De la théorie Sens-Texte à une grammaire d'unification Sylvain Kahane Lattice, Université Paris 7 EHESS, 30 mars 2001.

Présentation au sujet: "De la théorie Sens-Texte à une grammaire d'unification Sylvain Kahane Lattice, Université Paris 7 EHESS, 30 mars 2001."— Transcription de la présentation:

1

2 De la théorie Sens-Texte à une grammaire d'unification Sylvain Kahane Lattice, Université Paris 7 EHESS, 30 mars 2001

3 Sylvain Kahane, EHESS, 30 mars 20012 Préambule n Modélisation des langues –Aller de l'objet d'étude (la langue) au modèle n Etapes de la modélisation –Qu'est-ce qu'une langue ?  théorie –Comment la décrire ?  formalisme n La formalisation doit permettre de décrire les choses comme on a envie de les décrire

4 Sylvain Kahane, EHESS, 30 mars 20013 Plan 1. Postulats de la théorie Sens-Texte 2. Niveaux de représentation 3. Modules de correspondance 4. Passage à une grammaire d'unification 5. Modularité et lexicalisation

5 Sylvain Kahane, EHESS, 30 mars 20014 1. Postulats de la théorie Sens-Texte

6 Sylvain Kahane, EHESS, 30 mars 20015 Théorie Sens-Texte n Fondation: Zolkovskij & Mel'cuk 1965, 1967 n Références principales: Mel'cuk, 1988, Dependency Syntax: Theory and Practice, SUNY Press. Mel'cuk et al. 1984, 1988, 1992, 1999, Dictionnaire explicatif et combinatoire du français contemporain, Vol. 1, 2, 3, 4., PUM. Mel'cuk, 1993-2000, Cours de morphologie générale, 5 vol., PUM/CNRS. Mel'cuk, à paraître en 2001, Communicative Organization in Natural Language, Benjamins.

7 Sylvain Kahane, EHESS, 30 mars 20016 Premier postulat Postulat 1 Uen langue naturelle est (considérée comme) une correspondance multivoque entre des sens et des textes { sens }{ textes } langue naturelle

8 Sylvain Kahane, EHESS, 30 mars 20017 Correspondance multivoque { sens }{ textes } 1 2 11 ‘causer’ ‘Pierre’ ‘Marie’ ‘partir’‘pleurer’ Le départ de Marie a fait pleurer Pierre …. Le fait que Marie soit partie a provoqué les pleurs de Pierre Pierre a pleuré parce que Marie est partir Marie est partie. Pierre a pleuré.

9 Sylvain Kahane, EHESS, 30 mars 20018 Comparaison avec Chomsky 1957 (1) n Chomsky 1957 : décrire une langue naturelle L = décrire l'ensemble des phrases acceptables de L n Mauvaise interprétation : –Phrase = suite de mots –Langage formel = ensemble de suites –Une langue naturelle ne peut en aucun cas être modélisée par un langage formel en ce sens

10 Sylvain Kahane, EHESS, 30 mars 20019 Comparaison avec Chomsky 1957 (2) n Meilleure interprétation : –Une phrase est un signe avec un sens (signifié) et une forme (signifiant) –Correspondance entre sens et textes = ens. de couples formés d'un sens et d'un texte correspondant = ensemble de phrases

11 Sylvain Kahane, EHESS, 30 mars 200110 Second postulat Postulat 2 La correspondance sens-texte est décrite par un système formel qui simule l'activité linguistique d'un locuteur natif n Un locuteur parle = transforme ce qu'il veut dire (un sens) en ce qu'il dit (un texte) n La correspondance est bidirectionnelle mais la direction de la synthèse est privilégiée n Règles de la grammaire = règles de correspondance

12 Sylvain Kahane, EHESS, 30 mars 200111 Troisième postulat Postulat 3 Des niveaux de représentation intermédiaires doivent être considérés : un niveau syntaxique et un niveau morphologique (structure des phrases et structure des mots) sémantique { RSynt } { RMorph } { RSem } { RPhon } syntaxe morphologie

13 Sylvain Kahane, EHESS, 30 mars 200112 Modularité n La correspondance est complètement modulaire n La sémantique, la syntaxe et la morphologie sont trois modules de correspondance sémantique { RSynt } { RMorph } { RSem } { RPhon } syntaxe morphologie

