Notre choix d’une ressource lexicale dans le cadre d’une recherche en structuration de l’information pour l’interrogation d’une base textuelle est guidé par des besoins essentiels. Tout d’abord, le besoin de disposer d’une information aussi exacte que possible, tant au niveau morphologique et syntaxique que sémantique ou même pragmatique. Or ce niveau d’exactitude ne peut être atteint que par une ressource constituée par un lexicographe – ou en tout cas supervisée attentivement par un spécialiste humain. Ensuite, la nécessité de relier des informations de types différents entre elles pour pouvoir déduire d’un indice lié à un seul des types d’information les autres données qui lui sont explicitement liées dans la ressource, et qui peuvent amener à la compréhension d’un mot, d’une expression, d’une phrase.
Le choix de la ressource lexicale est également lié à l’étendue du lexique abordé, au caractère général de ce lexique et à la variété des informations lexicographiques fournies. Ces données linguistiques doivent en effet servir l’approche méthodologique que nous nous sommes fixée. Cette démarche requiert une information morphologique, syntaxique, syntaxico-sémantique et sémantique. Une information pragmatique, ou à tout le moins taxinomique – c’est-à-dire qui classe les concepts et les structure en une hiérarchie sémantique – serait elle aussi la bienvenue et son apport dans certaines situations est assuré. Notons enfin que le choix d’un dictionnaire n’exclut en rien l’exploitation d’une autre ressource dès lors qu’il est possible d’établir une certaine cohérence entre les informations de différentes provenances que nous utilisons.
Le dictionnaire Dubois et Dubois-Charlier1 est une ressource lexicale duelle dans la mesure où elle est composée de deux volumes distincts mais cohérents et complémentaires. La première partie, appelée Dictionnaire des mots français, comporte une information sur l’ensemble du lexique, mais cette information est lacunaire en ce qui concerne la catégorie verbale. Les verbes sont en effet traités dans la seconde section, et leur apparition dans le dictionnaire des mots constitue essentiellement un renvoi à ce Dictionnaire des verbes français. C’est en effet sur cette catégorie que les auteurs ont choisi de mettre l’accent, et l’information qui est associée aux verbes est par conséquent plus riche que pour aucune autre catégorie grammaticale. Du fait de cette plus grande richesse, la structure de l’information verbale est différente de celle qui sert pour les autres catégories, ce qui justifie la dualité de cette ressource. Une autre particularité de ce dictionnaire est de ne traiter qu’une seule acception par entrée. En conséquence, les lemmes polysémiques seront traités sous autant d’entrées qu’ils possèdent de significations, c’est-à-dire que le traitement sera homonymique.
Il s’agit d’une ressource générale pour le français dotée d’une assise lexicale extrêmement large, puisqu’elle comporte 115 226 lemmes traités sous 140 850 entrées, dont 12 309 lemmes verbaux traités sous 25 609 sens, et donc autant d’entrées. Le Dubois comporte plusieurs autres atouts correspondant ou assimilables aux qualités que nous demandons à une ressource lexicale pour effectuer la tâche inhérente à notre recherche. L’examen que nous en faisons ci-dessous le montrera. Du fait de sa dualité informationnelle, nous allons d’abord décrire la partie consacrée à l’information verbale, puis la partie plus générale du dictionnaire. Ensuite viendra notre commentaire sur la ressource.
L’importance et la diversité des informations contenues dans cette partie verbale justifient l’intérêt que l’on peut porter à cette ressource lexicale. En effet, chacune des entrées comporte pas moins de onze champs informationnels. Ces informations sont lexicales (lemme, niveau lexical), morphologiques (conjugaison, auxiliaire, déverbaux et autres dérivés, adjectifs verbaux, lexèmes dont dérive le verbe), morpho-syntaxiques (construction en expressions composées), syntaxiques (construction syntaxique), syntaxico-sémantiques (construction syntaxique avec sous-catégorisation des groupes, opérateur), sémantiques (domaine, classe, synonymes) et un des champs contient un ou plusieurs exemples. Nous allons examiner chacun de ces champs informationnels.
