Analyse syntaxique profonde sur corpus

Présentation au sujet: "Analyse syntaxique profonde sur corpus"— Transcription de la présentation:

1 Analyse syntaxique profonde sur corpus
« Alpage à Barcelone 2007 » Benoit Crabbé

2 Plan de l’exposé Motivations et objectifs de recherche
Motivations générales Inadéquation des grammaires symboliques pour l’analyse de corpus et préférence aux modèles statistiques Analyse syntaxique statistique du Français Algorithmes d’analyse Développement de grammaire sur le FTB Premiers résultats Perspectives Collaborations et Intégration dans ALPAGE

3 Motivations générales
Spécificité dans ALPAGE ? Linguiste Idéologie : « Computational linguistics » Utilisation de l’informatique pour apporter un éclairage nouveau sur l’étude de la langue française En retour : volonté d’exprimer une théorie formalisée « computer friendly » du Français Question générale Que tirer comme généralités de la linguistique de corpus ? Volonté de (contribuer à) formuler une grammaire du français informée explicitement par les données empiriques (stats) Inspiration type Claire Blanche-Benveniste (GARS): (Variationnisme) Contrastes de différents registres de langage : oral vs écrit Confronter théorie introspective vs approche empirique

4 Besoin premier Données structurées
Produire un observatoire sur la langue Française en particulier Produire des ressources Corpus annotés en syntaxe Différents genres (oral/écrit) Produire les moyens de les exploiter Méthode qualitative (concordances) Méthodes quantitatives (stats) N’existe à peu près pas pour le français… Et pas en syntaxe…

5 Quels types de données ? Corpus annotés et corrigés suivant une grammaire explicite Au moins constituants et fonctions Bonnes propriétés informatiques Bonne expressivité linguistique La partie essentielle dans l’annotation d’un corpus c’est la conception des guides d’annotation (= de la grammaire) : = Explicitation de la théorie = Revient à décrire explicitement une grammaire de performance (!) Conséquence = favorise la cohérence de l’annotation Pour le Français on pourrait s’inspirer de la GGF et du FTB

6 Plan de l’exposé Motivations et objectifs de recherche
Motivations générales Inadéquation des grammaires symboliques pour l’analyse de corpus et préférence aux modèles statistiques Analyse syntaxique statistique du Français Algorithmes d’analyse Développement de grammaire sur le FTB Premiers résultats Perspectives Collaborations et Intégration dans ALPAGE

7 Problèmes du parsing symbolique pour l’analyse de corpus
Trois problèmes de l’analyse symbolique : Ambiguité Non Robustesse Ouverture des données Admettons que l’ambiguité puisse être résolue par des heuristiques de préférences (ex. Frazier & Fodor 78) La non robustesse est fondamentale : Distinction grammatical ~ non-grammatical ex. Accord (Point fort de TAG) : En théorie : La fille que le gars qui est venu hier a estimé que Pierre imagine que le frère de Julie pense que le garçon a aperçue En corpus : Le professeur de français que le frère de Paul a vue hier s’en est allée. Mais c’était bien une femme !

8 Propriété formelle d’un corpus : loi de Zipf
Les objets d’un corpus sont en distribution de Zipf : Les mots Les règles de grammaire … La distribution pour le LN est une distribution de rang/fréquence, pour chaque mot : Rang (r) = fonction du Nbre d’occurrences du mot (ordre décroissant) Fréquence f(r) = Nbre de d’occurrences du mot de rang Loi de Zipf (version intuitive) : Conséquences : Très peu de mots très fréquents Très grand nombre de mots de basse fréquence

9 Distribution Rang/Fréquence d’une PCFG extraite du FTB
Loi de Zipf Distribution Rang/Fréquence d’une PCFG extraite du FTB (treebank3+)

10 Conséquences L’analyse automatique de la langue naturelle à large couverture demande de gérer le mieux possible les objets inconnus Méthodes de lissage en Stats Méthodes de prétraitement en analyse symbolique Problème grammaire symbolique pour anal. corpus : Env. 2/3 des règles n’apparaissent que 1 ou 2 fois Ecrire une grammaire exhaustive est inenvisageable Demande d’écrire « indéfiniment » des règles aussi générales que les autres pour un nombre infini de cas rarissimes --> Crée ambiguité Nécessité de distinguer le vraiment général du rarissime Idem pour les lexiques

