Les enjeux du projet LexAlp pour l informatique linguistique

Transcription

1 Les enjeux du projet LexAlp pour l informatique linguistique Gilles Sérasset GETALP, Laboratoire d Informatique de Grenoble Université Joseph Fourier Grenoble I, France Conférence finale Lexalp

2 1 Introduction 2 Verrous scientifique Organisation des bases lexicales multilingues Plate-forme de gestion/constructions de bases lexicales 3 Approche choisie Structuration des données Méthodologie de construction Une plate-forme open-source générique 4 La banque de terme LexALP Recherche de termes Édition de termes 5 Conclusion

3 Outline 1 Introduction 2 Verrous scientifique Organisation des bases lexicales multilingues Plate-forme de gestion/constructions de bases lexicales 3 Approche choisie Structuration des données Méthodologie de construction Une plate-forme open-source générique 4 La banque de terme LexALP Recherche de termes Édition de termes 5 Conclusion

4 Contexte du projet LexAlp Le projet LexAlp vise la construction d une banque de terme pour un domaine particulier. Vu de loin, il s agit donc d un projet de terminologie comme il en existe tant d autres.

5 Exemples de problèmes rencontrés Différents termes pour le même sens chien drogue est utilisé dans les textes Européens alors que les textes Français utilisent chien renifleur. Différents sens pour le même terme Landeshauptmann à Bolzano (Italie) a beaucoup moins de pouvoir qu un Landeshauptmann Autrichien. Une traduction «d apparence» produit un glissement de sens elezione suppletiva en Italie ont communément lieu lorsqu un député ou un sénateur démissionne ou meurt Ersatzwahlen sont très rares, car en Allemagne le candidat non-élu suivant est appelé au parlement.

6 Exemples de problèmes rencontrés Différents termes pour le même sens chien drogue est utilisé dans les textes Européens alors que les textes Français utilisent chien renifleur. Différents sens pour le même terme Landeshauptmann à Bolzano (Italie) a beaucoup moins de pouvoir qu un Landeshauptmann Autrichien. Une traduction «d apparence» produit un glissement de sens elezione suppletiva en Italie ont communément lieu lorsqu un député ou un sénateur démissionne ou meurt Ersatzwahlen sont très rares, car en Allemagne le candidat non-élu suivant est appelé au parlement.

7 Exemples de problèmes rencontrés Différents termes pour le même sens chien drogue est utilisé dans les textes Européens alors que les textes Français utilisent chien renifleur. Différents sens pour le même terme Landeshauptmann à Bolzano (Italie) a beaucoup moins de pouvoir qu un Landeshauptmann Autrichien. Une traduction «d apparence» produit un glissement de sens elezione suppletiva en Italie ont communément lieu lorsqu un député ou un sénateur démissionne ou meurt Ersatzwahlen sont très rares, car en Allemagne le candidat non-élu suivant est appelé au parlement.

8 Contexte du projet LexAlp On retrouve donc l ensemble des difficultés liées à la construction de dictionnaires d usages généraux. Les outils usuels de terminologie ne sont donc pas exploitables. C est la raison pour laquelle nous avons utilisé un outil de construction collaborative de dictionnaires généraux: la plate-forme Jibiki, que nous avons adaptés au projet LexAlp.

9 Outline 1 Introduction 2 Verrous scientifique Organisation des bases lexicales multilingues Plate-forme de gestion/constructions de bases lexicales 3 Approche choisie Structuration des données Méthodologie de construction Une plate-forme open-source générique 4 La banque de terme LexALP Recherche de termes Édition de termes 5 Conclusion

