Thèse soutenue

Reconnaissance d'implications textuelles à forte composante linguistique
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Marilisa Amoia
Direction : Claire GardentManfred Pinkal
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 07/11/2008
Etablissement(s) : Nancy 1 en cotutelle avec Universität des Saarlandes
Ecole(s) doctorale(s) : IAEM Lorraine
Partenaire(s) de recherche : Laboratoire : Laboratoire Lorrain de Recherche en Informatique et ses Applications
Jury : Président / Présidente : E. Steiner
Examinateurs / Examinatrices : J.-M. Pierrel, Claire Gardent, Manfred Pinkal
Rapporteurs / Rapporteuses : B. Webber, P. Saint-Dizier

Résumé

FR  |  
EN

Dans cette thèse, j'étudie la manière dont les ressources lexicales basées sur l'organisation de la connaissance lexicale dans des classes qui partagent des propriétés communes (syntactiques, sémantiques, etc.) permettent le traitement automatique de la langue naturelle et en particulier la reconnaissance symbolique d'implications textuelles. Tout d'abord, je présente une approche robuste et à large couverture sur la reconnaissance de paraphrases verbales lexico-structurelle basée sur la classification de verbes anglais par Levin (1993). Puis, je montre qu'en étendant le cadre proposé par Levin pour traiter les modèles d'inférence généraux, on obtient une classification d'adjectifs anglais qui, comparée à des approches antérieures, propose une caractérisation sémantique à grain plus fin de leurs propriétés déductives. De plus, je développe un cadre sémantique compositionnel pour assigner à des adjectifs une représentation sémantique sur la base d'une approche ontologiquement variée (Hobbs, 1985) et qui permet ainsi l'inférence de premier ordre pour tous les types d'adjectifs, y compris les adjectifs extensionnels. Enfin, je présente un corpus de test pour l'inférence basée sur les adjectifs que j'ai développée comme ressource pour l'évaluation de systèmes de traitement automatique de l'inférence de la langue naturelle.