14 Sylvain Kahane, EHESS, 30 mars 200113 Modularité n Pas de primauté de la syntaxe –Une Rsynt bien formée est seulement caractérisé par le fait d'être un intermédiai- re possible entre une Rsem et une RPhon –Ce n'est pas l'objet de la TST de caractériser les RSynt bien formées sémantique { RSynt } { RMorph } { RSem } { RPhon } syntaxe morphologie

15 Sylvain Kahane, EHESS, 30 mars 200114 2. Niveaux de représentation

16 Sylvain Kahane, EHESS, 30 mars 200115 Géométrie n RSem = graphe de relations prédicat-argument n RSynt = arbre de dépendance n RMorph = suite de mots n RPhon = suite de phonème  module sémantique : hiérarchisation (+ choix lexicaux)  module syntaxique : linéarisation

17 Sylvain Kahane, EHESS, 30 mars 200116 Représentation sémantique Représentation sémantique n Le cœur de la représentation sémantique est un graphe orienté dont les nœuds sont étiquetés par des sémantèmes : –sémantèmes lexicaux = sens de mots ou locutions –sémantèmes grammaticaux = sens de flexions grammaticales n Arètes = relations prédicat-argument = dépendances sémantiques

18 Sylvain Kahane, EHESS, 30 mars 200117 Graphes et formules logiques Pierre veut vendre sa voiture bleue x,y,p,s,e,m ‘Pierre’(x) ‘voiture’(y) ‘bleu’(p,y) ‘appartenir’(s,y,x) ‘vendre’(e,x,y) ‘vouloir’(m,x,e) 1 2 ‘vouloir’ ‘voiture’ ‘appartenir’ ‘Pierre’ 1 1 2 1 2 ‘bleu’ ‘vendre’ m e x s y p

19 Sylvain Kahane, EHESS, 30 mars 200118 T R Structure communicative n Partition rhème-thème –rhème = ce qui est dit –thème = ce dont on parle 1 2 1 ‘durer’ ‘Marie’ ‘2 semaines’ ‘malade’ La maladie de Marie a duré 2 semaines DURER suj comp cn DE 2 SEMAINES MALADIE prép MARIE

20 Sylvain Kahane, EHESS, 30 mars 200119 T R Marie a été malade pendant 2 semaines ETRE préd MALADE n Partition rhème-thème –rhème = ce qui est dit –thème = ce dont on parle Structure communicative 1 2 1 ‘durer’ ‘Marie’ ‘2 semaines’ ‘malade’ PENDANT suj circ MARIE prép 2 SEMAINES

21 Sylvain Kahane, EHESS, 30 mars 200120 R T Structure comm. et relatives Un type lisait le livre qu'il avait acheté ‘lire’ ‘acheter’ ‘type’ 1 2 ‘livre’ 1 2 R T ‘lire’ ‘acheter’ ‘type’ 1 2 ‘livre’ 1 2 Un type avait acheté un livre qu'il lisait Un type qui avait acheté un livre le lisait R T ‘lire’ ‘acheter’ ‘type’ 1 2 ‘livre’ 1 2 Kahane & Mel'cuk 1999

22 Sylvain Kahane, EHESS, 30 mars 200121 Représentation syntaxique Représentation syntaxique n Le cœur de la représentation syntaxique est un arbre de dépendance non ordonné –dont les nœuds sont étiquetés par des unités lexicales (+ grammèmes) –dont les branches sont étiquetées par des relations syntaxiques

23 Sylvain Kahane, EHESS, 30 mars 200122 Arbre de dépendance vs. arbre syntagmatique Mary looks for a blue car det mod ABLUE LOOK suj comp prep MARY CAR FOR sg ind,pres S VP NP N Mary V looks PP P for NP Adj D N a blue car

24 Sylvain Kahane, EHESS, 30 mars 200123 Arbre de dépendance vs. arbre syntagmatique Mary looks for a blue car det mod ABLUE LOOK suj comp prep MARY CAR FOR sg ind,pres S VP NP N Mary V looks PP P for NP Adj D N a blue car n Notre arbre de dépendance est non ordonné