|
Lemme
Cette rubrique contient principalement l’infinitif du verbe considéré, comme
c’est la tradition en lexicographie française. Le lemme est accompagné de la
caractéristique syntaxique dominante dans le schème considéré (et présenté dans
les autres champs) :
forme simple : donner 01 ou formaliser 02
forme pronominale : donner 25(s), donner 27(s’en) ou formaliser
01(s)
forme négative : disconvenir (ne)
forme être et participe passé : enjouer (ê)
Il peut également être accompagné du complément morpho-syntaxique
permettant de replacer le lemme dans une expression idiomatique caractéristique
de son utilisation, lorsque seul cet emploi figé du lemme est encore attesté dans
ce sens :
expression idiomatique : férir (sans coup)
Les lemmes qui comportent plusieurs entrées pour une même forme sont
numérotés. Chaque verbe a autant d’entrées qu’il entre dans des « domaines »,
« classes », « opérateurs » ou « constructions » différentes (cf. infra). Dans
l’exemple, formaliser comporte deux entrées qui divergent au niveau du
schème syntaxique (indiqué dans le champ « lemme » et dans le champ
« construction »), mais aussi du point de vue des domaine et classe
sémantiques, ainsi que pour la dérivation et le registre de langage.
Domaine Ce champ recouvre d’une part (pour les trois premiers caractères) les domaines sémantiques (pragmatiques, techniques ou scientifiques) d’application des entrées verbales (cf. la table de ces domaines 3.2 page §), et de l’autre (le quatrième caractère du code) le registre de langage (familier, populaire, littéraire ou vieux) ou les régionalismes (belgicisme, helvétisme ou québécisme). Dans notre exemple, la première entrée de formaliser appartient au domaine psychologique (PSY) et la seconde au domaine des mathématiques (MAT). Les domaines d’application sont, pour les verbes, au nombre de cent vingt-et-un. Il n’a pas été prévu de structurer ces domaines lors de la conception du dictionnaire. Aucune relation n’est donc préétablie entre eux.
|
Classe Il s’agit de la première rubrique liée directement à la sémantique du verbe. Son codage permet de lui attribuer une classe sémantique générale (premier caractère du code), puis de le diriger vers une sous-classe syntaxico-sémantique liée au type (humain, non humain, animal, non animé) du sujet ou de l’objet direct et à l’opposition propre/figuré (deuxième caractère du code). Dans le cas d’un auxiliaire, la sous-classification est spécifique (temporalité, modalité, sujet impersonnel). Enfin, le troisième caractère prétend spécifier à l’intérieur de chaque classe et sous-classe les constructions syntaxiques typiques de compléments. Dans notre exemple, la première entrée de formaliser appartient à la classe P1c, qui regroupe les verbes psychologiques (P) à sujet humain (1). Le troisième caractère (c) code en principe un complément prépositionnel typique régi par la préposition avec, mais il semble que cela ne s’applique pas à cet exemple. On verra plus loin que cette information n’est pas fiable. La seconde entrée reçoit le code T4b, qui correspond à un verbe de transformation, changement (T) dont le sujet est de type non animé pris dans un sens figuré (4) et dont le complément prépositionnel, toujours selon la table de résolution des codes, devrait être régi par de, ce qui ne s’applique pas non plus à notre exemple. Mais si l’on étudie les différents verbes qui appartiennent à la même classe syntaxico-sémantique que formaliser 02, on constate que cette classe est cohérente. En effet, pour chacun de ces verbes, le b semble indiquer la présence possible d’un circonstanciel instrumental, c’est-à-dire un groupe prépositionnel introduit par la locution au moyen de ou, plus simplement, par la préposition avec. Toutefois, le b ne possède pas la même signification dans d’autres classes, mais semble rester cohérent pour chaque classe. La classe syntaxico-sémantique est dès lors pertinente, mais les erreurs d’interprétation de la construction syntaxique (le troisième caractère) ne permettent pas d’envisager son utilisation systématique comme indication de sous-catégorisation sans étudier chaque classe en profondeur.
