Method for automatic analysis of formal structures on multilingual documents
Méthode pour l'analyse automatique de structures formelles sur documents multilingues
Résumé
This thesis deals with automatic parsing of formal structures in written texts.
It begins with a presentation of documents in their multilingual dimension and of
the necessity to process them in this way. We study their multilingual structure
and present how to compute it with the help of a language identification tool.
Then, we present an original syntactic parsing method of unrestricted french
sentences. This method is a generalization and an abstraction of Jacques Vergne's
researches. The syntactic structures we are interested in are the minimal syntagm
and the proposition ; both units can be defined as multilingual units so that the
method can be applied to various languages.
We propose two processes which allow the building of these units. Both processes
consider texts as flows and build syntactic structures thanks to a relational
constraints propagation. As the syntagmatic and propositional structures are dependent,
they are built up by the interaction of the two processes. We show that
both processes are identical if we disregard the nature of the unit they build up
and the rule base they use.
The main thread of this thesis is the method. Each time a process is described,
we emphasize the related method. We show that this method is unique. Each
structure is computed with the help of formal and positionnal clues: these clues
come from the study of the units located inside the structure (internal clues) or
from the study of the function of the structure in its upper-level units (external
clues).
Cette thèse traite de l'analyse automatique de structures formelles de l'écrit.
Elle commence par une excursion dans le multilinguisme au cours de laquelle nous
présentons les documents dans leur dimension multilingue et montrons la nécessité
de les traiter comme tels. Nous étudions leur structure multilingue et développons
comment la calculer à l'aide d'un identificateur de langues.
Nous poursuivons par l'exposé d'une méthode originale d'analyse syntaxique
automatique d'énoncés français tout-venants. Cette méthode est issue de nos travaux
de généralisation et d'abstraction des recherches de Jacques Vergne. Les
structures syntaxiques auxquelles nous nous sommes particulièrement intéressé
sont le syntagme minimal et la proposition ; deux unités auxquelles il est possible
d'associer une définition ayant une validité multilingue, ce qui rend la méthode
applicable à diverses langues.
Nous proposons deux processus permettant la construction de ces unités. Ces
processus considèrent les énoncés comme des flux textuels et construisent chacun
leurs structures syntaxiques par propagation de contraintes relationnelles. Les
structures intra-syntagmatique et intra-propositionnelle étant dépendantes, elles
sont construites par l'interaction des deux processus, le second processus acceptant
de travailler sur des unités partiellement définies. Enfin, nous montrons que
les deux processus sont identiques si l'on fait abstraction de la nature de l'unité
qu'ils construisent et de la base de règles qu'ils manipulent.
Le fil conducteur de cette thèse est la méthode. A chaque calcul de structure,
nous mettons en effet l'accent sur la méthode ayant permis son obtention. Nous
montrons que cette méthode est unique. Chaque structure est en effet calculée à
partir d'indices formels et positionnels à la fois internes et externes : internes par
l'étude des unités qui composent la structure, externes par l'étude du rôle de cette
structure dans l'unité qui l'intègre.
Origine : Fichiers produits par l'(les) auteur(s)