Télécharger la présentation
La présentation est en train de télécharger. S'il vous plaît, attendez
Publié parSuzette Lallemand Modifié depuis plus de 9 années
1
Sémantique dans les grammaires minimalistes
Alain Lecomte
2
Chomsky, 1998 Thus, UG might postulate that FL provides:
We are taking the language L to be a way of computing expressions, a recursive definition of a set EXP. Thus, UG might postulate that FL provides: (i) a set of features (ii) principles for assembling features into lexical items (iii) operations that apply successively to form syntactic objects of greater complexity; call them CHL, the computational system for human language
3
Thesis: « Language is an optimal solution to legibility conditions »
FL generates expressions <PF, LF> and thus correlates sound and meaning (which provide interface levels) A computation converges at an interface level if it is legible there, consisting solely of elements that provide instructions to the external systems […], otherwise, it crashes at this interface. The computation converges if it converges at both interfaces.
4
« Transformations généralisées »
Merge : expliquer comment deux unités peuvent fusionner pour en former une autre, qui hérite certaines propriétés de l’une des deux (tête, projection) Move : rendre compte du fait que dans les langues, des expressions ayant subi des déplacements peuvent néanmoins continuer à être interprétées comme si elles étaient restées à leur place d’origine
5
Tous semblent dormir Il semble que tous dorment Ils semblent tous dormir Where were you born? Khyerang khapar thrung pare? (tib.)
6
d’autres évidences pour la notion de mouvement
Paul achète un livre que Jean a acquis c’est grâce à ‘que’ que le deuxième argument de acquérir peut être partagé avec livre ainsi que effectue un déplacement qui permet de rapprocher cet argument de la tête livre.
7
Le SN un livre que Jean a acquis
Det N’ un *** N livre I’’ que I’ SN Jean I V’’ a SN V’ t SN V acquis t’
8
Le SN un livre que Jean a acquis
Det N’ un *** a_acquis(Jean, y) & x = y N livre(x) I’’ a_acquis(Jean, y) que I’ a_acquis(z, y) SN Jean I V’’ a SN V’ t z SN V acquis t’ y
9
N’’ Det N un livre N’ C’’ C’ spec C I’’ que I’ SN Jean I V’’ a SN V’ t SN V acquis t’
10
Minimalism and Formal Grammars
Several attempts to formalise « minimalist principles »: Stabler, 1997, 1999, 2000, 2001: - « minimalist grammars » (MG) Weak equivalence with: - Multiple Context-Free Grammars (Seki et al. Harkema) - Linear Context-Free Rewriting Systems (Michaelis)
11
Lexical items are considered lists of features
minimalist grammars Lexical items are considered lists of features select* licensors* base licensees* P*I* select: =n, =d, =v, =t, … base: n, d, v, t, … licensors: +k, +wh, … licensees: -k, -wh, …
12
définition Une grammaire minimaliste est un quadruplet (V, Cat, Lex, F) où: V = P I Cat = (base select assigné assignateur), Lex = cf. plus haut F = {merge, move} ex: P = {/marie/, /pierre/, /le/,/quechua/,…} I = {(marie), (pierre), (quechua), (le),…} base = {c, t, v, d, n, …} select = { =x ; xbase} assigné = { -k, -wh, …} assignateur = {+k, +K, +wh, +WH, …}
13
merge Un couple d’arbres , appartient au domaine de merge ssi a le trait =x et le trait x pour un certain xbase. merge(, ) = [< , ] si a un seul nœud merge(, ) = [> , ] si a plus d’un nœud ’ : - {=x} et ’ : - {x} « a le trait f » : le premier élément de la suite qui étiquette la tête de est f
14
projections, têtes… quand deux constituants se combinent, l’un des deux « se projette » par rapport à l’autre, on écrit x < y pour « x se projette par rapport à y » x est tête de y si: y feuille et x = y ou : x est tête d’un z qui se projette par rapport à tous ses nœuds frères
