... | ... | @@ -7,6 +7,7 @@ Guide d'annotation du projet PARSEME-FR - v1.0 |
|
|
|
|
|
Le WP1 du projet PARSEME-FR est dédié à l'annotation des expressions polylexicales.
|
|
|
|
|
|
### Expressions nominales
|
|
|
Pour les **expressions polylexicales nominales**, on considère une première distinction concernant la convention de nommage liant l'expression et la ou les entités auxquelles elle peut référer. L’intuition de départ est que
|
|
|
- (1) certaines unités polylexicales nominales fonctionnent comme des **noms directs d’entités spécifiques** (par ex. *Anna Duval*)
|
|
|
- (2) versus comme le nom d’un concept, qui peut être utilisé pour désigner des instances de ce concept (*arme blanche*).
|
... | ... | @@ -14,7 +15,7 @@ Pour les **expressions polylexicales nominales**, on considère une première di |
|
|
Dans ce deuxième cas, connaître les caractéristiques définitoires du concept permet de l’utiliser pour de futures instances, sans nouvel apprentissage. Alors que pour utiliser le nom “Anna Duval” pour une nouvelle personne, il faut apprendre une nouvelle convention de nommage (que cette personne a bien reçu ce nom).
|
|
|
De cette différence découle que l’on peut avoir un intérêt à coder un nom de concept dans un lexique, mais moins un nom d’entité spécifique.
|
|
|
|
|
|
Cette distinction entre nom d'entité (*Anna Duval*) et nom de concept (par ex. *arme blanche*) correspond à première vue à la distinction entre nom propre et nom commun. La distinction est facile à faire lorsque le nom d'entité est composé d'éléments lexicaux qui sont uniquement utilisés uniquement comme nom direct d'entités (par exemple les prénoms, les noms de famille). Mais une abondante littérature montre que la distinction nom propre / nom commun s'avère cependant difficile à caractériser linguistiquement (voir en particulier Kleiber, 1981, Ehrmann 2008 pour un état de l'art). En effet au sein des noms directs d'entité, on peut distinguer:
|
|
|
Cette distinction entre nom d'entité (*Anna Duval*) et nom de concept (par ex. *arme blanche*) correspond à première vue à la distinction entre nom propre et nom commun. La distinction est facile à faire lorsque le nom d'entité est composé d'éléments lexicaux qui sont uniquement utilisés uniquement comme nom direct d'entités (par exemple les prénoms, les noms de famille). C'est ainsi que M. Erhman résume la notion de nom propre comme la "désignation d’une entité précise par le biais d’une description dont le sens joue un rôle mineur par rapport à la dénomination, opérant directement, du référent" (Ehrmann, 2008)). Mais une abondante littérature montre que la distinction nom propre / nom commun s'avère en réalité difficile à caractériser linguistiquement (voir en particulier Kleiber, 1981, Ehrmann 2008 pour un état de l'art). En effet au sein des noms directs d'entité, on peut distinguer:
|
|
|
- (1a) des noms d'entités faits d'éléments lexicaux entièrement dédiés au nommage direct d'entité (pour le dire vite: des noms propres), comme *Italie*, *Anna Duval*, *Microsoft*
|
|
|
- (1b) des noms d'entités comme l'*Association pour le traitement automatique des langues*, le *Jardin des Plantes*,
|
|
|
- qui d'un côté ont clairement une base descriptive, et donc la convention de nommage utilise les propriétés définitoires des éléments lexicaux composant ces noms
|
... | ... | @@ -26,22 +27,24 @@ En outre, les entités nommées en TAL sont associées à un type sémantique pr |
|
|
|
|
|
Dans les annotations PARSEME-FR, nous avons souhaité conserver la distinction claire entre:
|
|
|
- les cas (1a)/(1b) d'un côté, annotés comme entités nommées (EN), via un guide spécifique
|
|
|
- plus précisément nous ne considérons que certains types sémantiques d'entités nommées: PERSON, ORGANIZATION, LOCATION, HUMAN PRODUCT, EVENT
|
|
|
- plus précisément nous ne considérons que certains types sémantiques d'entités nommées: PERSON, ORGANIZATION, LOCATION, HUMAN PRODUCT, EVENT, qui se trouvent être celles fréquemment identifiées via un nom propre.