25 Sylvain Kahane, EHESS, 30 mars 200124 Représentation morphologique Représentation morphologique n Le cœur de la représentation morphologique est la suite des représentations morphologiques des mots n Représentation morphologique d'un mot = lemme + suite de grammèmes (y compris grammèmes d'accord et de régime),3,sg n Structure prosodique MARY LOOK FOR A BLUE CAR ind,present sg

26 Sylvain Kahane, EHESS, 30 mars 200125 3. Modules de correspondance

27 Sylvain Kahane, EHESS, 30 mars 200126 Articulation générale { RSynt } { RMorph } { RSem } { RPhon } linéarisation accord prosodie morphologisation phonologisation hiérarchisation lexicalisation pronominalisation module sémantique module syntaxique module morphologique

28 Sylvain Kahane, EHESS, 30 mars 200127 Module sémantique n Hiérarchisation: choisir la racine de l'arbre T R i ‘X’ ‘Y’ X suj Y (V)

29 Sylvain Kahane, EHESS, 30 mars 200128 Module sémantique n Lexicalisation 1 2 ‘durer’ ‘Y’ ‘X’ DURER suj comp X Y (V) prep PENDANT (Prep) X Y (V) (N) circ

30 Sylvain Kahane, EHESS, 30 mars 200129 Module sémantique n Lexicalisation ‘X’ 1 ‘malade’ MALADE (N) (Adj) mod X cn DE MALADIE prép (N) X (Prép) (V) ETRE préd MALADE suj X (Adj)(N)

31 Sylvain Kahane, EHESS, 30 mars 200130 Module sémantique : synthèse Marie a été malade pendant 2 semaines T R 1 2 1 ‘durer’ ‘Marie’ ‘2 semaines’ ‘malade’

32 Sylvain Kahane, EHESS, 30 mars 200131 Module sémantique : synthèse Marie a été malade pendant 2 semaines suj (V) ETRE préd MALADE (Adj) MARIE (N) PENDANT circ prép (Prép) 2 SEMAINES (N) T R 1 1 2 ‘durer’ ‘Marie’ ‘2 semaines’ ‘maladie’

33 Sylvain Kahane, EHESS, 30 mars 200132 Module syntaxique n Linearisation Y < X d(X,Y) = -10 suj X Y (V) (N)

34 Sylvain Kahane, EHESS, 30 mars 200133 Module syntaxique n Linearisation Y < X d(X,Y) = -5 adv X Y (V) (Adv)

35 Sylvain Kahane, EHESS, 30 mars 200134 Module syntaxique n Accord subj X Y (V) (N)n X (V)3,n

36 Sylvain Kahane, EHESS, 30 mars 200135 Module syntaxique : synthèse Peter often eats red beans (N)pl subj EAT (V) obj mod BEAN RED (Adj) PETER (N)sg adv OFTEN (Adv)

37 Sylvain Kahane, EHESS, 30 mars 200136 Module syntaxique : synthèse Peter often eats red beans EAT (V) obj BEAN (N)pl mod RED (Adj) subj PETER (N)sg adv OFTEN (Adv) EAT (V) obj +10 BEAN (N)pl -5 adv OFTEN (Adv) -5 mod RED (Adj) -10 subj PETER (N)sg 3,sg

38 Sylvain Kahane, EHESS, 30 mars 200137 Module syntaxique : synthèse Peter often eats red beans EAT (V) obj BEAN (N)pl mod RED (Adj) subj PETER (N)sg adv OFTEN (Adv) EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg

39 Sylvain Kahane, EHESS, 30 mars 200138 Module syntaxique : analyse Module syntaxique : analyse Peter often eats red beans EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg n Analyse globale (CKY)

40 Sylvain Kahane, EHESS, 30 mars 200139 Peter often eats red beans EAT (V) obj BEAN (N)pl mod RED (Adj) subj PETER (N)sg adv OFTEN (Adv) EAT (V) obj +10 BEAN (N)pl -5 adv OFTEN (Adv) -5 mod RED (Adj) -10 subj PETER (N)sg 3,sg Module syntaxique : analyse n Analyse globale (CKY)

41 Sylvain Kahane, EHESS, 30 mars 200140 4. Passage à une grammaire d'unification GUST : Grammaire d'Unification Sens-Texte (Kahane, TAL 2000, ?ACL 2001, …)

42 Sylvain Kahane, EHESS, 30 mars 200141 Générer la correspondance n Un module TST définit une correspondance entre deux ensembles Une correspondance entre A et B est équivalente à un ensemble de couples ( S,S' ) avec S in A et S' in B n On peut utiliser les règles pour générer la correspondance, càd l'ensemble de couples n Attention...