Opérateur Cette rubrique contient les opérateurs syntaxico-sémantiques et sémantiques qui sous-tendent la définition des classes et l’analyse syntaxique contextuelle du verbe. Il s’agit d’un schéma de l’utilisation du verbe, d’un patron à la fois sémantique et syntaxique. La première entrée de formaliser présente un schéma opératoire sent offense D qui se traduit par avoir un sentiment d’offense + complétive impersonnelle introduite par de. Le schéma de la seconde entrée, r/d formel, signifie rendre ou devenir formel. On trouvera une liste des opérateurs dans le tableau 3.3 page §.
|
Sens Cette rubrique étroitement liée à la sémantique du verbe contient des synonymes ou parasynonymes, ou des définitions abrégées paraphrasant l’entrée. Dans notre exemple, la première entrée présente des parasynonymes (se choquer, se vexer), tandis que la seconde donne un court schéma définitoire (donner formalisation à) de ce sens de formaliser.
Exemple Il s’agit d’une rubrique directement héritée du dictionnaire classique, qui contient une ou plusieurs phrases simples qui illustrent l’emploi de chaque entrée, et notamment le schème syntaxique typique de l’entrée courante. La forme correspondant à l’entrée est symbolisée par son initiale suivie d’un tilde (f~. De plus, la présentation des arguments du verbe répond à des règles particulières. L’objet humain est représenté par le sigle P représentant sa catégorie sémantique. Le sujet humain quant à lui est représenté tantôt par le pronom impersonnel on, tantôt par un terme générique du domaine pragmatique du verbe ; le verbe dans le sens considéré et son sujet appartiennent donc au même domaine pragmatique. Les sujet ou objet non humains sont eux aussi représentés par un terme générique du domaine pragmatique d’application du verbe. Ainsi, dans la rubrique « exemple » de notre exemple formaliser, le sujet humain est représenté tantôt par on (première entrée, On se f~ de sa conduite), tantôt par le terme générique du domaine des mathématiques mathématicien (Le mathématicien f~ une théorie), où le « domaine » est MAT tant pour formaliser que pour mathématicien. L’objet humain apparaît sous la forme P dans l’exemple de la première entrée de formaliser Cette conduite a f~ P. Enfin, le sujet et l’objet non humains sont figurés par un terme générique du domaine d’application du verbe : de fait, le terme conduite, respectivement sujet (Cette conduite a f~ P) et objet (On se f~ de sa conduite) dans les exemples de la première entrée de formaliser, appartient au domaine psychologique (PSY) au même titre que cette entrée.
Conjugaison Le champ dédié à la flexion morphologique du verbe est composé de trois caractères. Le premier d’entre eux détermine la catégorie de conjugaison à laquelle appartient le lemme. Selon la répartition établie par [Dubois, 1967], qui se base sur le nombre de radicaux que possède chaque verbe au cours de sa flexion, il existe sept catégories distinctes de verbes. Les deux premières catégories correspondent aux deux premiers groupes traditionnels [Grevisse et Goosse, 1991] tandis que les autres se répartissent les subdivisions du troisième groupe. À l’intérieur de ces catégories, le deuxième caractère détermine quel tableau particulier s’applique au lemme. Le troisième caractère indique lequel des auxiliaires il faut utiliser pour les temps composés.
Construction Cette rubrique définit plus finement et plus précisément que la classe ou l’opérateur la construction syntaxique typique de l’entrée considérée ainsi qu’une certaine sous-catégorisation de ce verbe, c’est-à-dire une définition des arguments qui lui sont propres. Le codage indique d’abord le caractère transitif du verbe (transitif direct ou indirect, intransitif, pronominal) puis, en fonction des arguments que la syntaxe du verbe autorise, la nature du sujet et de l’objet (humain, animal ou chose, nombre, complétive), la préposition du complément prépositionnel, la nature du complément circonstanciel (locatif de situation, de direction, d’origine, de transition, temporalité, modalité, causalité, instrumentalité).
La première entrée de notre exemple possède deux constructions typiques : P10b0 pour une construction pronominale (P) à sujet humain (1) et sans objet direct (0), dont le complément prépositionnel est régi par la préposition de (b) et pour laquelle aucun complément circonstanciel typique n’est recensé (0) ; T3100 pour une construction transitive directe (T) dont le sujet est une chose (3) et l’objet un être humain (1), mais pour laquelle il n’y a aucun complément prépositionnel (0) ou circonstanciel (0) typique. La seconde entrée accepte elle aussi deux constructions : T1308 indique une construction transitive directe (T) à sujet humain (1), à objet direct chose (3), sans indication de complément prépositionnel (0) et à complément circonstanciel instrumental (8), tandis que P3008 impose une construction pronominale (P) dont le sujet est une chose (3), sans objet (0) ni prépositionnel (0) typiques et dont le circonstanciel est instrumental (8).