11 La grammaire sur corpus
Annoter = écrire une grammaire Avantage sur la méthode symbolique : Les cas rares sont associés à l’exemple annoté Induction d’une grammaire de treebank Probabilités associées aux règles Surgénéralisation -> robustesse Robustesse intéressante Produit généralement des arbres complets Facilite le calcul sémantique (ex. RMRS)

12 Plan de l’exposé Motivations et objectifs de recherche
Motivations générales Inadéquation des grammaires symboliques pour l’analyse de corpus et préférence aux modèles statistiques Analyse syntaxique statistique du Français Algorithmes d’analyse Développement de grammaire sur le FTB Premiers résultats Perspectives Collaborations et Intégration dans ALPAGE

13 Paradigmes d’analyse syntaxique
Paradigme génératif* Modèles bayésiens de type PCFG « La grammaire engendre une chaine de surface » Paradigme discriminatif Modèles de type Maximum d’entropie et CRF « Etant donnée une chaine de surface et l’ensemble des analyses possibles, l’application d’un ensemble de contraintes ordonne les modèles pour garder le meilleur » Modèles mixtes Génératif : rapide mais expressivité réduite Discriminatif : expressif mais lent ==> Mixte : reranking (Charniak 05, Collins 06): (1) Générer un sous-ensemble des solutions (2) Appliquer des contraintes pour les ordonner entre elles Machine learning Arbres de décision (Magerman 94); SSN (Henderson & Titov 03)

14 Paradigme génératif Modèles non lexicalisés
Vanilla PCFG BitPar (CKY all paths) Algos de Johnson (CKY Best First, 90s) Problème formel de PCFG : Hypothèse d’indépendance conditionnelle est trop forte ==> Réintroduire des dépendances conditionnelles Parent Transformation : (Johnson 99) Accurate Unlexicalised Parsing (Klein and Manning 2003) Berkeley Parser : Algorithme de Petrov ( ) Modèles lexicalisés (Collins 96-99, Bikel , Charniak ) Problème de PCFG pour la langue nat : Interaction avec le lexique Idée : combiner un modèle de langage en dépendances lexicales avec un modèle de langage en constituants Problème à addresser : dispersion des données

15 PCFG Modèle de langage :
CFG dont chaque règle A -->  est associée à une probabilité telle que : Une PCFG définit une distribution de probabilité sur l’ensemble des arbres finis générés par la grammaire. Telle que la probabilité d’un arbre (t) : Autrement dit, on calcule la probabilité conjointe d’engendrer cet arbre en posant une hypothèse d’indépendance conditionnelle entre les instances de règles qui interviennent pour dériver cet arbre

16 Modèles non lexicalisés 1 : le split
Problème PCFG : conditions d’indépendance trop fortes « Coup de codage » (< HMM Trigrammes) Ex. Parent annotation (Johnson 1998) => Transformation (réversible) du Treebank Idée : Un NP^S est un sujet, un NP^VP est un objet Un NP sujet est structurellement différent d’un NP Objet : NP suj. plus court (pronom ou NP défini) qu’un NP objet ==>

17 Modèles non lexicalisés 2 : le merge
Problème du split Spécialise trop les règles -> éparpillement des données Idée du MERGE : lissage Ex. Markovisation des règles (Klein,Manning 2003) = Mise en CNF dégénérée (// hyp. simplif. HMM) Base CNF = Markov(2) Markov(1) Markov(0)

18 Modèles non lexicalisés 3 : split/merge
Algorithme de Berkeley (Petrov/Klein 06-07) Split/merge sur les catégories de la grammaire + Markovisation d’ordre k Utilise EM (< Dedans-Dehors < Baum Welch HMM) Convergence non garantie ! Remarque 1 : L’algorithme apprend tout seul à reconnaître des types de constituants potentiellement intéressants : Grammaires des unités monétaires… Remarque 2 : Algorithme qui repose uniquement s/ propriétés formelles et de l’apprentissage => multilingue

19 Architecture du processus
Entrainement : Transfo Estimation Treebank Treebank’ Grammaire Analyse : Parsing Transfo-1 Raw Text Treebank’ Treebank

20 Modèles lexicalisés Collins 96-99 (Bikel 2004)/ Charniak 97
Intuition : Combiner à la fois modèle PCFG et dépendances lexicales Trois Modèles de langage : Modèle 1 : Head Driven Modèle 2 : Sous-cat (non illustré dans le talk) Modèle 3 : Dépendances à longue distance (non illustré) + Un algorithme de Lissage + Modèle de Repli (Backoff,non illustré) + Modèle de lissage lexical basique (suffixes prédéfinis, non illustré)

21 Lexicalisation motivations
Besoin d’informations lexicales ! Sous-catégorisation Coordination (scope) Exemple, PCFG décide arbitrairement : ?