43 Sylvain Kahane, EHESS, 30 mars 200142 Structure produit (N)pl subj EAT (V) obj mod BEAN RED (Adj) PETER (N)sg adv OFTEN (Adv) EAT (V) obj BEAN (N)pl adv OFTEN (Adv) mod RED (Adj) subj PETER (N)sg 3,sg EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg tree string (= linear order) linearly ordered tree = product of a tree and a linear order map

44 Sylvain Kahane, EHESS, 30 mars 200143 Supercorrespondance n Un module TST definit une supercorrespondance entre deux ensembles de structures n Une supercorrespondance est une correspondance avec pour chaque couple d'éléments en correspondance une fonction entre des partitions de ces éléments Une supercorrespondance est équivalente à un ensemble de structures produit, càd, de triplets ( S,S',ƒ ) avec S in A, S' in B et ƒ une fonction entre des partitions de S et S'

45 Sylvain Kahane, EHESS, 30 mars 200144 Retour sur le Premier postulat TST Postulat 1 (revisé) Une langue naturelle est (considérée comme) une supercorrespondance multivoque entre sens et textes n Phrase = structure produit (HPSG 1994) fonction entre des fragments de sens et des fragments de texte (compositionnalité)

46 Sylvain Kahane, EHESS, 30 mars 200145 Les modules TST comme grammaires génératives n Un module TST peut être utilisé pour générer la supercorrespondance, càd l'ensemble de structure produit n Grammaire de correpondance: on prend une structure et on lui en fait correspondre une autre n Grammaire générative: on génére, à partir de rien, les deux structures en correspondance n Grammaires de contraintes: on filtre parmi les couples ceux qui se correspondent

47 Sylvain Kahane, EHESS, 30 mars 200146 Les règles de correspondance (synt) comme règles génératives subj X Y Y < X d(X,Y) = -10 (V) (N) -10 subj (V) (N)

48 Sylvain Kahane, EHESS, 30 mars 200147 Dérivation -10 subj (V) (N) -5 adv (V) (Adv) -5 mod (N) (Adj) +10 obj (N) (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg EAT (V) 3,sg EAT (V) obj BEAN (N)pl adv OFTEN (Adv) mod RED (Adj) subj PETER (N)sg 3,sg Générer un ens. de règles Les combiner par unification

49 Sylvain Kahane, EHESS, 30 mars 200148 Les règles de correspondance (sém) comme règles génératives 1 2 ‘eat’ ‘Y’ ‘X’ EAT subj obj X Y (V) (N) EAT (V) sem: ‘eat’ arg1: x arg2: y subj obj (N) sem: x (N) sem: y

50 Sylvain Kahane, EHESS, 30 mars 200149 Dérivation EAT (V) sem: ‘eat’ arg1: x arg2: y subj obj (N) sem: x (N) sem: y mod RED (Adj) sem: ‘red’ arg1: x (N) sem: x adv OFTEN (Adv) sem: ‘often’ arg1: x (V) sem: x BEAN (N) sem: ‘bean’ PETER (N) sem: ‘Peter’ Générer un ens. de règles Les combiner par unification

51 Sylvain Kahane, EHESS, 30 mars 200150 Dérivation EAT (V) sem: ‘eat’ arg1 : ‘Peter’ arg2 : ‘bean’ subj obj BEAN (N) sem: ‘bean’ PETER (N) sem: ‘Peter’ mod RED (Adj) sem: ‘red’ arg1 : ‘bean’ adv OFTEN (Adv) sem: ‘often’ arg1 : ‘eat’ Générer un ens. de règles Les combiner par unification

52 Sylvain Kahane, EHESS, 30 mars 200151 Structure produit EAT (V)ind,present sem: ‘eat’ arg1 : ‘Peter’ arg2 : ‘bean’ subj obj BEAN (N)pl sem: ‘bean’ PETER (N)sg sem: ‘Peter’ mod RED (Adj) sem: ‘red’ arg1 : ‘bean’ adv OFTEN (Adv) sem: ‘often’ arg1 : ‘eat’ ‘red’ (N)pl subj EAT (V)ind,present obj mod BEAN RED (Adj) PETER (N)sg adv OFTEN (Adv) 1 2 ‘eat’ ‘often’ ‘bean’ ‘Peter’ 1 1