Dérivation Il s’agit d’une rubrique qui signale l’existence d’adjectifs verbaux et de dérivés nominaux en -able, -é, -ant, -age, -ment, -ion, -eur, -oir(e), -ure et permet d’en générer la forme exacte à partir du lemme pour les formations régulières, essentiellement grâce à un suffixe. Dans le cas de l’adjectif verbal, le code indique l’existence du positif et/ou du négatif 2. Les autres codes indiquent la formation par suffixation. Dans la première entrée de notre exemple formaliser, le code 1 indique un dérivé adjectival en -able dont seul le positif existe : formalisable. La seconde entrée possède un dérivé adjectival (Q) positif et négatif en -é ([in]formalisé) coexistant avec le participe passé et l’adjectif de base ([in]formel) et une dérivation nominale (RB) en -ateur/-ation : formalisateur, formalisation.
« Nom » Il s’agit du champ qui permet de retrouver le mot de base (nom ou adjectif) sur lequel le verbe est fondé. Les codes permettent de retrouver ce mot de base malgré la présence de préfixes ou la composition. Le code (6L) de notre exemple formaliser signifie que l’on peut retrouver l’adjectif de base en -el d’un verbe en -aliser : formel en ôtant 6 lettres au lemme avant de lui ajouter sa désinence adjectivale.
Lexique Ce dernier champ indique le niveau de répertoire lexicographique dans lequel le verbe a été enregistré, ce qui devrait théoriquement indiquer une estimation de zone de fréquence ou d’importance de ce mot dans la langue usuelle.
Cette information nous permet de savoir que le premier sens de formaliser est bien plus commun que le deuxième, puisqu’il apparaît dans le dictionnaire de base de 15 000 mots (2) tandis que l’autre n’est signalé que dans des dictionnaires encyclopédiques ou spécialisés (5). Toutefois, la construction de ces dictionnaires n’est pas détaillée, et il est impossible de savoir si ces distinctions fréquentielles sont le fait d’études statistiques sur corpus ou si elles proviennent d’estimations des lexicographes.
L’information lexicale de la partie verbale, pour importante qu’elle soit, ne peut à elle seule suffire pour satisfaire les besoins liés à une analyse d’un document. Elle trouve son complément naturel dans la partie générale avec laquelle elle conserve une certaine cohérence, même si les données qui composent cette partie générale sont beaucoup moins riches. Les informations que l’on retrouve dans cette ressource sont surtout morphologiques (pluriel et féminin, dérivations) et sémantiques (domaines d’application) sans pratiquement d’indication syntaxique ou de sous-catégorisation.
La plupart des informations disponibles dans la présente ressource correspondent à celles du dictionnaire des verbes. Notre descriptif de l’information ne s’étendra que sur les différences qui existent entre les deux ouvrages, et n’indiquera que pour mémoire la substance des champs déjà traités. L’information se répartit ici aussi sur onze champs, dont cinq regroupent l’information dérivationnelle.
|
Lemme
Ce champ contient l’unité lexicale selon la forme lemmatisée sous laquelle elle
se présente traditionnellement dans les dictionnaires. Les homonymes et les
lemmes polysémiques sont numérotés.
lemme numéroté : social 02
Les adjectifs sont suivis parfois d’astérisques, une pour indiquer leur
antéposition possible lorsqu’ils sont épithètes, deux pour signaler que cette
antéposition est obligatoire. Il peut également être accompagné du complément
morpho-syntaxique permettant de replacer le lemme dans une expression
idiomatique caractéristique de son utilisation, lorsque seul cet emploi figé du
lemme est encore attesté dans ce sens :
emploi figé : sociale (la)
expression lexicalisée : courre (chasse
à)3
Il s’agit là des deux seules informations à caractère syntaxique de cette partie du
dictionnaire.
