Observations statistiques de cooccurrents lexico-syntaxiques pour la catégorisation sémantique d’un champ lexical
Categorising a semantic field through statistical characterization of lexico-syntactic collocation
p. 55-69
Résumés
Cet article s’intéresse au développement d’outils spécifiques dédiés à l’observation et à la comparaison de profils combinatoires d’unités lexicales du champ sémantique des émotions, pour 5 langues européennes (allemand, français, anglais, espagnol et russe). Dans la lignée de la conception firthienne d’une structuration syntagmatique du sens, est développé le concept de lexicogramme, objet synthétique facilement manipulable qui correspond à la représentation matricielle du profil combinatoire d’un pivot donné. Ce type de représentation peut être mis en œuvre pour afficher et comparer des phénomènes combinatoires pertinents au niveau sémantique, même s’il présente certaines limites liées à notre modèle de collocation syntaxique. Nous proposons une extension de cette approche basée sur les lexicogrammes, afin d’intégrer des configurations plus complexes de collocations comportant plus que deux éléments.
This paper focuses on the development of specific tools designed for the observation and comparison of combinatoric profiles of lexicon for the semantic field of ‘emotions’, through various languages (German, French, English, Spanish and Russian). We first present our theoretical background, related to the Firth’s view of a syntagmatic structuration of meaning, and we describe our corpus-based methodology. Then, we develop the concept of lexicogram, as a useful and manageable representation of the “combinatorial profile” of a given pivot: we show how these matrices can be used to display and compare interesting combinatorial phenomena, relevant at the meaning level. We finally discuss some limitation of our model of syntactic collocation, and we propose an extension of the lexicogram-based approach to take into account more complex collocations.
Entrées d’index
Mots-clés : lexique des émotions, collocation, cooccurrence, expressions polylexicales, analyse syntaxique, lexicogrammes, étude basée sur corpus
Keywords : lexicon of ‘emotions’, collocation, cooccurrence, multi-words expressions, syntactic parsing, lexicograms, corpus-based study
Remerciements
Cette étude a été réalisée dans le cadre du projet franco-allemand Emolex, cofinancé par l’ANR et la DFG.
Texte intégral
1Cette étude a été réalisée dans le cadre du projet franco-allemand Emolex, dont l’objectif est d’analyser d’un point de vue contrastif les valeurs sémantiques, les rôles discursifs et la combinatoire du lexique des émotions, afin d’élaborer une cartographie permettant de mieux structurer ce champ lexical, avec des applications en lexicographie mais aussi en didactique des langues et en traductologie. Dans le cadre de cette recherche, nous avons rassemblé des corpus massifs comportant plusieurs centaines de millions de mots pour cinq langues différentes (l’allemand, le français, l’anglais, l’espagnol et le russe). Nous avons également développé des outils originaux pour l’interrogation du corpus, l’extraction de statistiques de cooccurrence, et la visualisation des profils combinatoires. Ces outils, regroupés sous une interface nommée EmoConc, permettent d’ores et déjà aux linguistes de notre équipe de faire des observations minutieuses sur les champs lexicaux ciblés par notre projet.
2Cet article est dédié à la description de ces outils d’exploration, qui s’articulent autour de la constitution et de l’exploitation de ce que nous avons nommé des lexicogrammes, reprenant et adaptant le concept introduit par Tournier et mis en œuvre dans le logiciel Weblex (Heiden & Tournier, 1998).
3Après avoir esquissé les présupposés théoriques qui ont nourri nos réflexions et guidé nos choix de conception, nous décrirons l’arrière-plan méthodologique de nos observations empiriques et l’architecture des outils que nous avons développés. Nous étudierons ensuite quelques résultats préliminaires issus de ces observations, ce qui nous permettra de conclure sur les potentialités et les limites des outils disponibles sous EmoConc.
1. Arrière-plan théorique
4La recherche sur la combinatoire lexicale s’inspire grosso modo de deux orientations théoriques et méthodologiques complémentaires, qui relèvent d’une vision soit « représentationniste », soit « instrumentaliste » du langage (Keller, 1995).
