Grammaires de dépendance et théorie Sens-Texte (3) Sylvain Kahane Lattice, Université Paris 7 TALN, 5 juillet 2001, Tours.

Présentation au sujet: "Grammaires de dépendance et théorie Sens-Texte (3) Sylvain Kahane Lattice, Université Paris 7 TALN, 5 juillet 2001, Tours."— Transcription de la présentation:

1 Grammaires de dépendance et théorie Sens-Texte (3) Sylvain Kahane Lattice, Université Paris 7 TALN, 5 juillet 2001, Tours

2 Sylvain Kahane, TALN, 5 juillet 20012 Plan du tutoriel (rappel) Séance 1. Dépendance et fonction syntaxiques Séance 2. Théorie Sens-Texte Séance 3. Gramm. d'Unification Sens-Texte Séance 4. Analyse en gramm. de dépendance –par contraintes, CKY (et HPSG), incrémentale

3 Sylvain Kahane, TALN, 5 juillet 20013 Séance 3. GUST : Grammaire d'Unification Sens-Texte

4 Sylvain Kahane, TALN, 5 juillet 20014 Plan de la 3ème séance n Grammaires transductives et grammaires génératives n Grammaire d'Unification Sens-Texte –modules sémantique, syntaxique et morphologique n Combinaison des modules –stratégies horizontale vs. verticale –lexicalisation (lien avec TAG)

5 Sylvain Kahane, TALN, 5 juillet 20015 3.1 Grammaires transductives et grammaires génératives

6 Sylvain Kahane, TALN, 5 juillet 20016 Grammaire transductive n Une grammaire transductive entre des ens. de structures S et S' est une grammaire qui met en correspondance des éléments de S et de S' par un ens. fini de règles de correspondance Ex : modules d'un MST n Une grammaire transductive définit une correspondance entre les ensembles S et S' Une correspondance entre S et S' est équivalente à un ensemble de couples ( S,S' ) avec S in S et S' in S'

7 Sylvain Kahane, TALN, 5 juillet 20017 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 arbre suite (= ordre linéaire) fonction Arbre linéairement ordonné = produit d’un arbre et d’un ordre linéaire

8 Sylvain Kahane, TALN, 5 juillet 20018 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'

9 Sylvain Kahane, TALN, 5 juillet 20019 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 (2ème articulation)

10 Sylvain Kahane, TALN, 5 juillet 200110 Transductive, générative, équative n Grammaire transductive: on prend une structure et on lui en fait correspondre une autre n Grammaire générative: on génère, à partir de rien, les deux structures en correspondance n Grammaire équative: on filtre parmi les couples ceux qui se correspondent (Kahane 2000, TALN)

11 Sylvain Kahane, TALN, 5 juillet 200111 Grammaires génératives et supercorrespondance n La linguistique a besoin de grammaires qui définissent des (super)correspondances (par exemple, en générant des structures produit) n Grammaire de Gaifman-Hays : supercorrespondance entre arbres de dépendance et suites n Grammaires hors-contexte n Deux grammaires sont fortement équivalentes ssi elles définissent la même (super)correspondance

12 Sylvain Kahane, TALN, 5 juillet 200112 3.2 GUST

13 Sylvain Kahane, TALN, 5 juillet 200113 Les règles de correspondance (synt) comme règles génératives subj X Y Y < X d(X,Y) = -10 (V) (N) -10 subj (V) (N)

14 Sylvain Kahane, TALN, 5 juillet 200114 Accord et régime suj (V) 3//p,sg//n (p)n (i) Nous viendrons (ii) Pierre viendra (iii) Que tu viennes est impossible suj (V) (N,pro)nom

15 Sylvain Kahane, TALN, 5 juillet 200115 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) 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 suj (V) 3//p,sg//n (p)n

16 Sylvain Kahane, TALN, 5 juillet 200116 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

17 Sylvain Kahane, TALN, 5 juillet 200117 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

18 Sylvain Kahane, TALN, 5 juillet 200118 Dérivation EAT (V) sem: e ‘eat’ arg1 : x arg2 : y subj obj BEAN (N) sem: y ‘bean’ PETER (N) sem: x ‘Peter’ mod RED (Adj) sem: ‘red’ arg1 : y adv OFTEN (Adv) sem: ‘often’ arg1 : e Générer un ens. de règles Les combiner par unification

19 Sylvain Kahane, TALN, 5 juillet 200119 Structure produit ‘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 EAT (V) sem: e ‘eat’ arg1 : x arg2 : y subj obj BEAN (N) sem: y ‘bean’ PETER (N) sem: x ‘Peter’ mod RED (Adj) sem: ‘red’ arg1 : y adv OFTEN (Adv) sem: ‘often’ arg1 : e

20 Sylvain Kahane, TALN, 5 juillet 200120 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)

21 Sylvain Kahane, TALN, 5 juillet 200121 Règles sémantiques lexicales 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 PARLER (V)  m,  v,  t sem: ‘parler’ arg1 : x arg2 : y suj iobj À (Prép) ¬sem prép (N) sem: y (N) sem: x

22 Sylvain Kahane, TALN, 5 juillet 200122 Règles sém. grammaticales : version opérateur (1) X (V)  m,  v,  t passé comp suj Y X (V) p-passé,  v t: ‘passé composé’ suj aux AVOIR//@aux (V)  m,présent Y X (V)  m,  v,  t présent X (V)  m,présent,  v t: ‘présent’

23 Sylvain Kahane, TALN, 5 juillet 200123 Règles sém. grammaticales : version opérateur (2) PARLER (V)  m,  v,  t sem: ‘parler’ arg1 : x arg2 : y suj iobj À (Prép) ¬sem prép (N) sem: y (N) sem: x passé comp suj aux AVOIR//@aux (V)  m,présent (N) sem: x PARLER (V) p-passé,  v sem: ‘parler’ t: ‘passé comp’ arg1 : x arg2 : y À (Prép) ¬sem prép (N) sem: y iobj