10 Introduction Verrous scientifique Approche choisie La banque de terme LexALP Conclusion Organisation des bases lexicales multilingues Organisation des bases lexicales multilingues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ous avez tous utilisé un dictionnaire d usage monolingue. 7*84*/-,#63#<VQQ " W#:1%3#0(2$(."*"=#+;1$*3#$(5"*@3 Q3#X3#%*3#Y!9#<Z[[\@3#](*2"*#$1*#:;155"2):1>"=#:1#0(2)&.1&5(.#+"#$1*%&"53#X3#:;-$(-,<%+,,+$;-,< +//-86.-,<%(*$/)')1-,<%&'/4*/-,<%=+',-<%=*,8-,<%*,;+$'/-,"#4*)5*,"!'$.'!")6("7'$.'8!"$1-/"7 $.'5&-+9'X3#7*$=-()'*$$-,<%4,>4+,-,"#:%6#",'2$%'#*)5*,".+'$."')-#;%."9<#]&>3#^=$' #*)5*,", (-.,'+-'>"$.",,"'&?;*))"')@!7'&"'1%"%&&-!('2$"'+$',"!-,_#<`10#K*:1.@3#Y#?9#<63#Zabc@#]1&*"=#$*(+/&*" </."# ("/6*"@3# (,>-,<% >(,',-<% 4,*&1',-"#4*)5*,"!' $.' &%1!"7' $.' 5*6)"7' (",' 1"!,9#Y#B9 <Zd\c@3#e0*&*"#</."#f/6*"#2/5&01:"@3#4*)5*,"!'$."',*.-+"7'$.'#;A$!9#g#T)5(:%3#4?",+'$.'/!-.( %.+"!5!6+"7')-%,'%&'."'#*)5*,"'5-,9#Y#C9#Q2$*&23#<ZdhZ@3#T55"2):"*#+"5#01*10%A*"5#$(/*#-(*2"*#</. %"D%"@3# ^B&' "$+7' &"' 5!")%"!7' 3%.%' ("' #*)5*,"!' C' &%/.",_# <J/8123@3# D"' +"E+"' ",+' #*)5*,07' *.' 1- #*))".#"!' &"' +%!-/"9# Y# D 9# <Z[[\@3# e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

11 Organisation des bases lexicales multilingues Organisation des bases lexicales multilingues!"#$ %&'(&)**+&,"#$ #)*($ -&"*$ #)./"*($ ')*#(,.&(#$ "*$ ')00+-),+(&)*$ "*(,"$ %".1$ 2%&(".,#$ %" %&'(&)**+&,"#$ 3)*)0&*4."#5$ 6&*#&7$ 0+$ %2')38)#&(&)*$ "*$ #"*#$ %.$ %&'(&)**+&,"$ -&0&*4."$ "#( &%"*(&9."$:$0+$%2')38)#&(&)*$"*$#"*#$%.$%&'(&)**+&,"$3)*)0&*4."$#).,'"5$;+,$')*(,"7$0+$<),3" "#($+##"=$%&<<2,"*("7$8.&#9.>"00"$"#($*24)'&2"$"*(,"$0"#$%".1$2%&(".,#5$6&*#&7$0"$8"(&($?)-",( Vous avez tous utilisé un dictionnaire d usage bilingue..(&0&#"$%"#$'@&<<,"#$8).,$*.32,)(",$#"#$#"*#7$+0),#$9."$0"$?)-",($a$!)00&*#$.(&0&#"$%"#$0"((,"#5!"#$"%&'$($/($)*+$b!"#$%!&'"##%(c$)*+&,-./0'!+.%#&$()$3+d"$b.8ce$/12')%-0%-$""&3+**-%&!4$()$#"0"'(e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

12 Organisation des bases lexicales multilingues Organisation des bases lexicales multilingues Avez-vous déjà utilisé un dictionnaire d usage multilingue?

13 Organisation des bases lexicales multilingues Organisation des bases lexicales multilingues Avez-vous déjà utilisé un dictionnaire d usage multilingue? C est normal, on ne sait pas les faire... En tous cas, pas sur papier... L organisation logique d un ensemble d informations lexicales multilingues reste un problème ouvert en informatique linguistique.