22 Lexicalisation Annotation
Annote les têtes (Unité Lexicale + catégorie) Annotation semi-automatique par transduction sur la grammaire (Magerman 95) Problème : données beaucoup trop dispersées, demande d’estimer des probabilités pour des règles du type : VP<lance,V> --> V<lance,V> NP<bille,N> càd : P(V<lance,V>, NP<bille,N> | VP<lance,V) ==>

23 Modèle 1 (Lecture algorithmique)
Pseudo-Markovisation Hypothèse d’indépendance : Un élément de la règle dépend uniquement de la tête et de LHS Exemple : VP<lance,V> --> STOP V<lance,V> NP<bille,N> STOP Vue d’une règle de grammaire : Génération de la tête : P(H|LHS) = P (V<lance,V> | VP<lance,V>) Génération de la partie gauche : P(Li | H, LHS) Génération de la partie droite : P(Ri | H, LHS)

24 Modèle 1 (Lecture probabiliste)
Soit : On a le modèle suivant (modèle 1): Complications supplémentaires : Ajout d’un paramètre de distance par rapport à la tête (Modèle 2) Ajout d’un paramètre ‘cadre de sous-cat’ pour les verbes gauche tête droite

25 Vision harissienne… Empruntée à (Pereira 00)
Z. Harris 91 : propose informellement une grammaire de dépendances basée sur la théorie de l’information (Collins l’implante largement) Sélection lexico-sémantique (ex. traduits) : L’enfant dort ; Les oiseaux dorment peu; la ville dort ; les arbres dorment en hiver ; le soleil dort… COURANT <<>> INATTENDU Digression (Corrélation probabilité / grammaticalité peu claire) Chomsky 56 : argument prosodique (Pereira 00 : prob) les idées vertes incolores dorment furieusement (Proba haute) * furieusement vertes dorment idées les incolores (Proba basse)

26 Plan de l’exposé Motivations et objectifs de recherche
Motivations générales Inadéquation des grammaires symboliques pour l’analyse de corpus et préférence aux modèles statistiques Analyse syntaxique statistique du Français Algorithmes d’analyse Développement de grammaire sur le FTB Premiers résultats Perspectives Collaborations et Intégration dans ALPAGE

27 Grammaire du français But privilégié à long terme :
Syntaxe sur corpus : Données quantitatives sur la syntaxe du français Contraste entre grammaire de l’oral et grammaire de l’écrit à partir de corpus annotés en syntaxe But à court/moyen terme : Produire les annotations Outil privilégié : Parser statistique Moyen envisagé : Augmentation du French Treebank Ecrit et Oral (ESTER2)

28 Analyse du français Utilisation du French Treebank
Version très récente Ré-annotation des composants internes de mots composés Fonctions syntaxiques (dépendants verbaux) Spécificités (vs PTB) Annote les mots composés Morphologie Lemmes Cat et sous-cat

29 FTB : Exemple <SENT nb="453">
<w cat="ADV" ee="ADV" ei="ADV" lemma="pourtant"> Pourtant </w> <w cat="PONCT" ee="PONCT-W" ei="PONCTW" lemma="," subcat="W"> , </w> <w cat="ADV" ee="ADV" ei="ADV" lemma="globalement"> globalement </w> <w cat="PONCT" ee="PONCT-W" ei="PONCTW" lemma="," subcat="W"> , </w> <NP fct="SUJ"> <w cat="D" ee="D-def-fs" ei="Dfs" lemma="le" mph="fs" subcat="def"> l’ </w> <w cat="N" ee="N-C-fs" ei="NCfs" lemma="économie" mph="fs" subcat="C"> économie </w> </NP> <VN> <w cat="ADV" ee="ADV-neg" ei="ADV" lemma="ne" subcat="neg"> n’ </w> <w cat="V" ee="V--P3s" ei="VP3s" lemma="être" mph="P3s" subcat=""> est </w> </VN> <w cat="ADV" ee="ADV-neg" ei="ADV" lemma="pas" subcat="neg"> pas </w> <AP fct="ATS"> <w cat="A" ee="A-qual-fs" ei="Afs" lemma="apathique" mph="fs" subcat="qual"> apathique </w> </AP> <w cat="PONCT" ee="PONCT-S" ei="PONCTS" lemma="." subcat="S"> . </w> </SENT>

