Une méthodologie pour créer un corpus diachronique de changements de sens et son application à FDIAC 1.0, une ressource de référence en français.

David KLETZ (davkletz <at> gmail (point) com)

RALI, DIRO

Le 16 février 2022 à 11 h 30

Réunion Zoom, voir http://rali.iro.umontreal.ca/rali/seminaire-virtuel


Récemment, plusieurs algorithmes de détection de changements sémantiques (variation du sens d’une forme au cours du temps) dans un corpus diachronique ont été proposés. Néanmoins, et de façon assez étonnante, aucun jeu de données de référence n’a encore été proposé, laissant les chercheurs libres de proposer différentes stratégies d’évaluation. En conséquence, nous proposons une méthodologie permettant la construction d’un tel dataset de référence pour l’évaluation de la détection de changements sémantiques entre deux périodes définies. Pour ce faire, nous nous appuyons sur un modèle de désambiguisation de sens de mot à l’état de l’art afin de dater l’apparition du sens d’un mot. Ce processus nous permet d’identifier autant des mots ayant subi des changements significatifs de sens que d’autres faisant état d’une grande stabilité. Ces mots sont ensuite contrôlés par des linguistes via l’utilisation d’une interface dédiée. Nous finissons par appliquer notre méthodologie à un corpus réunissant des journaux québécois du XXe siècle. La vérification manuelle d’une partie des formes-candidates nous a permis de proposer le dataset QC-FR-Diac-V1.0, réunissant 151 mots permettant d’évaluer l’identification des changements de sens en français entre 1910 et 1990.

Enregistrement : https://drive.google.com/file/d/16PIUZWhcMVmopCNaiOiTEPJyOBm5ci7h/view?usp=sharing


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

Liste des autres séminaires