5La première, qu’on peut qualifier de ‘déductive et taxinomique’, met l’accent sur la question des différents degrés d’autonomie sémantique, et donc de définissabilité hors contexte, qui caractérisent tel ou tel mot. La définition formulée par Hausmann (1999 : 205) par rapport à ce qu’il appelle « sémiotaxe » illustre bien cette position :
La sémiotaxe nous indique jusqu’à quel point les mots peuvent être définis sans contexte. De façon évidente, il y a de grandes différences dans la manière dont les mots se définissent. Nombreux sont ceux qui ne nécessitent aucun contexte linguistique pour être définis. […] Ces mots peuvent être considérés comme étant sémiotaxiquement « autonomes » ou « indépendants »1.
6L’objectif principal de cette approche est d’établir les critères permettant de délimiter la combinatoire libre de la combinatoire figée et de concevoir sur cette base une taxinomie de combinaisons lexicales2. Depuis une vingtaine d’années, ce courant de recherche a trouvé son plein essor dans la discussion sur les collocations en tant que type particulier de combinaisons lexicales semi-figées3.
7L’autre approche de la combinatoire lexicale, à orientation ‘inductive et systémique’, renvoie à la position traditionnelle du fonctionnalisme britannique, selon lequel toute unité linguistique n’acquiert sa signification qu’en contexte (social et linguistique / systémique). La question de l’autonomie contextuelle étant écartée a priori, il en va de même des tentatives de classifier la combinatoire lexicale sur la base de différents degrés de figement4. Loin d’être un type de combinaison lexicale, « la collocation » – notons la forme du singulier – représente bien la dimension syntagmatique de la signification d’un mot, ou pour reprendre l’une des citations classiques de Firth (1957b : 196) :
Le sens collocationnel est une abstraction sur le plan syntagmatique, et n’est pas directement en rapport avec l’approche conceptuelle ou idéelle du sens des mots. Un des sens de night (nuit) est sa faculté de former une collocation avec black (noir), et bien sûr, un des sens de black (noir) est sa collocation avec night (nuit)5.
8Au lieu donc de mettre l’accent sur la combinatoire structurée et d’explorer la substance syntagmatique, l’approche inductive et systémique vise le caractère structurant de la combinatoire d’un item en tant que forme syntagmatique.
9C’est dans cette perspective que la présente contribution s’appuie, dans son choix méthodologique, sur la notion de « profil combinatoire » proposée par Blumenthal (2006), ce profil étant considéré comme l’extension conceptualisatrice d’un item lexical, c’est-à-dire son potentiel de conceptualisation en tant que corrélatif sémantique de sa valeur fonctionnelle figurée par sa distribution6.
2. Choix méthodologiques
2.1. Choix des corpus
10Dans cette perspective de comparaison des profils combinatoires, le projet Emolex a pour objet d’effectuer une étude contrastive du lexique des émotions à travers l’allemand, le français, l’anglais, l’espagnol et le russe. Pour conserver la plus grande ouverture possible dans notre méthodologie d’observation, nous avons fait le choix de combiner deux types de corpus : des corpus comparables et des corpus parallèles.
11Les corpus comparables sont, selon la définition de Teubert (1996 : 245) « des corpus en deux langues ou plus composés de façon identique ou similaire » (nous traduisons). Ils regroupent deux types de textes :
des articles issus de la presse quotidienne et hebdomadaire, postérieurs à 2000, pour un volume comparable (environ 100 millions de mots par langue).
des œuvres littéraires contemporaines (ultérieures à 1950), de tous genres (romans, polars, science-fiction, etc.), constituant un peu plus de 15 millions de mots par langue.
12Les corpus comparables présentent l’intérêt d’être relativement faciles à constituer, et donc plus disponibles pour de grands volumes – l’aspect massif étant indispensable pour effectuer certaines observations quantitatives sur la combinatoire du lexique et la phraséologie. Ils sont en outre réputés « authentiques », c’est-à-dire qu’ils reflètent l’usage de la langue sans passer par l’artefact de la traduction. En revanche, dans la mesure où chaque corpus de chaque langue est autonome, ils ne se prêtent pas de façon immédiate et directe à la comparaison. Le tableau 1 donne la composition de la partie française du corpus, utilisée dans les expérimentations décrites plus loin.