30 Fiche signalétique du FTB
Token counts : Type counts : 24098 Tag token counts : Non Tag Symbol token counts : Function token counts : 65055 Sentence counts : 12351 Compound tokens : (14.52%)

31 Stats brutes diverses PCFG Fonctions Symboles Tags
PP --> P NP NP --> D N VN --> V NP --> N NP --> D N PP AP --> A NP --> D N AP VN --> CL V NP --> PRO VN --> V V N --> N A COORD --> C NP … MOD SUJ OBJ ATS A-OBJ DE-OBJ P-OBJ obj ATO SUJ/OBJ SUJ/A-OBJ Aobj SUJ/DE-OBJ DEobj OBJ/A-OBJ SUJ/MOD SUJ/ATS SUJ/P-OBJ DE-OBJ/OBJ A-OBJ/DE-OBJ … NP PP VN AP SENT N COORD VPinf VPpart Srel ADV P Ssub D Sint C AdP V A PRO ET CL I N D P PONCT V A ADV C CL PRO ET PREF I

32 Construction de l’outil d’annotation
Analyseur syntaxique dérivé du French Treebank comme outil d’annotation Buts de l’outil d’annotation : Doit être aussi ‘correct ?’ (angl. accurate) que possible => peu d’intérêt pour les questions d’efficacité Sorties aussi riches que les données d’entraînement => But non standard en stat parsing : Categories (+sous-cats) Morphologie + lemmes Mots composés (originalité du FTB : 14% des tokens !) Fonctions syntaxiques En cours… deux étapes : Analyse en constituants Analyse en fonctions syntaxiques (prospectif) Corollaire : proposer des améliorations à la grammaire existante

33 Cinq+ expériences Génération de treebanks opérationnels à partir du FTB Treebank 1 Baseline Treebank 2 But : interface avec analyseur morphologique Variante : Treebank2+ (mots composés) Treebank 3 (en cours) But : maximiser la correction de la grammaire induite Variante : Treebank3+ (mots composés) Treebank 4 (prospectif) Variante prévue : Treebank4+ (mots composés) Treebank 5 (prospectif, non illustré dans le talk) But : extraction de fonctions syntaxiques Variante prévue : Treebank5+ (mots composés)

34 TreeBank 1 But Contenu Exemple : Fournit une baseline indicative
Utilise uniquement les catégories majeures Mots composés sont ignorés (Catégories des composés ont même statut que les autres) Fusion des traces Ex : du/P None-/D > du/P+D Fusion des nombres en chiffres arabes : , 8 --> 19000,8 Exemple :

35 Treebank 2 But Contenu = Treebank 1 + : Variante (Treebank2+)
Produire un jeu de tags interfacé avec un analyseur morpho (ex. FLEMM) Contenu = Treebank 1 + : Ajout des infos du trait subcat + morphologie sur les Terminaux Enrichissement artificiel des annotations de mots composés (traits de souscat non annotés) pour éviter les biais Variante (Treebank2+) Fusion des mots composés = 1 seul Token

36 Treebank 2 Jeu de tags compatible avec FLEMM-TT
=>> Inférence de morphologie =>> ‘Many to one’ mapping sur FLEMM-TT NC DET PONCT P ADJ NPRP VP3SG VPP P+D ADV CC VINF CLS VP3PL ADVNEG PROREL CS CLR VIPF PRO CLO VPR VF VC VSP VP PREF VPAST ET PROWH P+PRO VIMP I DETWH VSIPF

37 Treebank 3 But Contenu Améliorer la correction de l’analyse
Modifications des catégories non terminales (heuristiques) Se rappeler de la parent transfo de Johnson ! 1) Enrichissement du jeu de tags de traits : MODE,WH, REL… 2) Propagation des traits dans les arbres //grammaires symboliques