53 Sylvain Kahane, EHESS, 30 mars 200152 Les règles de correspondance (morph) comme règles génératives EAT (V)ind,present,3,sg EAT (V)ind,present,3,sg graph: eats phon: /i:ts/ eats (written) /i:ts/ (speech)

54 Sylvain Kahane, EHESS, 30 mars 200153 5. Modularité et lexicalisation

55 Sylvain Kahane, EHESS, 30 mars 200154 (V) (N) (Adj) (N) (V) (Adv) (V)t,3,n (N)n EAT (V)present sem: ‘eat’ arg1: x arg2: y subj obj (N) sem: x (N) sem: y mod RED (Adj) sem: ‘red’ arg1: x (N) sem: x adv OFTEN (Adv) sem: ‘often’ arg1: x (V) sem: x BEAN (N)pl sem: ‘bean’ PETER (N)sg sem: ‘Peter’ -10 subj-5 adv -5 mod +10 obj subj EAT (V)ind,present,3,sg graph: eats phon: /i:ts/ PETER (N)sg graph: Peter phon: /pi:te*/ BEAN (N)pl graph: beans phon: /bi:ns/ OFTEN (Adv) graph: often phon: /ofn/ RED (Adj) graph: red phon: /red/ semantic representation syntactic representation morphological representation graphic/phonological representation

56 Sylvain Kahane, EHESS, 30 mars 200155 Stratégies d'analyses n Deux stratégies principales: –Analyse horizontale (module par module) : tagging, shallow parsing, deep analysis –Analyse verticale (mot par mot) : cf. grammaires lexicalisées

57 Sylvain Kahane, EHESS, 30 mars 200156 (V) (N) (Adj) (N) (V) (Adv) (V)t,3,n (N)n EAT (V)present sem: ‘eat’ arg1: x arg2: y subj obj (N) sem: x (N) sem: y mod RED (Adj) sem: ‘red’ arg1: x (N) sem: x adv OFTEN (Adv) sem: ‘often’ arg1: x (V) sem: x BEAN (N)pl sem: ‘bean’ PETER (N)sg sem: ‘Peter’ -10 subj-5 adv -5 mod +10 obj subj EAT (V)ind,present,3,sg graph: eats phon: /i:ts/ PETER (N)sg graph: Peter phon: /pi:te*/ BEAN (N)pl graph: beans phon: /bi:ns/ OFTEN (Adv) graph: often phon: /ofn/ RED (Adj) graph: red phon: /red/ semantic representation syntactic representation morphological representation graphic/phonological representation tagging shallow parsing deep analysis Analyse horizontale

58 Sylvain Kahane, EHESS, 30 mars 200157 (V) (N) (Adj) (N) (V) (Adv) (V)t,3,n (N)n EAT (V)present sem: ‘eat’ arg1: x arg2: y subj obj (N) sem: x (N) sem: y mod RED (Adj) sem: ‘red’ arg1: x (N) sem: x adv OFTEN (Adv) sem: ‘often’ arg1: x (V) sem: x BEAN (N)pl sem: ‘bean’ PETER (N)sg sem: ‘Peter’ -10 subj-5 adv -5 mod +10 obj subj EAT (V)ind,present,3,sg graph: eats phon: /i:ts/ PETER (N)sg graph: Peter phon: /pi:te*/ BEAN (N)pl graph: beans phon: /bi:ns/ OFTEN (Adv) graph: often phon: /ofn/ RED (Adj) graph: red phon: /red/ semantic representation syntactic representation morphological representation graphic/phonological representation Analyse verticale Analyse verticale

59 Sylvain Kahane, EHESS, 30 mars 200158 (V) (N) (V) (V)t,3,n (N)n EAT (V)present sem: ‘eat’ arg1: x arg2: y subj obj (N) sem: x (N) sem: y -10 subj+10 obj subj EAT (V)ind,present,3,sg graph: eats phon: /i:ts/ Lexicalisation