14 Plate-forme de gestion/constructions de bases lexicales Plate-forme de gestion/constructions de bases lexicales Les dictionnaires jouent un rôle central dans les tâches langagières (humaines et artificielles) Mais construire un dictionnaire est extrêmement difficile cela nécessite des compétences linguistiques pour définir une structure de donnée valide et pour produire des entrées correctes cela requiert des compétence organisationnelles rigoureuses pour gérer des lexicographes d horizons divers aux compétences différentes cela exige des compétence informatiques pour s assurer de la validité/de la bonne-formation des entrées développées pour fournir des outils améliorant la productivité pour éviter la perte de données

15 Plate-forme de gestion/constructions de bases lexicales Plate-forme de gestion/constructions de bases lexicales Les dictionnaires jouent un rôle central dans les tâches langagières (humaines et artificielles) Mais construire un dictionnaire est extrêmement difficile cela nécessite des compétences linguistiques pour définir une structure de donnée valide et pour produire des entrées correctes cela requiert des compétence organisationnelles rigoureuses pour gérer des lexicographes d horizons divers aux compétences différentes cela exige des compétence informatiques pour s assurer de la validité/de la bonne-formation des entrées développées pour fournir des outils améliorant la productivité pour éviter la perte de données

16 Plate-forme de gestion/constructions de bases lexicales Plate-forme de gestion/constructions de bases lexicales Les dictionnaires jouent un rôle central dans les tâches langagières (humaines et artificielles) Mais construire un dictionnaire est extrêmement difficile cela nécessite des compétences linguistiques pour définir une structure de donnée valide et pour produire des entrées correctes cela requiert des compétence organisationnelles rigoureuses pour gérer des lexicographes d horizons divers aux compétences différentes cela exige des compétence informatiques pour s assurer de la validité/de la bonne-formation des entrées développées pour fournir des outils améliorant la productivité pour éviter la perte de données

17 Plate-forme de gestion/constructions de bases lexicales Plate-forme de gestion/constructions de bases lexicales Les dictionnaires jouent un rôle central dans les tâches langagières (humaines et artificielles) Mais construire un dictionnaire est extrêmement difficile cela nécessite des compétences linguistiques pour définir une structure de donnée valide et pour produire des entrées correctes cela requiert des compétence organisationnelles rigoureuses pour gérer des lexicographes d horizons divers aux compétences différentes cela exige des compétence informatiques pour s assurer de la validité/de la bonne-formation des entrées développées pour fournir des outils améliorant la productivité pour éviter la perte de données

18 Plate-forme de gestion/constructions de bases lexicales Plate-forme de gestion/constructions de bases lexicales Les dictionnaires jouent un rôle central dans les tâches langagières (humaines et artificielles) Mais construire un dictionnaire est extrêmement difficile cela nécessite des compétences linguistiques pour définir une structure de donnée valide et pour produire des entrées correctes cela requiert des compétence organisationnelles rigoureuses pour gérer des lexicographes d horizons divers aux compétences différentes cela exige des compétence informatiques pour s assurer de la validité/de la bonne-formation des entrées développées pour fournir des outils améliorant la productivité pour éviter la perte de données La compétence linguistique est indispensable

19 Plate-forme de gestion/constructions de bases lexicales Plate-forme de gestion/constructions de bases lexicales Les dictionnaires jouent un rôle central dans les tâches langagières (humaines et artificielles) Mais construire un dictionnaire est extrêmement difficile cela nécessite des compétences linguistiques pour définir une structure de donnée valide et pour produire des entrées correctes cela requiert des compétence organisationnelles rigoureuses pour gérer des lexicographes d horizons divers aux compétences différentes cela exige des compétence informatiques pour s assurer de la validité/de la bonne-formation des entrées développées pour fournir des outils améliorant la productivité pour éviter la perte de données Mais les autres compétences devraient être optionnelles

20 Plate-forme de gestion/constructions de bases lexicales Plate-forme de gestion/constructions de bases lexicales Les dictionnaires jouent un rôle central dans les tâches langagières (humaines et artificielles) Mais construire un dictionnaire est extrêmement difficile cela nécessite des compétences linguistiques pour définir une structure de donnée valide et pour produire des entrées correctes cela requiert des compétence organisationnelles rigoureuses pour gérer des lexicographes d horizons divers aux compétences différentes cela exige des compétence informatiques pour s assurer de la validité/de la bonne-formation des entrées développées pour fournir des outils améliorant la productivité pour éviter la perte de données Si l on dispose d une plate-forme informatique adéquate

