THIS PAGE BELONGS TO THE PUBLIC DOC OF PARSEME-FR
Retour à la page d'accueil du wiki
Guide d'annotation du projet PARSEME-FR - v1.0
Le WP1 du projet PARSEME-FR est dédié à l'annotation des expressions polylexicales.
Pour les expressions polylexicales nominales, on 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.
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.
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)).
Le guide est donc découpé comme suit:
- Notations
- Interaction avec la tokenisation
- Guide PARSEME v.1.1 d'identification des EP verbales (lien externe)
- Guide PARSEME-FR d'identification des expressions polylexicales (EP) non verbales
- Guide PARSEME-FR d'identification des entités nommées (EN)
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:
- la séquence a-t-elle une distribution de verbe ?
- OUI => aller au guide des EP verbales (lien externe)
- NON => continuer
- la séquence a-t-elle une distribution de nom ou de syntagme nominal ?
- NON => aller au guide des EP non verbales
- OUI => continuer
- 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)
- NON => aller au guide des EP non verbales
- OUI => continuer
- 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?
- NON => aller au guide des EP non verbales
- OUI ou PAS CLAIR => aller au guide des EN
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.