Tableau 1. Composition de la partie française du corpus
Type | Composition | Taille (mots) |
journalistique | Le Monde 2007-2008, Le Figaro 2007-2008, Ouest-France 2007-2008 | 115 000 000 |
littéraire | Littérature contemporaine 1950-2009 | 15 000 000 |
13Les corpus parallèles regroupent des œuvres littéraires avec leur traduction : ils ont l’avantage d’être potentiellement alignables et de permettre d’observer directement les équivalences et les contrastes d’une langue à l’autre. Mais les phénomènes d’interférence dus à la traduction peuvent néanmoins rendre suspectes certaines observations. Torrellas Castillo (2009) a montré à quel point l’exercice de la traduction pouvait marquer la langue des textes institutionnels et juridiques issus de la commission européenne, au point de créer une variété sociolectale spécifique, l’« eurolecte ». Par ailleurs, les corpus parallèles sont plus difficiles à constituer, du fait de la nécessité de trouver des traductions en sus des textes originaux, et de la mise en œuvre des techniques d’alignement.
14Nous pensons néanmoins, comme Teubert (1996 : 252), que ces deux ressources doivent être considérées comme « complémentaires ». Les observations effectuées sur un corpus parallèle aligné peuvent ensuite être recoupées avec celles effectuées à grande échelle sur les textes comparables, de sorte qu’un artefact traductionnel peut aisément être identifié comme tel.
2.2. Choix des informations combinatoires
15Les outils présentés plus loin ont été conçus pour traiter les corpus comparables, en intégrant trois contraintes prépondérantes :
la possibilité de définir les unités par la combinaison de différentes facettes : forme graphique, lemme, partie du discours, traits grammaticaux ;
la nécessité de pouvoir traiter rapidement, au moment d’une requête formulée par l’utilisateur, d’importants volumes de données ;
la mise en œuvre d’outils de comparaison et de présentation synthétiques permettant à l’utilisateur d’obtenir une vue d’ensemble dans la confrontation des combinatoires lexicales, qu’il s’agisse de comparer des unités lexicales différentes dans la même langue, ou de comparer l’organisation d’un champ sémantique à travers des langues différentes.
16Pour cela, nous avons dû nous appuyer sur une structure de données simple, susceptible de renfermer toute la richesse de la combinatoire des unités tout en se prêtant à des traitements quantitatifs, requis par l’analyse de données statistiques. Cette structure de données, c’est ce que nous avons appelé des lexicogrammes, en empruntant un terme introduit par Tournier et repris dans le logiciel Weblex (Heiden & Tournier, 1998). Le lexicogramme associé à un pivot donné (parfois aussi nommé mot « pôle ») est la liste de ses cooccurrents les plus fréquents, accompagnée des valeurs de fréquences (d’occurrences et de cooccurrences) et de mesures d’associations. Le lexicogramme enregistre en quelque sorte le « spectre » (ibid.), de tous les collocatifs d’un mot pôle, pondéré par des valeurs numériques. Pour ces valeurs, nous avons choisi d’intégrer dans les lexicogrammes, pour chaque collocatif, la totalité du tableau de contingence. De la sorte, selon que l’on veut mettre en avant les associations de faible fréquence ou de forte fréquence, selon la nature des associations étudiées, selon la taille du corpus, on peut mettre en œuvre des mesures d’association variées (Dice, t-score, z-score, chi2, log-likelihood, etc.) adaptées à ces différents cas de figure (Evert, 2008 : 35). Le tableau 2 (page suivante) donne un extrait du lexicogramme obtenu pour le nom peur. Si, comme le disait Firth (1957a), « on reconnaît un mot à ses fréquentations », cette matrice tente en quelque sorte de résumer le portrait combinatoire du mot peur.