60 Sylvain Kahane, EHESS, 30 mars 200159 (V) (N) (V) (V)t,3,n (N)n EAT (V)present sem: ‘eat’ arg1: x arg2: y subj obj (N) sem: x (N) sem: y -10 subj+10 obj subj EAT (V)ind,present,3,sg graph: eats phon: /i:ts/ Lexicalisation EAT (V)present,3,sg sem: ‘eat’ arg1: x arg2: y graph: eats phon: /i:ts/ -10 subj obj +10 (N)sg sem: x (N) sem: y

61 Sylvain Kahane, EHESS, 30 mars 200160 Quelle lexicalisation ? n Comment lexicaliser une grammaire modulaire ? = Comment regrouper les règles de la grammaire modulaire ? = Qui de deux mots décide de leur positionnement relatif ? Quel mot décide de la distribution d'un syntagme ? …

62 Sylvain Kahane, EHESS, 30 mars 200161 Quelle lexicalisation ? n Qui de deux mots décide de leur positionnement relatif ? n Exemple : les arguments syntaxiques d'un verbe doivent-ils être positionnés dans la structure du verbe ? n Réponse –Oui pour les arguments canoniques –Non pour les clitiques, les mots qu-, …

63 Sylvain Kahane, EHESS, 30 mars 200162 Quelle lexicalisation ? n Quel mot décide de la distribution d'un syntagme ? n Exemple : quel mot contrôle le fait qu'une relative modifie un nom ? qu'une interrogative indirecte peut être l'argument d'un verbe interrogatif ? la personne à qui tu veux parler je me demande à qui tu veux parler n Réponse: le mot qu- (Kahane 2000, TAL)

64 Sylvain Kahane, EHESS, 30 mars 200163 Conclusion 1 : supercorrespondance n Comparaison entre grammaires de correspondance et grammaires génératives : –La linguistique a besoin de grammaires qui définissent des (super)correspondances (par exemple, en générant des structures produit) –Deux grammaires sont fortement équivalente ssi elles définissent la même (super)correspondance

65 Sylvain Kahane, EHESS, 30 mars 200164 Conclusion 2 : lexicalisation n Obtenir une grammaire lexicalisée à partir d'une grammaire modulaire (Vijay-Shanker 1992, Kasper et al. 1995, Candito 1996 …) n Avantage de GUST: La grammaire modulaire et la grammaire lexicalisée sont écrites dans le même formalisme –Liberté totale dans l'attribution des règles lors de la lexicalisation (éviter l'explosion combinatoire) –Grammaires partiellement lexicalisées (stratégies intermédiaires entre stratégies horiz. et verticale)

66 Sylvain Kahane, EHESS, 30 mars 200165 Règles sémantiques lexicales EAT (V)  m,  v,  t sem: ‘eat’ arg1: x arg2: y subj obj (N) sem: x (N) sem: y La lexicalisation par un verbe exige l'instanciation des grammèmes de mode, voix, temps Cette règle n'est pas utilisable tant que les grammèmes en question n'ont pas été instanciés

67 Sylvain Kahane, EHESS, 30 mars 200166 Règles sémantiques grammaticales (V)  inf,  v,  t A : suj X (V) inf,  v,  t A : suj X (V)  m,  v,  passé-c A : suj X (V) p-passé,  v A : suj X obj AVOIR//@aux (V)  m,présent

68 Sylvain Kahane, EHESS, 30 mars 200167 Verbes à contrôle vs. à montée ESSAYER (V)  m,  v,  t sem: ‘essayer’ arg1 : x arg2 : y suj inf DE (Prép) ¬sem prép (V)inf sem: y suj (N) sem: x COMMENCER (V)  m,  v,  t sem: ‘commencer’ arg1 : x suj inf À (Prép) ¬sem prép (V)inf sem: x suj (N)

69 Sylvain Kahane, EHESS, 30 mars 200168 Locutions MONTER (V)  m,  v,  t sem: ‘la moutarde monter au nez’ arg1 : x suj iobj À, (Prép, ¬sem (N)cl sem: x dét loc prép dét LE, (Dét), ¬sem MOUTARDE (N) ¬sem NEZ, (N), ¬sem LA (Dét) ¬sem

70 Sylvain Kahane, EHESS, 30 mars 200169 Module syntaxique : analyse Peter often eats red beans EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg n Analyse incrémentale (transducteur à pile)

