Terminologie et corpus : la question du genre et de la variation Myriam Bouveret (DYALANG) Anne Condamines (ERSS) Valérie Delavigne (DYALANG) Pierre Zweigenbaum (DIAM/SIM) Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet Introduction le corpus permet de construire des ressources langagières de types différents (glossaires, index, terminologies, thésaurus, ontologies…) mais le corpus est aussi en soi une ressource langagière à considérer en amont des corpus, méthodes, ressources adaptées aux applications, utilisateurs Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet Sens / signification Ce déplacement en linguistique renvoie à la question de la signification Linguistique et informatique ont une base logique commune qui a permis de travailler sur le sens Nécessité de trouver de nouvelles bases entre linguistique et informatique reposant sur la signification (cf. Slodzian 2000) Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Contexte, variation, genre On pose ici le problème du sens en contexte : variation et genre pour des ressources crées à partir de textes le genre, une sorte de variation Un texte n’est pas normé, il est produit selon un genre (ex : comptes rendus médicaux, résumés de thèse, fiches de dégustation, etc…) Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet 2. La variation « La variation mesure un décalage entre une forme lexicalisée et son usage » (Slodzian 2000 :75) Le sens n’est pas figé. Synonymie et polysémie comme variation inhérente à la langue naturelle Cas de variation : variation sémantique (polysémie, synonymie), variantes morphologiques et variation multilingue Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Variation sémantique et morphologique Sortie 1 la sortie des informations output process Sortie 2 la sortie imprimée output data Sortie 3 la sortie du logiciel  computer output Sortie 4 la sortie plug exemples extraits du corpus LLI, Laboratoire de linguistique et d'informatique de l'université de Montréal Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet Terme instrument localisation résultat mémoriser mémoire formater format indexation index impression imprimante imprimé Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

TAL: Différents aspects de la variation Terme entré Terme de référence Flexion Aberrations chromosomiques Aberration chromosomique Dérivation Sténose valve aorte Sténose aortique valvulaire Syntaxe (+ dérivation) Adénome de la prostate Adénome prostatique Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet Sémantique Terme entré Terme de référence Synonymes Appareil Derme Dispositif Corium Co-référents Canal de Cuvier Veine cardinale commune Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Genre et variation lexicale Le genre d’un texte influe sur sa syntaxe, mais aussi sur son lexique Une dimension du genre est le public visé Exemple: grand public vs spécialistes Crise cardiaque Infarctus du myocarde Rhume Rhinopharyngite Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Genre et variation morphologique Le genre d’un texte influe sur sa syntaxe, mais aussi sur son lexique Cas: productivité des adjectifs dérivés dans des corpus médicaux (hématologie) Exemple: dérivés en –al sont plus productifs dans des documents Web que dans des comptes rendus hospitaliers Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Genre et variation syntaxique Les outils de TAL ont des performances qui varient avec le genre des textes L’étiquetage morpho-syntaxique (GRACE) diffère selon le genre: HEUR et Brill-Limsi Exemple :journaux, mémoires, romans et essais. Performances homogènes sauf pour mémoires Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet 3. La question du genre Problématique Caractériser les textes au-delà de leur contenu Prendre en compte la situation de production d’un texte Genre influe sur les ressources terminologiques ex : légitimité /illégitimité des textes de vulgarisation Définition Comportement discursif observable par des régularités langagières auxquelles les locuteurs obéissent (Bahktine) Compétence métalinguistique. Normes: horizon d’attente, modèle de création Descriptions insuffisantes: droit, génie génétique, physique nucléaire, art pariétal… Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Une typologie des genres est-elle possible ? Tentatives nombreuses: rhétorique classique,champ littéraire, institution scolaire. Mais : Multiplication des situations possibles Classes trop générales Hétérogénéité