Tableau 2. Extrait d’un lexicogramme

17Pour donner la plus grande souplesse possible dans l’étude de la combinatoire, nous laissons à l’utilisateur la possibilité de choisir comment il caractérise le pivot et comment il définit les collocatifs, par la combinaison de quatre types d’information : le mot-forme ; le lemme ; la catégorie morphosyntaxique ; les traits morphosyntaxiques. Dans l’exemple de la figure 1, pivot et collocatifs sont définis par la combinaison lemme+catégorie.
2.3. Type de cooccurrence choisi
18Le modèle des lexicogrammes ainsi défini peut s’appliquer à différents types de cooccurrences : la cooccurrence de surface, textuelle ou syntaxique (Evert, 2008 : 4-5), ainsi que la colligation, qui s’intéresse aux combinaisons d’un pivot avec des relations syntaxiques. Bien que nos outils aient été conçus pour traiter tout type de cooccurrence, nous avons fait le choix dans cette étude de nous limiter à la cooccurrence syntaxique, en nous fondant sur une analyse en dépendances obtenue automatiquement grâce à différents outils, dont l’analyseur Connexor pour le français (Tapanainen & Järvinen, 1997). Les profils combinatoires ainsi synthétisés par les lexicogrammes, accompagnés des relations syntaxiques mises en jeu, s’apparentent ainsi aux Word Sketches de Kilgarriff & Tugwell (2001). Comme le note Evert (2008), les cooccurrences syntaxiques présentent l’avantage d’identifier des cooccurrents bien au-delà de la fenêtre de 3 ou 4 mots en usage dans le cas des cooccurrences de surface, tout en éliminant les cooccurrences accidentelles de simple voisinage. Elles devraient donc donner une image à la fois plus complète et plus nette du profil combinatoire du pivot étudié. La grande taille de notre corpus et la fréquence importante des mots retenus dans notre étude (champ lexical des émotions) militent donc pour une utilisation des cooccurrents syntaxiques.
19Notons que l’utilisateur, lorsqu’il effectue ses requêtes, peut spécifier quelles relations syntaxiques il veut étudier : par exemple, il peut restreindre les lexicogrammes à la relation sujet-verbe, ou bien aux deux relations sujet-verbe et verbe-objet.
3. Visualisation avec le « lexicoscope »
20Une fois les lexicogrammes extraits pour un ou plusieurs pivots, il est possible d’accéder à différents outils de visualisation, à travers une interface que nous avons baptisée lexicoscope.
21Les collocatifs composant les lexicogrammes peuvent être filtrés en fonction d’une certaine mesure (par ex. fréquence, log-likelihood, etc.) à laquelle on peut appliquer une valeur seuil (par ex. fréquence > 3, ou log-likelihood > 10,83, ce qui correspond au seuil standard de significativité). Par la suite, on peut déterminer un critère de tri des collocatifs et le nombre maximum de collocatifs pertinents à retenir.
22À partir des lexicogrammes ainsi triés et filtrés, on peut obtenir différents types de visualisation :
23La figure ci-dessous, un histogramme, affiche les principaux collocatifs verbaux du nom crainte, triés par ordre décroissant, à travers la relation verbe-objet. Ce type de graphique permet d’embrasser en un seul coup d’œil la répartition des collocatifs selon le critère choisi (fréquence, significativité statistique, etc.).
Figure 1. Mesure du log-likelihood pour les principaux collocatifs de crainte_N à travers la relation verbe-objet

24Dans le cas de la comparaison de plusieurs pivots, on peut intégrer tous les lexicogrammes dans un tableau unique dont les colonnes correspondent aux pivots et les lignes aux collocatifs. Cela permet d’identifier rapidement les points communs et les divergences dans les profils combinatoires de différents pivots. Par exemple, le tableau 3, tableau croisé, montre que les noms crainte et inquiétude partagent de nombreux collocatifs verbaux à travers la relation verbe-objet : apaiser, attiser, calmer, dissiper, exprimer, raviver, etc.
