Acquisition du tchèque par les francophones : analyse ... - LaLIC
Acquisition du tchèque par les francophones : analyse ... - LaLIC
Acquisition du tchèque par les francophones : analyse ... - LaLIC
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
ANNOTATION MORPHOLOGIQUE<br />
Pour illustration, le <strong>par</strong>adigme des formes fléchies <strong>du</strong> substantif dívka (fille, décomposition<br />
en radical et désinence : dívk + a), avec des alternances dans le datif et le locatif<br />
singulier (palatalisation) ainsi que dans le génitif pluriel (-e- intercalaire), est le suivant :<br />
singulier<br />
pluriel<br />
nominatif dívk –a dívk –y<br />
génitif dívk –y dívek –#<br />
datif dívc –e dívk –ám<br />
accusatif dívk –u dívk –y<br />
vocatif dívk –o dívk –y<br />
locatif dívc –e dívk –ách<br />
instrumental dívk –ou dívk –ami<br />
3.1.2 Utilité de l’annotation linguistique<br />
L’annotation linguistique, notion issue <strong>du</strong> traitement automatique des langues et de la<br />
linguistique de corpus, enrichie des données textuel<strong>les</strong> dans un corpus <strong>par</strong> des informations<br />
d’ordre linguistique. L’utilité d’une telle annotation est évidente car <strong>les</strong> métadonnées élargissent<br />
le répertoire de critères pour la recherche de l’information. L’annotation peut être<br />
ajoutée automatiquement ou manuellement. Dans le premier cas, elle peut être considérée<br />
comme un pro<strong>du</strong>it dérivé des diverses techniques de traitement automatique des langues car<br />
la fiabilité de l’annotation dans un corpus est souvent un indice important de la qualité des<br />
méthodes d’<strong>analyse</strong> qui la pro<strong>du</strong>isent. L’autre possibilité, plus coûteuse mais généralement<br />
plus fiable, est la saisie manuelle de l’annotation <strong>par</strong> des équipes d’annotateurs humains qui<br />
suivent des consignes élaborées dans le cadre d’une certaine théorie linguistique.<br />
Les deux corpus majeurs disponib<strong>les</strong> pour le <strong>tchèque</strong>, Corpus National Tchèque (ČNK) 1<br />
et Prague Dependency Treebank 2 , sont des exemp<strong>les</strong> de corpus annotés. Le premier contient<br />
un étiquetage morphologique généré <strong>par</strong> l’<strong>analyse</strong> automatique de Hajič (2004). Le second<br />
contient également une annotation aux niveaux syntaxique et sémantique, ajoutée manuellement<br />
ou <strong>par</strong> des procé<strong>du</strong>res semi-automatiques, d’après la conception théorique pragoise<br />
description générative fonctionnelle 3 . Pour d’autres langues, il existe des corpus annotés<br />
comme Penn Treebank pour l’anglais ou Tiger pour l’allemand.<br />
Dans <strong>les</strong> années 1990, une discussion critique sur l’annotation des corpus 4 a été suscitée<br />
notamment <strong>par</strong> <strong>les</strong> questions de fiabilité, souvent faible, ainsi que <strong>par</strong> l’opacité de certains<br />
1 Voir Čermák (1997), l’accès au ČNK est possible sur http://www.korpus.cz.<br />
2 Voir Hajič et al. (2001), http://ufal.mff.cuni.cz/pdt2.0/.<br />
3 Voir Sgall (1967), Sgall et al. (1986)<br />
4 Pour un résumé de cette discussion dans Mitkov (2003), p. 453.<br />
34
Change language