des genres (ex: écrit vs oral) Plusieurs genres dans un même texte Diversité des critères descriptifs (action sociale, fonctionnement rhétorique, situations énonciatives, finalité du discours, situation sociale, types d’interaction, actes de langage…) Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Marqueurs de reformulation Un exemple: les marqueurs des discours de vulgarisation indice fort : importance du métalangage juxtaposition, coordination, verbes (être, appeler, nommer, signifier, désigner…) expressions métalinguistiques (c'est-à-dire, autrement dit, en d’autres termes…), joncteurs (ou, soit…) - Mais Marqueurs non spécifiques Tous les textes de vulgarisation ne portent pas ces marques Certains textes spécialisés les portent Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet Marqueurs de relation Marqueur d’anaphorique a permis de repérer 44 génériques (cf. Aussenac, Condamines et Szulman 2000) Exemple: Archivage de l’état de configuration logiciel. Cette activité… Ces génériques apparaissent comme têtes de termes complexes: acteur, activité, composant, processus Hypothèse: si plus fréquents dans textes non spécialistes on peut utiliser ces génériques pour constituer des ressources terminologiques s’adressant à des non-spécialistes Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet Conclusion Pistes pour une étude de la variation Outils d’extraction cf. Syntex Patterns d’extraction Marqueurs de genre Modèles de ressources flexibles : intégrant la variation. Nature du sens ? Modèles de ressources économiques : indexant la variation Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Pistes: des marqueurs de genre Quelles questions poser pour typifier les genres ? Comment exploiter les outils existants pour étudier des genres ? Ex, Biber utilise les concordanciers pour une étude des marques discursives (« study of discourse characteristics » Biber, Conrad and Reppen, 1998 :106) Des marqueurs grand public/spécialisé  ? Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Pistes: des dimensions du genre Difficultés de caractériser les genres (ex Web, mémoires) On peut utiliser des traits ou des dimensions différentielles Exemple: dimensions externes (destinataire, objectif) et dimensions internes (style, factualité, technicité) cf.Sinclair (EAGLES), Biber Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet

Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet Bibliographie Assadi H.et Bourigault D., 2000, « Analyse syntaxique et statistique pour la construction d’ontologies à partir de textes », in Actes d’IC 2000, Ingénierie des connaissances, Toulouse 2002, Eyrolles, 243-256  Aussenac, Condamines et Szulman, à paraître, « Prise en compte de l’application dans la constitution de produits terminologiques »  Biber D., Conrad S. and Reppen R., 1998, Corpus Linguistics. Investigating language stucture and use, Cambridge University Press  Biber D., 1994, “Representativeness in corpus design. Linguistica Computazionale, IX-X:377-408”. Current Issues in Computational Linguistics: in honor of Don Walker.  Condamines A. et Rebeyrolles J., 2000, « Construction d’une BCT à partir de textes : expérimentation d’une méthdoe », in Actes d’IC 2000, Ingénierie des connaissances, Toulouse 2002, Eyrolles, 191-206  Delavigne V. et Bouveret M. (Ed.), 2000, Sémantique des termes, Dyalang, Publications de l’Université de Rouen  Grabar et Zweigenbaum, à paraître, « Productivité à travers domaines et genres : dérivés adjectivaux et langue médicale », Langue française Illouz G., « Typage de données textuelles et adaptation des traitements linguistiques. Application à l’annotation morpho-syntaxique », thèse de l’Université de Paris XI, 2000  Illouz G ; 1999, « Méta-étiqueteurs adaptatif : vers une utilisation pragmatique des ressources linguistiques », Actes de TALN 99, (Pascal Amsili coord.), 185-194, ATALA Cargèse Sinclair J., 1996, « Preliminary Recommendations on Text Typology , document en ligne (http://nicolet.ilc.pi.cnr.it/EAGLES/texttyp/texttyp.html), EAGLES (Expert Advisory Group on Language Engineering Standards)  Slodzian M., 2000, « L’émergence d’une terminologie textuelle et le retour du sens », in Béjoint et Thoiron 2000, Le sens en terminologie, Duculot-Aupelf, 61-85  Zweigenbaum P. et Grabar N., « Liens morphologiques et structuration de terminologie », in Actes d’IC 2000, Ingénierie des connaissances, Toulouse 2002, Eyrolles, 325-334 Atelier ASSTICCOT, Conférence CFD 2002, 20-23 octobre Hammamet