Skip to content
Snippets Groups Projects

Guide annotation PARSEME_FR chapeau

Last edited by Marie Candito

THIS PAGE BELONGS TO THE PUBLIC DOC OF PARSEME-FR

Retour à la page d'accueil du wiki

PARSEME-FR annotation guidelines - v1.0

Introduction

Nominal expressions

For *nominal multi-word expressions, we use a primary distinction concerning the naming convention that links the expression and the entity or entities the expression can refer to. The starting intuition is that one can distinguish:

  • (1) entity names : some nominal MWEs work as the direct name of a specific entity (for instance Anna Duval)
  • (2) versus instantiable concept names, working as the name of a concept, which can be used to refer to instances of this concept (e.g. neural network).

In this latter case, knowing the defining characteristics of the concept enables one to use it for future instances, without requiring to learn any new naming convention. This contrasts with entity names: in order to use the name Anna Duval for a new person, one needs to learn a new naming convention linking the name and this new person, and the characteristics of the person plays almost no role (to be precise, with such an example the name tells us the person should be a woman).

This distinction between entity name and instantiable concept name is reminiscent of the proper noun versus common noun distinction, but this latter distinction is not so easy to define precisely. Of course, lexical items that are exclusively used for directly naming entities (e.g. the first and last names for people) are easy to classify as proper nouns. This is why Erhmann (2008) roughly defines proper nouns as the "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" (the designation of a precise entity via a description whose meaning plays a minor role with respect to the denomination of the referent, which operates directly"). But an abundant litterature shows that the proper / common noun distinction reveals difficult to characterize in linguistic terms (we refer primarily to (Kleiber, 1981) and (Erhmann, 2008) for a state of the art). Indeed within entity names, we can distinguish:

  • (1a) entity names composed of lexical items that are dedicated to naming entities (to say it quickly: proper nouns), such as Italy, Anna Duval, Microsoft
  • (1b) entity names that have a descriptive basis, such as the "International League against Racism and Anti-Semitism" or the "Massif central" (litterally the "central massif"): the naming convention between the entity and the name is sociologically typical of a proper noun (the name of an association, of a geographical item), but also clearly results from the compatibility of the entity characteristics and the meaning of the lexical items
  • (1c) but also names which serve to designate unique abstract entities (sometimes called "unica"), such as abstract simple nouns ("taxidermy") or abstract MWEs ("Euclidean geometry", "machine translation"): although not intuitively classified as proper nouns, they are still the name of a specific entity (or of a concept with one instance only), for which the speakers have to learn the naming convention.

En TAL, seul les cas (1a) et (1b) relèvent de ce qui est appelé entité nommée (il est notoire que le terme "entité nommée" ajoute de la confusion, cf. il désigne l'entité et pas le nom. L'expression linguistique Anna Duval est un nom d'entité et pas une entité nommée, mais nous conservons dans toute la suite le terme consacré "entité nommée"). En outre, les entités nommées en TAL sont associées à un type sémantique prédéfini.

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, 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.

Note that from this difference, it follows that dictionaries usually differentiate both cases, coding entity names would be endlessBecause coding entity names in a dictionary is This is why dictionaries encode names of concepts, and only names of entities that are famous in some way: coding entity names isIts follows from this difference that coding names of entities in a dictionary makes less sense than coding concept names, beingas the producti in a dictionary makes more senseDe 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.

<-- 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. -->

Verbal expressions

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). Ainsi, nous avons adopté le guide externe PARSEME v.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.

Top decision tree

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).

Nous mettons aussi à disposition une liste de cas difficiles tranchés grâce aux critères

La marche à suivre générale pour annoter est la suivante:

Pour une séquence de plusieurs tokens, pour laquelle on a l'intuition que le sens de l'expression est obtenu de manière idiosyncratique et/ou qu'il y a sélection non libre des parties (au niveau morphologique ou lexical, des substitutions normalement faisables ne sont pas possibles ou produisent un changement de sens inattendu), on suit l'arbre suivant:

  1. la séquence a-t-elle une distribution de verbe ?
  1. la séquence a-t-elle une distribution de nom ou de syntagme nominal ?
  1. la séquence réfère-t-elle (en contexte) à une entité spécifique ? (c.-à.-d. pas une interprétation générique, de type le chat est un mammifère)
  1. la séquence constitue-t-elle, dans son emploi le plus standard, le nom direct de cette entité spécifique et pas d'une classe d'entités?

Pour la question 3. on distingue schématiquement 2 manières d'identifier le référent spécifique de l'expression:

(a) identifier l'entité au moyen des propriétés évoquées par l'expression

(b) récupérer dans sa mémoire l'entité qui "porte ce nom" (i.e. un type particulier de sens instructionnel, d'après Kleiber cité par Ehrmann, 2008). Ce cas est prototypique d'un nom propre, pour lequel on peut citer Ehrmann 2008: "Même composé d’éléments dotés d’un sens lexical, ce qui est essentiel pour le nom propre est la dimension dénominative, prenant le pas sur une dimension descriptive probablement efficiente à l’origine mais dont les locuteurs ont progressivement perdu conscience."

On a cela dit le cas proche de b) suivant:

(b') identifier au moyen d'indices de forme qu'il s'agit d'un nom d'entité spécifique, même si on ne connaît pas l'entité (par exemple pour "Paul Corbère", on repère une forme typique de nom de personne, sans avoir besoin de connaître cette personne).

En outre, on a des situations intermédiaires de séquences ayant les 2 types de comportement (a) et (b/b') (i.e. à la fois dénomination officielle d'une entité, mais avec une base descriptive). Dans ces cas on privilégie l'aspect dénomination (et on code EN). Si on hésite sur le fait qu'une expression fonctionne comme la dénomination directe d'une entité (son "nom") on utilise l'arbre de décision du guide des EN.

Enfin, pour les entités nommées des types sémantiques retenus (personne, organisation, lieu, évènement, produit humain), on inclut également des mots simples, faisant ainsi une entorse au focus sur les expressions polylexicales. Il a semblé en effet utile d'un point de vue applicatif de ne pas distinguer par exemple les mentions M. Pierre Corbère, et Corbère.

Comments

    Please register or sign in to add a comment.