|
|
|
- en outre, pour les entités nommées, nous considérons aussi bien le cas polylexical (*Anna Duval*) que le cas mot simple (*Italie*). En effet d'un point de vue applicatif, il aurait été dommage d'ignorer le cas mot simple
|
|
|
- et les cas (2), annotés comme "expressions polylexicales" (EP), à entendre comme expression polylexicale non EN
|
|
|
|
|
|
Pour les cas de type (1c), les tests linguistiques sont plus proches du cas (2), nous les annotons comme EP.
|
|
|
|
|
|
Nous arrivons à un guide d'annotation organisé comme suit:
|
|
|
- un arbre décision "chapeau", aiguillant vers
|
|
|
|
|
|
privilégie comme distinction première la distinction entre les expressions qui, dans leur emploi le plus standard, dénomment directement une entité particulière et pas une classe d'entités (prototypiquement un "nom propre", par exemple le nom d'une personne, _Anna Lapeyre_) versus les séquences désignant un référant via une description "classifiante" (par exemple, _une femme en train de couper du pain_, _la députée dont je te parlais hier_), où il s'agit de repérer celles qui sont des expressions polylexicales car idiosyncratiques dans leur combinaison (il a perdu sa _carte bleue_).
|
|
|
<-- privilégie comme distinction première la distinction entre les expressions qui, dans leur emploi le plus standard, dénomment directement une entité particulière et pas une classe d'entités (prototypiquement un "nom propre", par exemple le nom d'une personne, _Anna Lapeyre_) versus les séquences désignant un référant via une description "classifiante" (par exemple, _une femme en train de couper du pain_, _la députée dont je te parlais hier_), où il s'agit de repérer celles qui sont des expressions polylexicales car idiosyncratiques dans leur combinaison (il a perdu sa _carte bleue_).
|
|
|
|
|
|
Bien que cette distinction entre dénomination directe vs par description classifiante soit plus une distinction logique que linguistique, on la juge utile d'un point de vue applicatif et utile dans la manière d'appliquer les tests. En effet malgré des similitudes dans certains tests, on ne va pas forcément insister sur les mêmes difficultés dans les deux cas.
|
|
|
-->
|
|
|
|
|
|
### Expressions verbales
|
|
|
|
|
|
Les expressions polylexicales **verbales** ont été traitées à part, dans le projet PARSEME international, dans le cadre de la production des corpus pour la [_PARSEME shared task 1.1 (2018)_](http://multiword.sourceforge.net/sharedtask2018/). Ainsi, nous avons adopté le guide externe [PARSEME v.1.1](http://parsemefr.lif.univ-mrs.fr/parseme-st-guidelines/1.1) pour l'identification des expressions verbales. Les membres du projet français PARSEME-FR ont été très impliqués dans le projet international PARSEME et notamment dans la rédaction du guide d'annotation d'expressions verbales. Par conséquent, les deux guides, PARSEME (expressions verbales) et PARSEME-FR (expressions non verbales) sont compatibles et similaires dans l'esprit.
|
|
|
|
|
|
On a ainsi organisé le présent guide en deux sous-parties, une pour les noms d'entités particulières (le guide des "entités nommées", ci-après **EN**, restreint en outre à certains types sémantiques pré-définis: personne, organisation, lieu, produit humain et évènement) et un autre guide pour les expressions non verbales (ci-après simplement **EP**). Les catégories d'entités nommées retenues sont celles fréquemment identifiées via un nom propre (notion résumée comme la "désignation d’une entité précise par le biais d’une description dont le sens joue un rôle mineur par rapport à la dénomination, opérant directement, du référent" (Ehrmann, 2008)).
|
|
|
### Organisation du guide
|
|
|
On a ainsi organisé le présent guide en deux sous-parties, une pour les noms d'entités (le guide des "entités nommées", ci-après **EN**, restreint en outre à certains types sémantiques pré-définis: personne, organisation, lieu, produit humain et évènement) et un autre guide pour les expressions non verbales (ci-après simplement **EP**).
|
|
|
|
|
|
Le guide est donc découpé comme suit:
|
|
|
- [Notations](notations)
|
... | ... | |