15
move appartient au domaine de move ssi a le trait +y et a exactement un sous-arbre maximal 0 ayant le trait –y move() = [> ’0 , ’] où ’0 est 0 – {-y} et ’ est - {+y} et ’0 est remplacé par un nœud sans trait si y est fort ou avec seulement les traits phonétiques s’il est faible. maximal : sa racine est la projection maximale d’une tête
16
Example (Stabler 97) Lexicon: d –k maria d –k quechua =n d –k some
=n d –k every n student n language =d +k =d v speaks =c +k =d v believes =v +K t =t c =t c -k
17
Merge =n d –k every n language
18
d –k every language <
19
< =d +k =d v speaks d –k every language
20
< < +k =d v speaks –k every language
21
Move < –k every language < +k =d v speaks
22
Move –k every language < < < +k =d v speaks –k every language
23
Move > every language < < l =d v speaks
24
> < < (every) (language) =d v speaks /every//language/
LF : (some linguist)(every language)(speaks) PF: /some linguist speaks every language/
25
déplacement « scope » correct pour les expressions quantifiées
Idée : associer aux opérations de F des opérations sémantiques permettant d’obtenir les formes logiques déplacement « montée de type »
26
exemple (simplifié) VP np V ip cas i1 vp infl
27
exemple (simplifié) ip i1 cas vp infl VP np V cas
28
exemple (simplifié) ? ip i1 cas vp infl t (eobjt)t esuj t esujj
eobj(esuj t) eobj
29
exemple (simplifié) ip cas vp VP cas (eobjt)t t esuj t esujj np V
eobj(esuj t)
30
exemple (simplifié) ip cas t eobj t cas (eobjt)t t esuj t esujj
np V esuj t esujj eobj eobj(esuj t)
31
exemple (simplifié) t esuj t (esujt)t cas t eobj t cas
(eobjt)t t np V esuj t esujj eobj eobj(esuj t)
32
exemple (simplifié) t esuj t (esujt)t cas Abstraction steps t
eobj t (eobjt)t t np V Application steps esuj t esujj eobj eobj(esuj t)
33
Aspects « ressources » where o-- and –o are « logically » the same,
1- MERGE Let us assume: every : |- every : d o-- n language: |- language : n speaks: |- speaks : (d –o v) o-- d where o-- and –o are « logically » the same, they only differ by labelling conventions (will be often replaced by / and \)
34
cf. (natural deduction style)
35
speaks every language: d\v
speaks: (d\v)/d every language:d every:d/n language:n
36
2 - MOVE Move may be decomposed into two phases:
1) to assume hypotheses 2) to discharge them by means of a product
37
v))/d \ (d (k d k Ä |- |- Let us assume: every language :
(= every DP needs a case feature) |- speaks : v))/d \ (d (k ( a V is a case-assigner)
38
1) Assuming hypotheses (x, y):
d : x a v))/d \ (d (k speaks a : : k y a _ \ v) (d k d x speaks a : k : ; x d v \ y_speaks_x y a 2) Discharging hypotheses: d k : Ä language every a : ; x _ d v \ k speaks y a 1 \ : v d _ 2 > < language every speaks a
39
1) Assuming hypotheses d\v k k\(d\v) (k\(d\v))/d d speaks x y y_speaks_x speaks_x
40
2) Discharging hypotheses
d\v <ev lang>_speaks_<ev lang> d k Ä every_language d\v k k\(d\v) (k\(d\v))/d d speaks x y y_speaks_x speaks_x
41
Or (proof-net): d\v k k\(d\v) (k\(d\v))/d d speaks x y <ev_lang>_speaks_<ev_lang> speaks_x d k Ä every_language
42
this translates movement:
d\v k k\(d\v) (k\(d\v))/d d speaks x y y_speaks_x speaks_x
43
Tensor elimination
44
SVO : d\v k k\(d\v) (k\(d\v))/d d speaks x y speaks_ev_lang speaks_x d k Ä every_language
45
SOV d\v k k\(d\v) (k\(d\v))/d d speaks x y <ev_lang>_speaks speaks_x d k Ä every_language
46
a a a )/n a which : ( a do : (wh\cp)/t ((k\t)/vp) a think : (d\vp)/t
whkd a book: book : n a do : (wh\cp)/t do: ((k\t)/vp) you: a you: kd think: a think : (d\vp)/t Mary: a Mary : kd reads: a reads : (k\t)/vp) ((k\(d\vp))/d)
47
Conditions on proofs To be synchronized with semantic proofs