Tableau 3. Tableau croisé pour les pivots angoisse_N, appréhension_N, crainte_N, inquiétude_N, souci_N dans la relation verbe-objet (extrait)
angoisse_N | appréhension_N | crainte_N | inquiétude_N | souci_N | |
aiguiser_V | - | - | - | 17,17 | - |
alimenter_V | - | - | 10,92 | - | - |
apaiser_V | - | - | 33,31 | 26,98 | - |
attiser_V | - | - | 15,08 | 11,96 | - |
aviver_V | - | - | - | 33,64 | - |
avoir_V | - | 15,27 | - | - | 184,04 |
balayer_V | - | - | 13,78 | - | - |
cacher_V | - | - | - | 91,83 | - |
calmer_V | 17 | - | 11,83 | 57,14 | - |
causer_V | - | - | - | - | 31,14 |
confier_V | - | - | - | 23,78 | - |
conjurer_V | - | - | - | 15,17 | - |
cristalliser_V | - | - | 31,26 | - | - |
dissiper_V | - | - | 17,2 | 23,56 | - |
désamorcer_V | - | - | - | 12,97 | - |
exprimer_V | 21,7 | - | 61,79 | 147,21 | - |
inspirer_V | - | - | - | 15,01 | - |
montrer_V | - | - | - | - | 16,11 |
nourrir_V | - | - | - | 36,22 | - |
provoquer_V | - | - | - | 44,81 | - |
raviver_V | - | - | 36,01 | 12,04 | - |
relancer_V | - | - | 21,74 | - | - |
25Notons que pour toutes ces représentations tabulaires, le clic sur une valeur permet d’accéder à des concordances où pivots et collocatifs apparaissent en contexte dans des phrases extraites du corpus. En effet, cette possibilité de revenir au corpus et aux données qualitatives des exemples nous paraît indispensable pour interpréter correctement les observations quantitatives.
26Si on considère les n collocatifs retenus pour un ensemble de pivots, les lexicogrammes de chaque pivot peuvent en fait être considérés comme des vecteurs dans un espace de dimension n (en ne retenant qu’une colonne correspondant à telle ou telle mesure d’association). Il est alors possible d’appliquer des techniques d’analyse multivariée standards pour déterminer les pivots et/ou collocatifs les plus proches ou effectuer des regroupements.
27Avec ce type d’algorithme7, on obtient une représentation arborescente – ou dendrogramme –, la proximité de deux unités correspondant à la profondeur de leur premier ancêtre commun (de façon analogue à un arbre généalogique), ce que l’on appelle ‘classsification hiérarchique ascendante’ (hclust). Les figures ci-dessous reproduisent deux dendrogrammes pour les pivots ébranlement, effarement, saisissement, stupeur, étonnement, stupéfaction, étonnement, surprise, bouleversement, choc.
Figure 2. Champ notionnel de l’ÉTONNEMENT [Première figure : pour tous collocatifs ; deuxième figure pour les seuls collocatifs verbaux]


28Ces deux graphiques présentent des points communs (proximité des couples effarement-saisissement et bouleversement-choc) mais aussi des divergences (étonnement très proche de stupéfaction si on considère tous les collocatifs, mais plus proche de stupeur si on ne considère que les collocatifs verbaux). Ces observations suggèrent qu’on ne peut interpréter ces visualisations de façon directe comme une cartographie des proximités sémantiques : même si on perçoit, à travers ces regroupements, une certaine similarité sémantique, la combinatoire est variable suivant les types de relation que l’on considère, et ces variations ne coïncident pas de façon automatique avec l’organisation des signifiés. Pour interpréter finement ces graphiques, il faut de toute évidence revenir au corpus : le rôle de ces représentations est donc de nature heuristique, car elles permettent de guider le linguiste dans l’exploration de la foisonnante masse de données que constituent les corpus.
29Par ailleurs, on constate que certaines observations peuvent être biaisées par le caractère polysémique des unités : la combinatoire de noms tels que surprise, choc ou bouleversement n’est pas cantonnée au seul champ des émotions, puisque ces unités sont très polysémiques et peuvent recevoir des acceptions très variables.