71 Sylvain Kahane, EHESS, 30 mars 200170 Module syntaxique : analyse Peter often eats red beans EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg n Analyse incrémentale (transducteur à pile) [N,-, 1 ] PETER (N)sg

72 Sylvain Kahane, EHESS, 30 mars 200171 Module syntaxique : analyse Peter often eats red beans EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg n Analyse incrémentale (transducteur à pile) [N,-, 1 ] PETER (N)sg OFTEN (Adv) [ Adv,-, 2 ]

73 Sylvain Kahane, EHESS, 30 mars 200172 Module syntaxique : analyse Peter often eats red beans EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg n Analyse incrémentale (transducteur à pile) [N,-, 1 ] EAT (V) PETER (N)sg [ Adv,-, 2 ] [V,-, 3 ] OFTEN (Adv)

74 Sylvain Kahane, EHESS, 30 mars 200173 Module syntaxique : analyse Peter often eats red beans EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg n Analyse incrémentale (transducteur à pile) EAT (V) PETER (N)sg adv [N,-, 1 ] [V,-, 3 ] OFTEN (Adv)

75 Sylvain Kahane, EHESS, 30 mars 200174 Module syntaxique : analyse Peter often eats red beans n Analyse incrémentale (transducteur à pile) EAT (V) PETER (N)sg adv [V,-, 3 ] EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg subj OFTEN (Adv)

76 Sylvain Kahane, EHESS, 30 mars 200175 Module syntaxique : analyse Peter often eats red beans n Analyse incrémentale (transducteur à pile) EAT (V) PETER (N)sg adv [V,-, 3 ] EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg subj [ Adj,-, 4 ] RED (Adj) OFTEN (Adv)

77 Sylvain Kahane, EHESS, 30 mars 200176 Module syntaxique : analyse Peter often eats red beans n Analyse incrémentale (transducteur à pile) EAT (V) PETER (N)sg adv [V,-, 3 ] EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg subj [ Adj,-, 4 ] RED (Adj) [N,-, 5 ] BEAN (N)pl OFTEN (Adv)

78 Sylvain Kahane, EHESS, 30 mars 200177 Module syntaxique : analyse Peter often eats red beans n Analyse incrémentale (transducteur à pile) EAT (V) PETER (N)sg adv [V,-, 3 ] EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg subj RED (Adj) [N,-, 5 ] BEAN (N)pl mod OFTEN (Adv)

79 Sylvain Kahane, EHESS, 30 mars 200178 Module syntaxique : analyse Peter often eats red beans n Analyse incrémentale (transducteur à pile) EAT (V) PETER (N)sg adv [V,-, 3 ] EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg subj RED (Adj) [N,+, 5 ] BEAN (N)pl mod obj OFTEN (Adv)

80 Sylvain Kahane, EHESS, 30 mars 200179 Module syntaxique : analyse Peter often eats red beans n Analyse incrémentale (transducteur à pile) EAT (V) PETER (N)sg adv [V,-, 3 ] EAT (V) BEAN (N)pl OFTEN (Adv) RED (Adj) PETER (N)sg 3,sg subj RED (Adj) BEAN (N)pl mod obj OFTEN (Adv)

81 Sylvain Kahane, EHESS, 30 mars 200180 Transducteur à pile Y < X d(X,Y) = -10 subj X Y (V) (N) Transition: n Ne rien lire n Remplacer par n Produire [N,-, i ] [V,-, j ] subj

82 Sylvain Kahane, EHESS, 30 mars 200181 Transducteur à pile (Kahane, TALN'2000) n Quatre types de transition –Transition de stockage : lire un nœud, l'empiler et le produire –Transition de liage : produire une dépendance < Poids négatif (gouverneur à droite) : supprimer la deuxième case de la pile < Poids positif (gouverneur à gauche) : indiquer que le nœud de la première case est gouverné –Transition de déstockage : supprimer la première case si le nœud est gouverné

83 Sylvain Kahane, EHESS, 30 mars 200182 Flux et complexité n Flux = nombre de dépendance liant un mot à gauche à un mot à droite n Le flux des phrases d'un langue naturelle est borné (limitations mémorielles)  Le nombre de cases dans la pile est borné  Le nombre de contenu de pile est fini  Equivalence avec un automate fini  Analyse en temps linéaire 012120