Collatinus 12 — guide
index précédent : Fléchir suivant : Serveur
Cette fonctionnalité est expérimentale et
il convient de l’utiliser avec prudence !
Le but d’un tagueur (ou tagger) probabiliste est de proposer la meilleure analyse d’une phrase ou d’un texte, en tenant compte de façon simpliste du contexte. Attention ! Comme son nom l’indique, c’est un processus probabiliste, ce qui signifie qu’il peut se tromper. Ce qu’il considère comme la meilleure analyse peut être fausse. Un tagueur probabiliste ne remplace pas une analyse syntaxique et la compréhension d’un texte. Il ne peut qu’aider.
Dès que l’on clique sur un mot dans le texte, le programme analyse la phrase qui contient ce mot et propose les deux meilleures séquences de tags associées. Il indique aussi les probabilités qu’il leur attribue. Si ces probabilités sont voisines, la seconde possibilité doit être examinée également. Toujours est-il que seule la meilleure séquence est explicitée dans la suite. Le bouton tout afficher en haut à droite de l’onglet tagger permet d’afficher toutes les lemmatisations possibles (comme dans l’onglet Lexique et morphologie, mais sous une autre forme). Lorsqu’il est inactif, seule la lemmatisation choisie dans la meilleure solution du tagger est affichée.
Le bouton représentant des engrenages permet de traiter l’ensemble du texte, phrase par phrase. Si le texte est long, ça peut prendre un peu de temps.
Un tagueur probabiliste est un outil utilisé couramment en Traitement Automatique des Langues (TAL ou NLP, pour Natural Laguage Processing) pour lever les ambiguïtés. De telles ambiguïtés sont fréquentes dans toutes les langues. Le sens de la phrase nous éclaire dans nos choix. Mais un ordinateur n’a pas accès au sens…
Sans entrer dans les détails du fonctionnement d’un tagueur probabiliste, il associe des étiquettes (tag en anglais) aux formes, étiquettes révélatrices de la nature ou de la fonction du mot. À partir d’une phrase, vue comme une succession de formes, on peut construire un grand nombre de successions d’étiquettes. Reste à associer à chacune de ces séquences possibles une probabilité pour qu’elle soit la bonne. Un tagueur probabiliste repose sur une connaissance statistique de la langue et sur des hypothèses simplificatrices pour évaluer la probabilité à associer à une séquence de tags. La séquence avec la plus forte probabilité a des chances d’être la bonne. Avec les langues modernes (anglais, français…), ça marche plutôt bien avec des taux de réussite entre 90 et 99%. À notre connaissance, il n’est pas démontré que cela puisse donner de tels résultats avec le Latin.
La connaissance statistique de la langue est tirée de l’examen d’un corpus d’apprentissage. En l’occurrence, nous avons dépouillé le corpus des textes latins lemmatisés par le LASLA à l’université de Liège. Il compte plus de 1,5 million de mots lemmatisés et analysés à la main. Pour l’utilisation dans Collatinus, on en a tiré : 1. Le nombre d’occurrences de chaque lemme. 1. La fréquence des différents cas (pour les formes
déclinées) et modes (pour les verbes).
Ces résultats sont utilisés pour évaluer les probabilités dont le tagueur a besoin.