30Une façon d’éviter ces ambiguïtés sémantiques consiste à cibler l’étude sur un sous-ensemble de collocatifs de nature à désambiguïser les pivots. Pour un groupe de pivots issus d’une série de champs notionnels8, nous avons filtré les lexicogrammes pour les verbes de manifestation suivants : afficher, avouer, cacher, dire, dissimuler, exprimer, manifester, montrer, signifier, redire, témoigner. Nous avons ensuite représenté les pivots et ce sous-ensemble de collocatifs sous la forme de nuages de points en utilisant une analyse factorielle des correspondances (AFC).
31Les visualisations obtenues (factor maps) présentent l’avantage de projeter dans le même plan les pivots et les collocatifs, ce qui permet de synthétiser à la fois le lien associatif entre pivots et collocatifs, mais aussi la proximité des pivots entre eux, et des collocatifs entre eux, sur le plan de la combinatoire syntaxique. On obtient le graphique de la figure 3. Avec la technique de l’échelonnement multidimensionnel (ou MDS), on aurait également pu représenter les pivots et les collocatifs par des nuages de point, mais séparément : cela peut permettre de visualiser avec plus de clarté les proximités et les distances dans la combinatoire résumée par les lexicogrammes ainsi filtrés.
Figure 3. Exemple d’AFC pour des noms de sentiment et des verbes de manifestation

32On voit se dégager trois groupes de collocatifs : (1) signifier, témoigner, exprimer (2) montrer, manifester, afficher, redire (3) dissimuler, cacher, avouer, dire. Le premier groupe semble s’associer de préférence avec des sentiments positifs, dont l’expression est directement adressée, verbalement, à l’objet du dit sentiment : respect, reconnaissance, sympathie, gratitude ; le second groupe, pointant une expression non nécessairement verbale (afficher, manifester…) est plutôt lié à des sentiments négatifs, tels que l’hostilité, le dédain, l’inimitié, au mieux l’indifférence et le détachement ; les collocatifs du troisième groupe partagent une nuance sémantique liée à l’ambivalence dissimulation-révélation, comme si les sentiments en question (mépris, antipathie, animosité, mais aussi admiration et fascination) ne pouvaient être exprimés directement, sans le détour de la dissimulation, puis de l’aveu et de la révélation. Toutefois, les verbes dire et redire cadrent assez mal avec ces observations.
33Si l’on examine de plus près les exemples du corpus, on observe que ces nuages de points correspondent à des schémas lexico-syntaxiques récurrents et relativement stéréotypés. Par exemple :
34Vdissim (nég.) + DÉT (poss.) + Nsent : […] même si les syndicats défilant l’après-midi ne cachent pas leur hostilité à Nicolas Sarkozy…
35Vmanif + PRO + Nsent : […] Mais les premiers venus lui témoignent estime et confiance…
36Vmanif + DÉT (poss.) + Nsent + à + [personne présente] : […] qui avait témoigné à « DGS » sa sympathie et sa solidarité
37Vmanif + DÉT (poss.) + Nsent + POUR + [personne absente] : […] Mais il dit aussi son admiration pour son interprète Émile Hirsch
38Ces schémas présentent des régularités importantes et sont liés, on le voit, à des nuances sémantiques assez fines.
39Ils révèlent par ailleurs les limitations des lexicogrammes telles que nous les avons définies : en effet, par construction, les lexicogrammes n’enregistrent que des relations binaires assez frustes (ici entre un verbe et un nom à travers une relation verbe-objet), et ne peuvent rendre compte de tout l’environnement lexico-syntaxique lié à ces couples : détermination du nom, négation du verbe, préposition, etc.
40En effectuant une sélection des collocatifs, nous avons ainsi obtenu des profils combinatoires plus précis (du fait de la désambiguïsation) mais plus pauvres et moins complets. Par ailleurs, on voit bien que pour enregistrer dans la combinatoire des pivots toutes les unités pertinentes du contexte, on ne peut se contenter des relations de dépendance immédiatement issues du pivot : pour caractériser un nom de sentiment, il peut être intéressant d’aller chercher les adverbes et prépositions liées au verbe dont il est l’objet.