Domaine La rubrique « domaine » est sensiblement semblable à celle du dictionnaire des verbes et elle garde une bonne cohérence avec les codes qui la composent (cf. table 3.2 page §). Cependant quelques différences sont à remarquer, comme l’apparition d’un domaine verbe (VERB) qui n’a pas de raison d’être dans la section des verbes puisque chaque entrée en est un, et qui permet de distinguer dans la partie générale les entrées traitées dans la partie verbale. Il permet de renvoyer l’utilisateur (humain ou machine) du dictionnaire des mots à une entrée de la partie verbale.
Dans notre exemple 3.4 page précédente, la première entrée de social appartient au domaine sociologie (SOC), la seconde au domaine économie (ECN) et l’entrée la sociale au domaine politique (POL).
D’autres domaines font leur apparition soit parce que certains domaines qui n’ont pas d’application verbale peuvent recouvrir des réalités nominales ou adjectivales (le domaine MAM pour mammifère ou AVI pour oiseau, par exemple), soit pour préciser un domaine qui restait plus général dans la section verbale (notamment les domaines GRE – pour antiquité grecque – et ROM – pour antiquité romaine – dans le dictionnaire des mots précisent ANT – pour antiquité – du dictionnaire des verbes). Il y a aussi de nouveaux domaines qui ne peuvent être mis en rapport avec les domaines préexistants (par exemple ADM pour administration ou FEO pour féodalité).
Ces domaines sont ainsi, pour la section générale, au nombre de 162, mais il faut y ajouter le domaine géographique lié au département. Il se compose d’un D auquel s’ajoute le numéro du département concerné, à l’exception du 20 qui désigne les deux départements corses et du 97 qui recouvre tous les départements et territoires d’Outre-Mer. L’information liée au département ne présente que peu intérêt en l’état, car elle n’est pas rattachée au vocabulaire lié au nom du département. Par exemple, il n’est pas possible de savoir qu’un Grenoblois est un habitant de l’Isère, mais seulement que son département est le 38 (D38). Un certain travail est donc nécessaire pour pouvoir exploiter réellement cette information.
Un quatrième caractère peut apparaître dans ce champ, qui donne la possibilité d’indiquer un registre de langage ou un régionalisme selon les mêmes modalités que dans la partie verbale, ou de proposer une majuscule au lemme (m impose la majuscule à certaines catégorie grammaticale et n impose la majuscule en fonction du sens), ou encore d’indiquer qu’il s’agit d’un nom déposé (d). Dans notre exemple 3.4 page §, l’entrée la sociale appartient à un registre vieilli (v pour vieux).
Sens Comme pour le dictionnaire des verbes, cette rubrique comprend des synonymes ou parasynonymes du lemme dans l’entrée courante (dans notre exemple 3.4 page §, le synonyme de la sociale est révolution sociale), ou une définition abrégée qui paraphrase l’entrée (pour l’entrée social, soit d société pour « de la société », soit d monde d travail pour « du monde du travail »).
Catégorie Cette rubrique n’existe que dans la section générale du dictionnaire car une seule catégorie est présente dans la partie verbale. Elle distingue la catégorie grammaticale des lemmes non verbaux, les verbes étant distingués des autres catégories dans le champ réservé au domaine. Le premier caractère du champ indique la catégorie du lemme s’il n’est ni un nom, ni un verbe :
| A adjectif | N pr eposition |
| K adjectif sans f eminin | P pr eposition et adverbe |
| L adjectif sans masculin | Q conjonction |
| M adverbe | R interjection |
Le second ne concerne que les substantifs. Il permet de valider une certaine
sous-catégorisation initiée dans la rubrique « classe » de la section verbale du
dictionnaire, à savoir le caractère animé ou non animé, humain ou animal des
arguments du verbe. C’est avec la présente information que ce codage prend tout
son intérêt.
|
Lorsque le lemme courant appartient à la catégorie verbale, ce champ est laissé vide.
Dans notre exemple 3.4 page §, la catégorie de la première entrée social est soit adjectif (A), soit nom masculin (nm) non animé (1), tandis que la seconde est uniquement adjectif (A-). L’entrée la sociale est un nom féminin non animé (-2).