38 Treebank 4 (Prospectif)
But : Améliorer la correction de l’analyse Contenu : Modifications structurelles des arbres Identifier un/des constituants S clairs (vs SENT) Introduction d’un niveau SBAR vs S Introduction d’un trait INV (inversion) Mise en évidence des structures à extraction (WH, REL) Mise en évidence des complémenteurs Gérer la coordination … [à voir] Normalisation de la ponctuation Cause d’éparpillement des données Idée générale : remonter la ponctuation Ponctuation « parenthétique » : descendue au niveau du constituant parenthésé si possible Traiter le ‘:’ comme une CS Problème: Difficile de garantir la correction automatisée des modifications Suggère des extensions/modifs du schéma d’annotation

39 Plan de l’exposé Motivations et objectifs de recherche
Motivations générales Inadéquation des grammaires symboliques pour l’analyse de corpus et préférence aux modèles statistiques Analyse syntaxique statistique du Français Algorithmes d’analyse Développement de grammaire sur le FTB Premiers résultats Perspectives Collaborations et Intégration dans ALPAGE

40 Evaluations I But : Protocole : Unlexicalised Parsing :
Décider quel algorithme d’analyse est le mieux adapté pour parser le français (Charniak ignoré, trop spécifique au PTB) Protocole : Concertation avec S. Petrov Vieux Treebank d’Edinburgh (composés fusionnés): 80% entrainment 10% dev 10% test Unlexicalised Parsing : Berkeley parser : sans modifications Tagging accurracy : bug < schéma d’annotation Parsing : Labelled F1-Score : bug < schéma d’annotation Parsing coverage : bug < schéma d’annotation Lexicalised Parsing : Bikel (Collins emulation, Abishek Arun Edinburgh) Tagging accurracy : 95.20% (Tagger = TNT) Parsing : Labelled F1-Score : 79.13 Parsing coverage : 99.97%

41 Evaluations II But : Protocole Expériences :
Comparer différents schémas d’annotation Protocole French Treebank récent 80% entrainement 10% dev 10% test Berkeley parser : évaluation par evalb avec paramètres Collins Expériences : Treebank 1 : Tagging accurracy : 97.84% Parsing : Labelled F1-Score : 82.16 Parsing coverage : 100% Treebank 2 : Tagging accurracy : 91.49% Parsing Labelled F1-Score : 82.43 Parsing coverage : 99.9% Treebank2+ : Tagging accurracy : 96.40 Parsing Labelled F1-Score : 83.57 Treebank3+: Tagging accurracy : 96.73 Parsing Labelled F1-Score : 84.23

42 Commentaires On choisit l’analyseur de Berkeley
Hypothèse : Bikel biaisé par des heuristiques X-BAR type PTB. FTB ne suit pas X-BAR.--> suggère : modif. sérieuses de l’algo Bikel pour le Français Mise en place d’un ‘Vanilla PCFG’ : TNT + LNCKY de Johnson Avec Treebank3+, on obtient F = ; meilleur résultat en constituants obtenu à ce jour pour le français : Edinburgh-fr : F = Dublin-mft : F = 83.5 Avec Treebank 1 on obtient les meilleurs résultats en tagging ? Comparaison avec autres langues : Anglais : F = 90.6 (Charniak 05 = 92.0) Allemand : F = (Berkeley) Chinois : F = 86.3 (Berkeley) Espagnol : F = 85.1 (Collins 05) Italien : F = (Corazza 04 , mini treebank de 1500 phrases)

43 Améliorations envisagées
Il y a encore pas mal de marge pour améliorer… >> Thématique de recherche (Mots composés) : On voit que les mots composés sont mal gérés (Treebank2 vs 2+): Suggère une stratégie en pipeline avec dico + apprentissage endogène à la Bourigault Suggère une stratégie originale en pipeline inversé : augmentation de l’annotation du FTB (subcat) pour les mots composés. Parsing d’abord avec détection des mots composés à postériori. Expériences à venir avec Treebank 4 et 5 Error mining Meilleur modèle de langage pour estimer les mots inconnus Réutilisation de l’algo de Brants /Samuelsson (TNT)

44 Remarque choix des transformations
Comment trouver les bonnes transformations ? Deux aspects Théorie linguistique sert de guide Théorie de l’information aussi : Faire baisser l’entropie croisée de la grammaire Mais pas le F-Score : Dépendant d’un+ algorithme Synthèse : En modifiant le Treebank, on fait « tourner un EM à la main » en cherchant à converger vers le modèle d’entropie minimale (en fait l’entropie croisée pour des raisons techniques)

