• Décodeur Moses
• l'étiquetage n'est pas encore norme (ISO) mais il y a des tentatives d'uniformisation (Multext)
• aligneur COWAL

• les caractéristiques les plus fréquentes : la forme la catégorie lexicale le lemmes les propriétés morphosyntaxiques
• cognate