Un analyseur syntaxique opérationnel : SYNTEX - ERSS

La rédaction du présent mémoire est pour moi l’occasion d’une pause, urgente et
salutaire, dans le développement du logiciel et dans la course aux applications, pour
reprendre mes interrogations sur théorie linguistique et développement informatique en
ingénierie linguistique.
1.2. Analyse syntaxique locale
LEXTER est un logiciel d’extraction de terminologie. Il prend en entrée un corpus de
textes, préalablement étiqueté 4 , puis effectue une extraction de candidats termes
nominaux en deux étapes : (1) découpage, (2) décomposition. Au cours de l’étape de
découpage, LEXTER isole dans la chaîne étiquetée des groupes nominaux maximaux en
repérant des patrons morphosyntaxiques de frontières. Il s’agit par exemple des mots de
catégorie Verbe, Pronom, Conjonction de subordination, etc., ou des séquences de
catégories morphosyntaxiques, par exemple certaines suites Nom + Préposition ou
Préposition + Déterminant, qui ne peuvent être constituants de termes. Au cours de
l’étape de décomposition, LEXTER analyse les groupes nominaux maximaux dégagés lors
de l’étape de découpage pour les décomposer récursivement de façon binaire en une tête
et une expansion 5 . Par exemple, le groupe nominal maximal pompe de refoulement
rapide est décomposé en une tête, le groupe nominal pompe de refoulement et une
expansion, l’adjectif rapide, et le groupe nominal pompe de refoulement est lui-même
décomposé en une tête, pompe, et une expansion, refoulement. Pour résoudre les
ambiguïtés de rattachement adjectival au sein des groupes nominaux maximaux ou
certaines ambiguïtés de rattachement prépositionnel lors de l’étape de découpage,
LEXTER met en œuvre le principe de l’apprentissage endogène : il acquiert lui-même,
par analyse de configurations non ambiguës au sein corpus en cours de traitement, les
informations lexico-syntaxiques qui lui sont nécessaires pour traiter les configurations
ambiguës. Par exemple, LEXTER effectue l’analyse donnée ci-dessus du groupe pompe
de refoulement rapide parce qu’il a repéré dans le corpus des occurrences non ambiguës
des groupes pompe rapide ou pompe de refoulement, et aucune occurrence non ambiguë
de refoulement rapide. De même, c’est parce qu’il aura repéré plusieurs contextes non
ambigus dans lesquels le nom action est construit avec la préposition sur que le logiciel
ne coupera pas à la séquence sur + le dans la phrase « Le système déclenche une action
sur le bouton poussoir », et extraira ainsi le groupe nominal maximal action sur le
bouton poussoir. En revanche, il considérera cette même séquence comme une frontière
dans la phrase « on raccorde le câble d’alimentation sur le coffre de décharge » au motif
qu’il n’aura repéré aucune occurrence non ambiguë de alimentation + sur dans le
corpus.
4 L’étiqueteur utilisé au départ du projet est AlethIPCat de la société GSI-Erli.
5 Je reviens à la fin de la section 1.5 sur les motivations de cette décomposition binaire récursive.
10