Extraire un vocabulaire savant de base pour le français

Lyne Da Sylva (lyne (point) da (point) sylva <at> umontreal (point) ca)

École de bibliothéconomie et des sciences de l'information (EBSI), OLST

Le 17 mars 2010 à 11 h 30

Salle C-9019, Pavillon Lionel-Groulx


Ce travail s'inscrit dans un programme de recherche qui traite de l'indexation automatique des documents. Pour indexer un document, deux types d'éléments lexicaux peuvent être conjugués: d'une part, des termes du vocabulaire spécialisé du document (par exemple, "droit communautaire"), et, d'autre part, des termes généraux qui décrivent un aspect du terme spécialisé (par exemple, "application"). Ces termes généraux appartiennent à ce que nous appelons le "vocabulaire scientifique de base" ou "vocabulaire savant de base" (VSB). Celui-ci peut ainsi servir à constituer des entrées d’index structurées, s'il est fourni à un système d'indexation automatique qui s'en sert pour repérer des paires "terme spécialisé/mot du VSB". Mais déterminer quels mots doivent être considérés comme appartenant au VSB n'est pas une tâche facile. Nous avons tenté d'en dresser une liste manuellement, basée sur des critères sémantiques et morphologiques, mais cet inventaire est demeuré partiel. Dans un travail précédent, nous avions extrait automatiquement une liste de ces mots à partir d'un grand corpus en anglais (14 millions de mots) de notices bibliographiques couvrant aussi bien les sciences exactes que les sciences humaines et les arts. Pour le français, en l'absence d'un corpus aussi grand et aussi varié, nous avons procédé avec un corpus plus petit (2,5 millions de mots) limité aux sciences exactes. La présentation portera sur cette nouvelle expérimentation pour le français. Nous décrirons les résultats obtenus et nous comparerons avec les résultats précédents obtenus pour l'anglais.


Pour recevoir les annonces hebdomadaires par courriel, visitez http://rali.iro.umontreal.ca/rali/?q=fr/node/1631

Liste des autres séminaires