Genre et nombre Cette rubrique morphologique présente sur un code de deux caractères la formation du féminin et celle du pluriel. Le premier caractère permet de générer la forme féminine du lemme (traditionnellement présenté au masculin singulier) lorsqu’elle existe tandis que le second indique les modalités pour la génération des formes du masculin pluriel. Le féminin pluriel peut être formé par un simple passage au pluriel (-s) de la forme féminine générée.
Notre exemple 3.4 page § présente une même formation des féminin et pluriel des deux entrées social : le féminin se fait simplement par l’adjonction d’un -e (a) pour donner sociale, et le pluriel est construit par la transformation d’une terminaison -al/-ail en -aux (c). Le féminin pluriel deviendra simplement sociales. Quant à l’entrée la sociale, son statut de nom féminin ne requiert pas une autre forme féminine (-), mais le code de formation du nombre (k) indique qu’il s’agit là d’un nom possédant un singulier sans pluriel.
Dérivés Les quatre rubriques suivantes concernent la dérivation de mots à partir du lemme. Ces dérivations peuvent être :
Comme pour les dérivations basées sur le verbe, les codes de ces champs proposent des suffixes et désinences pour générer à partir du radical du lemme courant les différentes formes qui peuvent en être dérivées.
Dans notre exemple 3.4 page §, la première entrée de social possède un dérivé dans chaque catégorie grammaticale : le dérivé adjectival demande une terminaison en -iste (U) : socialiste, le dérivé nominal une terminaison en -isme (B) : socialisme, le dérivé verbal une terminaison en -iser (B) : socialiser et le dérivé adverbial une terminaison en -ment sur la forme féminine du lemme (2) : socialement. La seconde entrée de social ne dispose que d’un dérivé nominal présentant une terminaison en -ité (A) : socialité. L’entrée la sociale n’a aucun dérivé.
Lexème dont le lemme est dérivé Ce champ informationnel indique par un code la terminaison du mot dont le lemme courant est dérivé. Le codage indique à la fois la catégorie grammaticale de ce mot et la terminaison permettant de le générer. Seule l’entrée la sociale de notre exemple 3.4 page § dérive d’un autre mot ; il s’agit d’une base adjectivale se terminant en -al (I) pour obtenir social.
Lexique Comme pour la partie des verbes, il existe dans la section générale un champ indiquant le niveau de répertoire lexicographique dans lequel l’entrée courante est répertoriée. Les lexiques d’origine ne sont cependant pas exactement les mêmes pour les mots et pour les verbes :
Les deux entrées social de notre exemple 3.4 page § appartiennent au dictionnaire le plus restreint de 4 500 mots (1), tandis que la sociale n’apparaît que dans un lexique de 30 000 mots (3).
Comme nous l’avons déjà dit précédemment, le Dubois est une ressource lexicale de premier plan, tant du fait de sa grande variété d’informations – qui couvrent pratiquement tous les aspects de la langue française écrite – que de l’étendue du lexique traité dans le cadre d’un dictionnaire général. Bien qu’il présente certaines imperfections, ses grandes qualités nous ont amené à opter pour son utilisation comme ressource principale, tout en gardant la possibilité d’exploiter également d’autres ressources lorsque l’information du Dubois ne nous paraissait pas à la hauteur de la tâche qui lui était demandée.
Puisque notre démarche repose principalement sur l’identification correcte de la signification des lexèmes et que cette identification s’effectue dans le contexte de la désambiguïsation sémantique lexicale, la répartition des entrées par acception, et non par lemme comme c’est traditionnellement le cas, est un avantage de première importance. En effet, toute l’information du dictionnaire s’en trouve classifiée par sens de mot, et non par mot comme c’est habituellement le cas dans les autres dictionnaires. Cela nous permet de disposer d’indices propres à distinguer le sens correct d’un mot dans un contexte donné au cours de la phase de discrimination de l’acception, et d’autre part de disposer de données linguistiques spécifiques à l’entrée sélectionnée lors de l’enrichissement de la base textuelle.