21 Outline 1 Introduction 2 Verrous scientifique Organisation des bases lexicales multilingues Plate-forme de gestion/constructions de bases lexicales 3 Approche choisie Structuration des données Méthodologie de construction Une plate-forme open-source générique 4 La banque de terme LexALP Recherche de termes Édition de termes 5 Conclusion

22 Structuration des données Structuration des données La banque de termes est une collection de «lexies» Chaque lexie représente une acception du domaine ex: principe de précaution principe de précaution ex: chien renifleur chien drogue Les lexies sont reliées par des relations interlingues nommée «axies»

23 Méthodologie de construction Méthodologie de construction Developper une banque de termes quadrilingue Allemand, Français, Italien and Slovène à partir des texte de la Convention Alpine Lier les équivalents au niveau de la Convention Alpine Harmoniser les termes au niveau de la Convention Alpine Lier ces termes avec ceux définis au niveau national Allemagne, Autriche, France, Italie, Slovenie, Suisse en se fondant sur les textes nationaux/régionaux

24 Méthodologie de construction Méthodologie de construction it trasporto intraalpino it traffico intraalpino de inneralpiner Verkehr fr trafic intra-alpin sl znotrajalpski promet fr transport intra-alpin fr circulation intra-alpine

25 Méthodologie de construction Méthodologie de construction Developper une banque de termes quadrilingue Allemand, Français, Italien and Slovène à partir des texte de la Convention Alpine Lier les équivalents au niveau de la Convention Alpine Harmoniser les termes au niveau de la Convention Alpine Lier ces termes avec ceux définis au niveau national Allemagne, Autriche, France, Italie, Slovenie, Suisse en se fondant sur les textes nationaux/régionaux

26 Méthodologie de construction Méthodologie de construction it trasporto intraalpino it traffico intraalpino de inneralpiner Verkehr fr trafic intra-alpin sl znotrajalpski promet fr transport intra-alpin fr circulation intra-alpine

27 Méthodologie de construction Méthodologie de construction Developper une banque de termes quadrilingue Allemand, Français, Italien and Slovène à partir des texte de la Convention Alpine Lier les équivalents au niveau de la Convention Alpine Harmoniser les termes au niveau de la Convention Alpine Lier ces termes avec ceux définis au niveau national Allemagne, Autriche, France, Italie, Slovenie, Suisse en se fondant sur les textes nationaux/régionaux

28 Méthodologie de construction Méthodologie de construction it trasporto intraalpino it traffico intraalpino de inneralpiner Verkehr fr trafic intra-alpin sl znotrajalpski promet fr transport intra-alpin fr circulation intra-alpine

29 Méthodologie de construction Méthodologie de construction Developper une banque de termes quadrilingue Allemand, Français, Italien and Slovène à partir des texte de la Convention Alpine Lier les équivalents au niveau de la Convention Alpine Harmoniser les termes au niveau de la Convention Alpine Lier ces termes avec ceux définis au niveau national Allemagne, Autriche, France, Italie, Slovenie, Suisse en se fondant sur les textes nationaux/régionaux

30 Méthodologie de construction Méthodologie de construction it principio di precauzione de Vorsorgeprinzip fr principe de précaution sl nacelo preventive fr principe de précaution

31 Une plate-forme open-source générique Une plate-forme open-source générique Jibiki est une plate-forme pour le développement de sites web dynamiques dédié aux communautés de développement de dictionnaires multilingues Services offerts: Accès unifiés à de nombreux dictionnaires différents Édition de certains des dictionnaires disponibles Cette plate-forme est adaptable à divers (tous?) projets de dictionnaires Ainsi, la pérennité de la plate-forme est assurée au delà du projet

32 Une plate-forme open-source générique Une plate-forme open-source générique Jibiki est une plate-forme pour le développement de sites web dynamiques dédié aux communautés de développement de dictionnaires multilingues Services offerts: Accès unifiés à de nombreux dictionnaires différents Édition de certains des dictionnaires disponibles Cette plate-forme est adaptable à divers (tous?) projets de dictionnaires Ainsi, la pérennité de la plate-forme est assurée au delà du projet

