Segmentation Multilingue des Mots Composés

Elizaveta Loginova Clouet (1) , Béatrice Daille (1)

1 LINA - Laboratoire d'Informatique de Nantes Atlantique

La composition est un phénomène fréquent dans plusieurs langues, surtout dans des langues ayant une morphologie riche. Le traitement des mots composés est un défi pour les systèmes de TAL car pour la plupart, ils ne sont pas présents dans les lexiques. Dans cet article, nous présentons une méthode de segmentation des composés qui combine des caractéristiques indépendantes de la langue (mesure de similarité, données du corpus) avec des règles de transformation sur les frontières des composants spécifiques à une langue. Nos expériences de segmentation de termes composés allemands et russes montrent une exactitude jusqu'à 95 % pour l'allemand et jusqu'à 91 % pour le russe. Nous constatons que l'utilisation de corpus spécialisés relevant du même domaine que les composés améliore la qualité de segmentation.

Mots clés: segmentation des mots composés; outil multilingue; mesure de similarité; règles de transformation des composants; corpus spécialisés

Domaines: Traitement du texte et du document

Elizaveta Loginova Clouet, Béatrice Daille. Segmentation Multilingue des Mots Composés. Traitement Automatique des Langues Naturelles (TALN), Jun 2013, Sables d'Olonne, France. pp.564-571. ⟨hal-00920305⟩