La cohérence de la ressource est un autre atout important, que même son caractère duel ne peut briser. Notamment, l’information liée au domaine d’utilisation garde son unité malgré certaines différences. Un domaine dans une partie se répartit quelquefois en des sous-domaines plus spécialisés : comme nous l’avons vu, le domaine ANT (antiquité) dans la partie verbale est subdivisé en GRE (antiquité grecque) et ROM (antiquité romaine) dans l’autre section ; il est relativement aisé de gérer cette différence en évitant simplement de descendre au niveau le plus spécifique. De plus, certains domaines inexistants dans une section apparaissent dans l’autre mais il ne s’agit généralement pas d’une entorse à la cohésion, simplement d’un domaine qui n’a pas de raison d’exister dans la section où il n’apparaît pas ; par exemple, les domaines qui marquent l’appartenance à un département (D08 pour les Ardennes) n’auraient aucune justification dans la section verbale.
En outre, le nombre de ces domaines d’application (172 domaines différents) permet une délimitation suffisamment précise du contexte d’utilisation des différentes entrées. Bien que cette information ne fournisse qu’un cadre général au contexte dans lequel le lemme est utilisé – encore ce contexte reste-t-il subjectif 4 – et absolument aucune donnée sémantique directement liée à l’entrée, il s’agit là d’une indication précieuse qui pourra être gérée comme un attribut indicatif par XIP, sans forcément lui accorder une valeur contraignante. De plus, l’indication du domaine peut aisément s’insérer dans le dictionnaire utilisé par NTM où il deviendra une étiquette.
La rubrique dédiée au « sens », et qui contient des parasynonymes ou des paraphrases de l’entrée est extrêmement précieuse : c’est elle qui nous servira de thesaurus pour faire le lien entre différents mots ou expression de même sens. La paraphrase, qui constitue rarement un mode de définition de l’entrée dans les dictionnaires de langue, constitue en cela un atout original. Cependant, le nombre de ces expressions synonymiques – en moyenne deux par entrée – est généralement trop limité pour suffire à recouvrir tout le champ synonymique d’un mot ou d’une expression, même lorsque cette synonymie dépend du contexte d’apparition dans le cas d’une entrée polysémique. Il nous faudra donc avoir recours à d’autres ressources pour suppléer à cette faiblesse du Dubois, tout en conservant l’avantage de la synonymie contextuelle.
Les champs liés à la dérivation, aussi bien les formes dérivées du lemme courant que celle dont est dérivé ce lemme, sont extrêmement rares dans un dictionnaire, où l’étymologie est plus habituellement traitée que le voisinage lexico-morphologique 5. Or pour une application visant la sémantique lexicale, les informations de dérivation peuvent s’avérer fort précieuses, car elles permettent de construire un lien de sens entre l’acception d’un mot et ses dérivés de catégorie grammaticale différentes, et donc d’une signification seulement approximativement semblable.
Cependant, si la formation de ces dérivés à partir du lemme est souvent aisée à réaliser car bien documentée – indication de la terminaison à retirer pour accoler un suffixe au radical ainsi obtenu – il est aussi de nombreux cas où les instructions ne sont pas suffisamment précises pour générer la forme correcte. Lorsque les consignes lacunaires ne permettent pas la génération des formes correctes, il s’agit habituellement de formations irrégulières ou de transformations du radical. Pour pouvoir utiliser ces informations de manière sure, il faudra donc coupler l’opération de génération avec une vérification lexicale, voire effectuer cette génération à l’aide d’un outil distinct comme celui de [Gaussier, 1999] (cf. section 3.3 page §).
Par ailleurs, et bien qu’un dérivé et le mot dont il dérive aient des acceptions proches dans ce dictionnaire, le remplacement d’une forme de mot par un de ses dérivés d’une autre catégorie grammaticale dans un contexte donné ne peut se réaliser sans bouleversement de la sémantique globale de ce contexte, à moins d’effectuer des adaptations de la structure syntaxico-sémantique de la phrase. Il s’agit dès lors d’étudier les correspondances syntaxico-sémantiques des divers arguments des deux mots concernés. Toutefois, cette étude une fois menée (cf. section 4.2.2 page §), et les problèmes liés à la génération des dérivés résolus, les dérivations devraient permettre d’établir des rapports entre des constructions de nature et de syntaxe différentes mais basés sur des unités lexicale morphologiquement et sémantiquement voisines.