45 Remarque implémentation
Travail d’implantation sous-jacent : Architecture ciblée = pipeline UNIX Python + lib NLTK Format de travail = PTB/Brown Permet la réutilisation d’outils de la communauté Parsers (Berkeley, Johnson), evalb, tgrep2, etc. Taggers : Brill/MXPOST Segmenteur : MXTERMINATOR Format IMS IMS CWB, TNT, TreeTagger Commandes ciblées : convert (= recode) tsed (= sed) tdiff (= diff) tgrep (= grep) twc (= wc) treeviewer Analyse de données : R

46 Screenshot

47 Plan de l’exposé Motivations et objectifs de recherche
Motivations générales Inadéquation des grammaires symboliques pour l’analyse de corpus et préférence aux modèles statistiques Analyse syntaxique statistique du Français Algorithmes d’analyse Développement de grammaire sur le FTB Premiers résultats Perspectives Collaborations et Intégration dans ALPAGE

48 Perspective Analyse fonctionnelle
Tâche connue : Functional Role Labelling Intérêt : Comparaison avec l’état de l’art français (Syntex/PASSAGE) Annotation en fonctions ‘de surface’ Pas très utile pour le TAL (--> dépendances sémantiques) Jeu de fonctions envisagé : Jeu de RASP (= GDE++ de Caroll et. Al.) Plus fin que Passage et FTB, possible de le dégrader pour comparaisons Annotation : Relationnelle ou sur constituants ? => les deux mais préférence pour annotation sur constituants

49 Techniquement Deux options : Approche intégrée Approche en pipeline
Le parser annote directement en fonctions = Usage de catégories complexes Problème attendu : éparpillement des données Approche en pipeline Le parser annote uniquement en constituants Tagger fonctionnel en seconde passe

50 Pipeline Pipeline : Stat (Proposition) symbolique : Tagger Fonctionnel
(voir Blaheta et Charniak, Merlo et Henderson) (Proposition) symbolique : Adapter l’algo d’annotation de Collins à des fins d’annotation fonctionnelle Identifier têtes (Magerman 95) Identifier arguments Extraire relations (n-tuples avec n = 3 or 4), exemple : Jean demande à Marie de partir à quatre heures (sujet, Jean, demander) (objet, à, Marie, demander) (xcomp,de,partir,demander) (sujet,Marie,partir) //optionnel dans un premier temps (mod,à,heures,partir) // dépend de la désambig.

51 Exemple (sujet, garçon,lance) (objet,balle,lance)
S ==> NP[SUJ] VN[H] NP[OBJ] NP ==> D ADJ N[H] NP ==> D N[H] Exemple Annotation constituants (Tête/arg) Source (sujet, garçon,lance) (objet,balle,lance) Extraction de tuples Propagation

52 Plan de l’exposé Motivations et objectifs de recherche
Motivations générales Inadéquation des grammaires symboliques pour l’analyse de corpus et préférence aux modèles statistiques Analyse syntaxique statistique du Français Algorithmes d’analyse Développement de grammaire sur le FTB Premiers résultats Perspectives Collaborations et Intégration dans ALPAGE

53 Sujets de recherche Vital : Bonus : Super Bonus :
Mots composés et expressions multi-mots (traitement algo) Capital pour l’analyse du Français (Bcp Prépositions + Conj sub composés) Bonus : Ajout d’un tagger sémantique Sémantique lexicale (voir Gildea-Palmer & cie) Sémantique formelle (voir Bos, Clark, Curran & cie) Sortent des (U-)DRS Discours et Anaphores Résolution d’anaphores Relations de discours Super Bonus : Algo d’analyse syntaxique stat (ATOLL) Dériver des treebanks pour d’autres cadres E.g. grammaires de dépendances

54 Collaborations Collaborations envisageables :
Abeillé + LLF : syntaxe du Français (+ oral) Amsili ? : Sémantique formelle Candito : (grammaire ? Mots composés ? Sémantique lex. ?) Sagot : mots composés ? + interfaces lexique LEFFF Seddah : comparaisons algos parsing (Bikel/Collins) Manuélian : anaphores Nasr : algos parsing (modèles discriminatifs) Student friendly Autres ? Prix Diderot Valorisation : Financement

55 En marge… Grammaires TAG Chinois ? XMG : KMG : FTAG MLV
Développements de grammaires du français (fini) KMG : Sinwon Yoon : Grammaire TAG du coréen FTAG S. Barrier : Adjectifs MLV Grammaire TAG du français Chinois ? Segmentation et parsing : P. Magistry pour le DEA