33 Une plate-forme open-source générique Une plate-forme open-source générique Jibiki est une plate-forme pour le développement de sites web dynamiques dédié aux communautés de développement de dictionnaires multilingues Services offerts: Accès unifiés à de nombreux dictionnaires différents Édition de certains des dictionnaires disponibles Cette plate-forme est adaptable à divers (tous?) projets de dictionnaires Ainsi, la pérennité de la plate-forme est assurée au delà du projet

34 Une plate-forme open-source générique Une plate-forme open-source générique Jibiki est une plate-forme pour le développement de sites web dynamiques dédié aux communautés de développement de dictionnaires multilingues Services offerts: Accès unifiés à de nombreux dictionnaires différents Édition de certains des dictionnaires disponibles Cette plate-forme est adaptable à divers (tous?) projets de dictionnaires Ainsi, la pérennité de la plate-forme est assurée au delà du projet

35 Outline 1 Introduction 2 Verrous scientifique Organisation des bases lexicales multilingues Plate-forme de gestion/constructions de bases lexicales 3 Approche choisie Structuration des données Méthodologie de construction Une plate-forme open-source générique 4 La banque de terme LexALP Recherche de termes Édition de termes 5 Conclusion

36 Recherche de termes Recherche de termes Recherche simple

37 Recherche de termes Recherche de termes Recherche simple

38 Recherche de termes Recherche de termes Recherche avancée

39 Recherche de termes Recherche de termes Recherche avancée

40 Recherche de termes Recherche de termes Recherche simple pour un traducteur

41 Recherche de termes Recherche de termes Recherche simple pour un traducteur

42 Recherche de termes Recherche de termes Recherche simple pour un juriste

43 Recherche de termes Recherche de termes Recherche simple pour un juriste

44 Édition de termes Édition de termes

45 Édition de termes Édition de termes

46 Édition de termes Édition de termes

47 Outline 1 Introduction 2 Verrous scientifique Organisation des bases lexicales multilingues Plate-forme de gestion/constructions de bases lexicales 3 Approche choisie Structuration des données Méthodologie de construction Une plate-forme open-source générique 4 La banque de terme LexALP Recherche de termes Édition de termes 5 Conclusion

48 Conclusion La spécificité du projet LexAlp nous ont permis : d expérimenter une macro structure lexicale: l approche interlingue par acception de renforcer le développement d une plate-forme générique d édition de dictionnaires multilingues De nombreux autres outils non présentés ici ont été développés une base de références pour relier les définitions et contextes aux documents d où ils sont extraits un corpus multilingue de textes juridiques, utilisé pour l extraction des termes candidats et de leurs traductions un outil d extraction de candidats termes proches pour aider à la recherche de quasi-équivalents dans les systèmes légaux nationaux. La plate-forme Jibiki est déjà utilisée par d autres projets de dictionnaires ce qui renforce sa pérennisation après le projet

49 Conclusion La spécificité du projet LexAlp nous ont permis : d expérimenter une macro structure lexicale: l approche interlingue par acception de renforcer le développement d une plate-forme générique d édition de dictionnaires multilingues De nombreux autres outils non présentés ici ont été développés une base de références pour relier les définitions et contextes aux documents d où ils sont extraits un corpus multilingue de textes juridiques, utilisé pour l extraction des termes candidats et de leurs traductions un outil d extraction de candidats termes proches pour aider à la recherche de quasi-équivalents dans les systèmes légaux nationaux. La plate-forme Jibiki est déjà utilisée par d autres projets de dictionnaires ce qui renforce sa pérennisation après le projet

50 Conclusion La spécificité du projet LexAlp nous ont permis : d expérimenter une macro structure lexicale: l approche interlingue par acception de renforcer le développement d une plate-forme générique d édition de dictionnaires multilingues De nombreux autres outils non présentés ici ont été développés une base de références pour relier les définitions et contextes aux documents d où ils sont extraits un corpus multilingue de textes juridiques, utilisé pour l extraction des termes candidats et de leurs traductions un outil d extraction de candidats termes proches pour aider à la recherche de quasi-équivalents dans les systèmes légaux nationaux. La plate-forme Jibiki est déjà utilisée par d autres projets de dictionnaires ce qui renforce sa pérennisation après le projet

51 Merci...