Dans le cadre de la détermination du sens des lexèmes en contexte, deux champs informationnels vont se révéler importants pour notre démarche : il s’agit des informations syntaxico-sémantiques des rubriques fournissant des « exemples » et la « construction » sous-catégorisée. En effet, c’est à partir de ces deux rubriques principalement que nous allons être en mesure de construire des règles permettant de discriminer les sens d’un mot donné, au travers de leurs schémas syntaxiques à toutes deux, grâce aux indications lexicales fournies par les exemples et aux indications de sous-catégorisation des arguments présentés par le champ de construction.
Nous déplorons toutefois l’absence de données semblables hors de la catégorie verbale, car dès lors, nous ne pourrons générer de règles de désambiguïsation sémantique de ce type pour les autres catégorie grammaticale. De plus, la décision de remplacer dans les exemples le mot-vedette par son initiale suivie du tilde est malheureuse, car elle empêche une simple analyse de la phrase et impose un prétraitement de génération avant de pouvoir disposer d’un schéma syntaxique correct, ce qui n’est pas simple à effectuer.
Dans le même ordre d’idée, nous pensions pouvoir utiliser facilement l’opérateur pour obtenir un schéma syntaxico-sémantique strict. Cependant, il est difficile de conserver un niveau de cohérence élevé sur un aussi vaste ensemble, surtout lorsque l’espace réservé à ces données est aussi compact. L’information dont l’opérateur est porteur est importante et très riche, mais sujette à trop de coquilles ou à des abrègements bruts et irréguliers. Dès lors, étant donné le temps qui nous était imparti, nous avons renoncé à l’utiliser, car nous avons constaté qu’il faisait souvent un double emploi avec une information contenue pour partie dans la construction et pour partie dans la classe sémantique.
Nous avons constaté lors de notre étude de cette rubrique « classe » que si les deux premières lettres du code permettent de spécifier une classe sémantique et une sous-classe syntaxico-sémantique, la troisième qui doit sous-catégoriser les compléments prépositionnels ne correspond ni aux attentes, ni au codage défini dans la documentation, qui se contente de renvoyer à la rubrique « construction » sans préciser de quelle manière l’exploiter. Cependant, malgré l’inefficacité de cette dernière information, une sémantique générale du verbe et de ses liens par rapport à ses arguments peut se révéler utile pour comprendre ou paraphraser un texte. Mais une fois de plus, cette information est réservée aux seuls verbes, ce qui n’empêche pas la classification des autres catégorie grammaticale en contexte dès lors qu’elles sont syntaxiquement liées à un verbe.
Ces possibilités de classification tirent essentiellement leur origine du champ catégorie, qui donne non seulement la catégorie grammaticale de l’entrée dans la partie générale du dictionnaire, mais qui surtout lui confère un certain vernis de sous-catégorisation en indiquant son caractère humain, animal ou inanimé, en parfaite compatibilité avec l’information de la classe verbale. Cette indication permettra en contexte de classifier correctement le verbe et ses arguments syntaxiques.
Les autres champs morphologiques tels que l’indication de formation des genres et nombres ou la conjugaison ne nous seront pas utiles car nous disposons de lexiques permettant non seulement ce type de génération, mais aussi l’analyse des formes fléchies. Ces lexiques, que nous utilisons à travers NTM pour l’analyse morphologique, pourraient toutefois être enrichis du vocabulaire supplémentaire présent dans le Dubois, mais il s’agit d’un travail relativement long que nous ne pouvions nous permettre d’entreprendre.
Les champs indiquant de quel lexique provient l’entrée semblent indiquer la fréquence relative de l’acception considérée. Cependant, les dictionnaires utilisés pour définir ces zones fréquentielles diffèrent dans les deux sections de la ressource, ce qui est une entorse à la volonté de cohérence constatée jusqu’ici. D’autre part, le codage présent dans cette rubrique est fréquemment soit erroné, soit non documenté, ce qui le rend inexploitable. Enfin, nous estimons que cette information ne repose pas sur une base linguistique suffisante pour pouvoir être exploitée avec un degré de sécurité satisfaisant.