Conclusions et perspectives
41Nous avons présenté un cadre méthodologique et des outils destinés à l’observation et à l’étude contrastive des profils combinatoires pour des unités lexicales appartenant au champ lexical des émotions. Nous avons ainsi essayé de dégager un ensemble d’observables suffisamment complet pour renfermer la richesse des profils combinatoires, assez abstraits et génériques pour s’appliquer à des langues différentes, et bien formalisés pour permettre le recours à des outils performants d’analyse de données quantitatives : les lexicogrammes. Ces observables prennent la forme de matrices de cooccurrences syntaxiques intégrant, outre le tableau de contingence, des mesures d’association telles que le log-likelihood ou le t-score.
42Nos premiers résultats ont montré que l’on pouvait en tirer des représentations graphiques synthétiques, pouvant jouer le rôle de guide dans l’analyse et la comparaison.
43Mais il nous est apparu que la restriction au contexte syntaxique immédiat, c’est-à-dire aux seules unités entretenant une relation de dépendance directe avec le pivot, ne permettait pas de rendre compte de la véritable complexité des profils combinatoires, l’environnement structurant d’un pivot – au plan sémantique – pouvant s’étendre à des configurations plus large où les collocatifs de ses collocatifs peuvent jouer un rôle déterminant.
44Dans l’implémentation actuelle d’EmoConc, l’outil d’observation de notre corpus, nous sommes en train de développer une version étendue de notre lexicoscope, nous permettant d’extraire des lexicogrammes pour des ‘pivots complexes’, c’est-à-dire eux-mêmes constitués de plusieurs unités lexicales entretenant des relations spécifiques. Nous espérons ainsi pouvoir mettre en œuvre une gradation d’observations allant de la simple cooccurrence pivot – collocatif – à des configurations à la complexité croissante. Ces observations feront l’objet d’études à venir.
Bibliographie
Des DOI sont automatiquement ajoutés aux références bibliographiques par Bilbo, l’outil d’annotation bibliographique d’OpenEdition. Ces références bibliographiques peuvent être téléchargées dans les formats APA, Chicago et MLA.
Format
- APA
- Chicago
- MLA
Attardi, G., Dell’Orletta, F., Simi, M., Chanev, A., Ciaramita, M., 2007, « Multilingual Dependency Parsing and Domain Adaptation using DeSR », in Proc. of the CoNLL Shared Task Session of EMNLP-CoNLL 2007, Prague.
Blumenthal, P., 2006, Wortprofil im Französischen, Tübingen, Niemeyer.
10.1515/9783110909302 :Evert, S., 2008, « Corpora and collocations », in Lüdeling, A., Kytö, M. (éds), Corpus Linguistics. An International Handbook, article 58, Berlin, Mouton de Gruyter.
Firth, J. R., 1957a, « A synopsis of linguistic theory 1930-1955 », Studies in Linguistic Analysis, p. 82-95. Réédité, Selected Papers of J. R. Firth, Palmer, F. R. (éd.), Londres, Longman.
Firth, J. R., 1957b, « Modes of meaning », in Papers in Linguistics 1934-1951, Oxford, OUP, p. 190-215.
Grossmann, F., Tutin, A. (éds), 2003, Les collocations : analyse et traitement, Amsterdam, De Werelt.
Halliday, M. A. K., 1978, Language as Social Semiotic: the Social Interpretation of Language and Meaning, Londres, Arnold.
Hausmann, F. J., 1984, « Wortschatzlernen ist Kollokationslernen: Zum Lehren und Lernen französischer Wortverbindungen », in Praxis des neusprachlichen Unterrichts 31, p. 395-406.
Hausmann, F. J., 1999, « Semiotaxis and learners’ dictionaries », in Herbst, T., Popp, K. (éds), The Perfect Learners’ Dictionary (?), Berlin, De Gruyter, p. 205-212.
