Description, modelling and automatic detection of reference chains in French

Rapport final du projet ANR Democrat, "Description et modélisation des chaînes de référence : outils pour l'annotation de corpus et le traitement automatique"

Frédéric Landragin (1)

1 Lattice - Lattice - Langues, Textes, Traitements informatiques, Cognition - UMR 8094

Début 2016, lorsque le projet Democrat s’est mis en place, il n’existait pas : (i) de description intégrée permettant la modélisation des chaînes de référence, ni de prédictions sur leur typologie ou leurs comportements textuels ; (ii) de corpus permettant d’apprécier l’évolution historique de leur composition ; (iii) d’outil permettant de visualiser et d’explorer les chaînes de référence ; (iv) de système de traitement automatique des langues (TAL) capable de traiter du texte tout-venant, écrit en français, pour en extraire les expressions référentielles et les chaînes de référence. Democrat s’est donné pour ambition d’apporter de nouveaux résultats sur ces 4 aspects, qui constituent les 4 volets et les 4 livrables du projet. En apportant de nouvelles données et analyses sur la langue, il permet : (i) de nourrir l’ensemble des applications de TAL grâce à un corpus d’envergure adapté aux besoins de l’apprentissage artificiel ; (ii) de renforcer la place du français dans le monde ; (iii) d’apporter de nouvelles connaissances à toutes les disciplines connexes à la linguistique, comme la psycho-linguistique et l’enseignement des langues. Début 2020, lors de la finalisation de Democrat, il existe désormais : (i) une description intégrée, discursive, diachronique et inter-genres des chaînes de référence ; (ii) un corpus de français écrit annoté en chaînes de référence ; (iii) plusieurs outils permettant de visualiser et d’explorer les chaînes de référence ; (iv) deux systèmes de traitement automatique des langues (TAL) capables de traiter du texte tout-venant, écrit en français, pour en extraire les expressions référentielles et les chaînes de référence – qui ont de plus apporté des innovations au domaine du deep learning.

Mots clés: chaîne de référence; expression référentielle; anaphore; détection automatique de coréférence

Domaines: Linguistique; Informatique; Sciences de l'information et de la communication; Linguistique

Frédéric Landragin. Rapport final du projet ANR Democrat, "Description et modélisation des chaînes de référence : outils pour l'annotation de corpus et le traitement automatique". [Rapport de recherche] ANR (Agence Nationale de la Recherche - France). 2020. ⟨hal-02533314⟩