Les modèles de langues pré-entraînés tels que BERT ont démontré leur capacité à saisir la signification des expressions figée. Or, le figement au sein des locutions peut varier. Dans cette étude, nous explorons dans quelle mesure CamemBERT est sensible au degré de figement au sein des locutions du français, ainsi que la dépendance de cette sensibilité vis-à-vis des types de tokens et du contexte. Pour cela, nous exploitons les exemples associés à 3237 locutions et 24161 lexèmes simples dans le Réseau Lexical du Français (RL-fr) et utilisons une tâche de démasquage. Nos résultats montrent que le modèle traite de manière distincte les tokens figés enchâssés dans les locutions et les tokens libres. En ce qui concerne les tokens figés à l'intérieur des locutions, CamemBERT démontre une certaine aptitude à discerner leur degré de figement. De plus, indépendamment du figement, CamemBERT excelle dans le traitement des tokens sémantiquement vides. La longueur des locutions impacte également la performance du modèle, bien que cette influence varie.

Enregistrement: https://umontreal.ca.panopto.com/Panopto/Pages/Viewer.aspx?id=ee875f89-7466-47d3-a3ad-b10f0155c431