24 Sylvain Kahane, TALN, 5 juillet 200124 Règles sém. grammaticales : version unification (1) X (V) p-passé,  v t: ‘passé comp’ suj aux AVOIR//@aux (V)  m,présent Y suj passé composé PARLER (V)  m,  v,  t sem: ‘parler’ arg1 : x arg2 : y suj iobj À (Prép) ¬sem prép (N) sem: y (N) sem: x PARLER suj aux AVOIR//@aux (V)  m,présent (N) sem: x PARLER (V) p-passé,  v sem: ‘parler’ t: ‘passé comp’ arg1 : x arg2 : y À (Prép) ¬sem prép (N) sem: y iobj suj PARLER p-comp +

25 Sylvain Kahane, TALN, 5 juillet 200125 Règles sém. grammaticales : version unification (2) CHAT (N)  d,  n sem: ‘chat’ CHAT + défini LE (Dét) ¬sem dét X (N)  n d: ‘défini’ CHAT déf LE (Dét) ¬sem dét CHAT (N)  n d: ‘défini’

26 Sylvain Kahane, TALN, 5 juillet 200126 Locutions MONTER (V)  m,  v,  t sem: ‘la moutarde monter au nez’ arg1 : x suj iobj À, (Prép), ¬sem (N,pro) sem: x dét loc prép dét LE, (Dét), ¬sem MOUTARDE (N) ¬sem NEZ, (N), ¬sem LA (Dét) ¬sem (i) La moutarde me monte sérieusement au nez (ii) *La moutarde forte me monte au nez

27 Sylvain Kahane, TALN, 5 juillet 200127 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) (i) La moutardecommence à lui monter au nez (ii) *La moutarde essaye de lui monter au nez

28 Sylvain Kahane, TALN, 5 juillet 200128 Verbes copules et adjectifs (i) un petit livre (ii) ce livre est petit (iii) Pierre trouve ce livre petit ÊTRE (V)  m,  v,  t suj préd (Adj) mod TROUVER (V)  m,  v,  t sem: ‘trouver’ arg1 : x arg2 : y suj préd mod (Adj) sem: y (N) sem: x dobj mod (N) sem: x PETIT (Adj) sem: ‘petit’ arg1 : x

29 Sylvain Kahane, TALN, 5 juillet 200129 Tough-movement (i) un livre facile à lire (ii) ce livre est facile à lire (iii) Pierre trouve ce livre facile à lire mod ÊTRE (V)  m,  v,  t suj préd (Adj) mod TROUVER (V)  m,  v,  t sem: ‘trouver’ arg1 : x arg2 : y suj préd mod (Adj) sem: y (N) sem: x dobj (N) FACILE (Adj) sem: ‘facile’ arg1 : x inf À, (Prép), ¬sem prép (V)inf sem: x dobj

30 Sylvain Kahane, TALN, 5 juillet 200130 3.3. Modularité et lexicalisation

31 Sylvain Kahane, TALN, 5 juillet 200131 (V) (N) (Adj) (N) (V) (Adv) (V)3//p,sg//n (p)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/ représentation sémantique représentation syntaxique représentation morphologique représentation graphique/phonologique

32 Sylvain Kahane, TALN, 5 juillet 200132 Stratégies d'analyses n Deux stratégies principales: –Analyse horizontale (module par module) : < étiquetage < shallow parsing (analyse superficielle) < analyse profonde –Analyse verticale (mot par mot) : cf. grammaires lexicalisées

33 Sylvain Kahane, TALN, 5 juillet 200133 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’ 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/ étiquetage shallow parsing analyse profonde Analyse horizontale (V) (N) (Adj) (N) (V) (Adv) (V)3//p,sg//n (p)n -10 subj-5 adv -5 mod +10 obj subj représentation sémantique représentation syntaxique représentation morphologique représentation graphique/phonologique

34 Sylvain Kahane, TALN, 5 juillet 200134 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’ 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/ Analyse verticale Analyse verticale représentation sémantique représentation syntaxique représentation morphologique représentation graphique/phonologique (V) (N) (Adj) (N) (V) (Adv) (V)3//p,sg//n (p)n -10 subj-5 adv -5 mod +10 obj subj

35 Sylvain Kahane, TALN, 5 juillet 200135 (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 complète Lexicalisation complète

36 Sylvain Kahane, TALN, 5 juillet 200136 (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 complète 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

37 Sylvain Kahane, TALN, 5 juillet 200137 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 ? …

38 Sylvain Kahane, TALN, 5 juillet 200138 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-, …

39 Sylvain Kahane, TALN, 5 juillet 200139 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)

40 Sylvain Kahane, TALN, 5 juillet 200140 Stratégie verticale (1) n Grammaires complètement lexicalisées –Grammaires catégorielles (Ajdukiewicz 1935, Bar-Hillel, Steedman, Moortgat …) –Grammaires de dépendance (Hays 1960 …) –LTAG (Joshi, Schabes 1990, Abeillé 1991…) n Obtenir une grammaire lexicalisée à partir d'une grammaire modulaire (Vijay-Shanker 1992, Kasper et al. 1995, Candito 1996 …)

41 Sylvain Kahane, TALN, 5 juillet 200141 Stratégie verticale (2) n Grammaire complètement lexicalisée = précompilation de la grammaire modulaire n Synthèse verticale = compilation on-line n GUST : grammaire modulaire et complètement lexicalisée dans le même formalisme –stratégie intermédiaire : groupement par chunks n Conclusion : architecture modulaire ≠ analyse/synthèse module par module