48
k k\ip (k\ip)/vp vp vp/vp vp np np\vp mary to work seems
knp
49
k1 mary k\ip (k\ip)/vp2 seems vp vp/vp2 vp np1 np\vp to work
50
t (et)t et t (((tt)t)t) (tt)t t tt t work(x) e t
u.u(mary) et t (((tt)t)t) Q.Q(u.PRES(seem(u))) (tt)t t P(work(x)) tt P t work(x) e x e t y.work(y) Homomorphism of types
51
Semantical deduction in MILL
PRES(seem(work(mary))) (et)t u.u(mary) et x.PRES(seem(work(x))) t PRES(seem(work(x))) (((tt)t)t) Q.Q(u.PRES(seem(u))) (tt)t P.P(work(x)) t P(work(x)) tt P t work(x) e x e t y.work(y) Semantical deduction in MILL
52
synchronisation MOVE = ATTRACT (insertion d’un trait formel en position haute comme hypothèse) + move (déchargement simultané de deux hypothèses) « RAISE » = ABSTRACTION (déchargement d’une hypothèse par intro de –o) + APPLICATION (d’un type monté ou vers un type simple)
53
move B A Ä G : ' a C -o - : ...) (... ] [ A x z B a È G A x : ' ] [ a
D C -o - : ...) (... ] [ A x z B a È G C C x’z(… x …) :AB A—oC x:B z(… x …) x’:A
54
Move cyclique et head movement
Move cyclique : cas où ’ n’est pas vide, utilisation de l’axiome d’identité, est une variable Exemple : antéposition de wh, avec : |- who : wh(k np) relais : z: k np |- z: k np
55
cp wh\cp wh ip k\ip k vp np vp
56
« RAISE » Règle dérivée : « RAISE »:
57
« NORAISE » « NORAISE »:
58
synchronisation Deux preuves, l’une dans SYN l’autre dans SEM sont dites synchronisées si et seulement si: Toute feuille dans SEM a une contrepartie coindexée dans SYN Les pas et leurs contreparties sont effectués dans le même ordre au sein des preuves respectives
59
exemple ip knom knom\ip vp (knom\ip)/vp kacc\vp kacc np\(kacc\vp) np
60
ip knom knom\ip vp (knom\ip)/vp kacc\vp kacc np\(kacc\vp) np (np\(kacc\vp))/np np
61
ou : ? ip knom knom\ip vp (knom\ip)/vp kacc\vp kacc np\(kacc\vp) np
62
np\(kacc\vp) (np\(kacc\vp))/np np
63
esujt eobj(esujt) eobj
64
esujt np eobj(esujt) eobj
65
t esujt esuj eobj(esujt) eobj
66
t kacc esujt esuj eobj(esujt) eobj
67
t (eobjt)t esujt esuj eobj(esujt) eobj kacc (eobjt)t
68
(eobjt) (eobjt)t t esujt esuj eobj(esujt) eobj
69
Donc : kacc\vp kacc np\(kacc\vp) np (np\(kacc\vp))/np np
70
parameters… Ordre des mots en japonais John-ga Mary-o butta
Mary-o John-ga butta John-SUJ : |- John:knp (esujt)t Mary-OBJ : |- Mary:knp (eobjt)tvp butta : |- butta: ((k\ip)/vp) ((np\(k\vp))/np) eobj(esujt)
71
ip k k\ip I vp k\vp np np\(k\vp) V eobj(esujt) eobj esuj (eobjt)t ip k k\ip I vp k\vp np np\(k\vp) V eobj(esujt) eobj esuj (esujt)t
72
parameters… English: Tibetan: I did prepare a (one) meal
nga neka ci sö payin (litt. I meal one prepare did)
73
ip k I k\ip (k\ip)/vp vp k k\vp np np\(k\vp) np (np\(k\vp))/np knp
did vp k k\vp np np\(k\vp) np (np\(k\vp))/np prepare knp (knp)/n a n meal
74
knp (knp)/n a n meal
75
knp n\(knp) ci n neka
76
vp k k\vp np np\(k\vp) np (np\(k\vp))/np knp n n\(knp) prepare neka
ci n neka
77
vp k k\vp np np\(k\vp) np (np\(k\vp))/np sö knp n\(knp) ci n neka
78
vp k k\vp np np\(k\vp) np (np\(k\vp))/np sö knp n\(knp) ci n neka
79
ip k I k\ip (k\ip)/vp vp k k\vp np np\(k\vp) np (np\(k\vp))/np
did vp k k\vp np np\(k\vp) np (np\(k\vp))/np sö knp n\(knp) ci n neka
80
ip k k\ip vp\(k\ip) vp k k\vp np np\(k\vp) np (np\(k\vp))/np knp
nga k\ip ip vp\(k\ip) payin vp k k\vp np np\(k\vp) np (np\(k\vp))/np sö knp n\(knp) ci n neka
81
ip k I k\ip (k\ip)/vp vp k k\vp np np\(k\vp) np (np\(k\vp))/np knp
did vp k k\vp np np\(k\vp) np (np\(k\vp))/np prepare knp (knp)/n a n meal
82
ip k k\ip vp\(k\ip) vp k k\vp np np\(k\vp) np (np\(k\vp))/np knp
nga k\ip ip vp\(k\ip) payin vp k k\vp np np\(k\vp) np (np\(k\vp))/np sö knp n\(knp) ci n neka
Présentations similaires
© 2024 SlidePlayer.fr Inc.
All rights reserved.