10.1515/9783110947021 :Heiden, S., Tournier, M., 1998, « Lexicométrie textuelle, sens et stratégie discursive », in Actes I Simposio Internacional de Análisis del Discurso, Madrid, Visor, p. 2287-2300.
Keller, R., 1995, Zeichentheorie: Zu einer Theorie semiotischen Wissens, Tübingen, Francke.
10.36198/9783838548784 :Kilgarriff, A., Tugwell, D., 2001, « Sketching words », in Corréard, M.-H. (éd.) Lexicography and Natural Language Processing: A Festschrift in Honour of B. T. S. Atkins, EURALEX, p. 125-137.
Mel’čuk, I. A., 1998, « Collocations and Lexical Functions », in Cowie, A. P. (éd.), Phraseology: Theory, Analysis, and Applications, Oxford, Clarendon Press, p. 23-53.
Sinclair, J. McH., 1991, Corpus, Concordance, Collocation, Oxford, OUP.
Tapanainen, P., Järvinen, T., 1997, « A non-projective dependency parser », in Proceedings of the 5th Conference on Applied Natural Language Processing, Washington, DC, p. 64-74.
10.3115/974557 :Teubert, W., 1996, « Comparable or Parallel Corpora », International Journal of Lexicography 9 (3), Oxford, OUP, p. 238-264.
10.1093/ijl/9.3.238 :Torrellas Castillo, M., 2009, Les interférences linguistiques dans les textes en espagnol des institutions de l’union européenne : étude fondée sur le corpus bilingue massif aligné de l’acquis communautaire, Thèse de doctorat, Université de Poitiers.
Notes de bas de page
1 « Semiotaxis tells us to what extent words may be defined without context. Obviously there is a great difference in the definability of words. Many words don’t need any linguistic context to be defined. […] We may call [these words] semiotactically ‘autonomous’, or ‘independent’. »
2 Pour ce genre de taxinomie, voir, entre autres, les travaux de Hausmann (1984) et la modélisation proposée dans le cadre de la Théorie Sens ↔ Texte par Mel’čuk (1998).
3 Grossmann & Tutin (éds) (2003) donnent un aperçu instructif de cette discussion.
4 Voir à cet égard les remarques faites par Sinclair (1991 : 111) pour motiver la primauté du « principe de l’idiome » (de l’Angl. : idiom principle).
5 Meaning by collocation is an abstraction at the syntagmatic level and is not directly concerned with the conceptual or idea approach to the meaning of words. One of the meanings of night is its collocability with dark, and of dark, of course, collocation with night.
6 Si l’on tient compte des méta-fonctions du langage exposées par Halliday (1978), cette conceptualisation relève d’une schématisation de la présentation linguistique concernant les états de choses et leur connexité logique (fonction idéationnelle), les rapports entre interlocuteurs (fonction interpersonnelle) et l’organisation textuelle (fonction textuelle).
7 Pour effectuer les opérations de classification hiérarchique ascendante, nous nous servons de la bibliothèque hclust du logiciel statistique R.
8 À savoir : HOSTILITÉ, ADMIRATION, RESPECT, DÉTACHEMENT, MÉPRIS, RECONNAISSANCE.
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
L’argumentation aujourd’hui
Positions théoriques en confrontation
Marianne Doury et Sophie Moirand (dir.)
2004
L’astronomie dans les médias
Analyses linguistiques de discours de vulgarisation
Jean-Claude Beacco (dir.)
1999
L'acte de nommer
Une dynamique entre langue et discours
Georgeta Cislaru, Olivia Guérin, Katia Morim et al. (dir.)
2007
Cartographie des émotions
Propositions linguistiques et sociolinguistiques
Fabienne Baider et Georgeta Cislaru (dir.)
2013
Médiativité, polyphonie et modalité en français
Etudes synchroniques et diachroniques
Jean-Claude Anscombre, Evelyne Oppermann-Marsaux et Amalia Rodriguez Somolinos (dir.)
2014
Dire l’événement
Langage, mémoire, société
Sophie Moirand, Sandrine Reboul-Touré, Danielle Londei et al. (dir.)
2013