La segmentation lexicale, étape cruciale de l'analyse linguistique, détecte les unités sémantiques textuelles, en particulier les expressions polylexicales (MWE). Ces dernières peuvent exhiber un certain degré de liberté syntaxique qui rend inadéquate toute modélisation par des séquences plates. Dans un premier temps, je présenterai une formalisation des segmentations lexicales sous forme d'arbres de dépendances qui permet simplement de rendre compte des MWE non contiguës, et des MWE enchâssées.

La segmentation lexicale et l'analyse syntaxique sont deux tâches qui peuvent s'aider mutuellement: la première diminue la complexité de la seconde car elle réduit le nombre d'unités à considérer, la seconde aide la première en détectant des régularités qui peuvent exister dans les MWE qui acceptent un certain degré de liberté. Je présenterai ensuite un système joint lors de l'apprentissage et du décodage pour ces deux tâches. Ce système, basé sur l'algorithme "Easy-First" de (Goldberg et Elhaddad, 2010), identifie des "îlots de certitude" et les développe jusqu'à l'obtention d'analyses complètes.

Je présenterai finalement quelques résultats expérimentaux sur trois corpus : le corpus arboré de Paris7 (FTB) et le SEQUOIA treebank pour le français ainsi que English Web Treebank (EWT) pour l'anglais