Skip to content
Retour aux résultats

La désambiguïsation lexicale (Word Sense Disambiguation, WSD)

Introduite par
Navigli (survey, 2009)
Année
2009
Type
NLP semantic-disambiguation task

Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais

Taille de police

À quoi sert-elle ?

La désambiguïsation lexicale (WSD) est la tâche de traitement automatique du langage naturel qui consiste à choisir le sens correct d'un mot polysémique à partir de son contexte.

Étudiée par Navigli (2009), elle résout quel sens d'un mot à multiples significations s'applique dans une phrase donnée, améliorant ainsi la qualité de la recherche d'informations, de la traduction automatique et de la réponse aux questions.

L’intuition derrière la méthode

De nombreux mots courants portent plus d'un sens — « banque » peut désigner un bord de rivière ou un établissement financier, et seuls les mots environnants nous indiquent lequel. Un lecteur résout cela automatiquement, mais une machine voit la même chaîne de caractères dans les deux cas. La WSD rend ce choix explicite : elle examine les mots autour d'un terme ambigu, les compare aux définitions du dictionnaire de chaque sens candidat, et sélectionne le sens dont la signification correspond le mieux au contexte.

Histoire

La désambiguïsation lexicale est un problème de longue date en linguistique computationnelle. Navigli (2009) a consolidé le domaine dans une étude complète, tandis que Mihalcea (2006) a présenté les méthodes basées sur la connaissance qui s'appuient sur des ressources lexicales telles que WordNet plutôt que sur des données d'entraînement étiquetées.

Quand l’utiliser

La WSD s'applique lorsque vous avez un texte contenant des mots à significations multiples et une ressource de connaissances lexicales — WordNet ou une ontologie de langue cible — qui liste leurs sens, ainsi qu'une fenêtre contextuelle définie. Elle convient aux travaux explicatifs et de classification sur des données textuelles, et un corpus modeste (environ 20 unités) suffit pour commencer. Sans inventaire de sens disponible pour la langue, la WSD basée sur la connaissance ne peut pas fonctionner.

Limites et points d’attention

  • Nécessite un WordNet ou une ontologie de langue cible disponible ; les langues sans inventaire de sens ne peuvent pas être désambiguïsées de cette manière.
  • La précision dépend de la manière dont la fenêtre contextuelle définie capture les preuves de désambiguïsation.
  • Les distinctions de sens fines dans une ressource peuvent être difficiles à séparer, même avec un contexte riche.

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Résout la polysémie afin que les tâches en aval lisent le sens voulu plutôt qu'une chaîne de surface.
  • Améliore la qualité de la recherche d'informations, de la traduction automatique et de la réponse aux questions.
  • Les approches basées sur la connaissance fonctionnent directement à partir d'une ressource lexicale sans nécessiter de grands ensembles d'entraînement étiquetés.

Applications

  • Amélioration de la pertinence de la recherche d'informations en faisant correspondre le sens voulu d'un terme de requête.
  • Augmentation de la qualité de la traduction automatique en sélectionnant le sens correct avant la traduction.
  • Soutien aux systèmes de réponse aux questions qui doivent interpréter correctement les termes ambigus.
  • Analyse sémantique de corpus dans les sciences humaines, les sciences sociales et d'autres domaines fortement textuels.

Comment ça marche

Comment ça marche

1

Le texte est analysé à la recherche de mots polysémiques — termes qui ont plus d'un sens possible dans la ressource de connaissances. Chaque mot de ce type devient une cible pour la désambiguïsation, car les mots non ambigus ne nécessitent aucune analyse supplémentaire.

2

Une fenêtre contextuelle est définie autour de chaque mot cible — les mots et expressions voisins qui signalent le sens voulu. La taille et la forme de cette fenêtre sont un paramètre défini de la méthode, car les preuves environnantes sont ce qui guide la décision.

3

Les sens candidats pour le mot cible sont récupérés d'une ressource de connaissances lexicales telle que WordNet ou une ontologie de langue cible. Chaque candidat porte une définition qui décrit ce sens particulier.

4

Le sens dont la définition correspond le mieux au contexte est choisi. Les approches basées sur la connaissance, telles que l'algorithme de Lesk, comparent les mots de la fenêtre contextuelle à la définition de chaque sens et sélectionnent la meilleure correspondance, attribuant une seule étiquette de sens au mot dans son contexte.

Pièges courants

  • Application d'une ressource construite pour une langue au texte d'une autre — l'inventaire des sens doit correspondre à la langue du corpus.
  • Utilisation d'une fenêtre contextuelle trop étroite pour porter le signal de désambiguïsation, ou si large qu'elle inclut des mots non pertinents.
  • Supposer que chaque mot est ambigu ; restreindre la désambiguïsation aux cibles véritablement polysémiques pour éviter les efforts perdus et le bruit.

Questions fréquentes

De quelle ressource de connaissances la WSD a-t-elle besoin ?

La WSD basée sur la connaissance repose sur une ressource lexicale qui liste les sens des mots — WordNet pour l'anglais, ou une ontologie équivalente pour la langue cible. La ressource fournit les sens candidats et leurs définitions que la méthode compare au contexte.

Quelle est l'importance de la fenêtre contextuelle ?

La fenêtre contextuelle est l'ensemble des mots voisins utilisés pour décider quel sens s'applique. C'est un paramètre défini : trop étroite, elle manque le signal de désambiguïsation ; trop large, elle inclut des mots non pertinents. Le choix d'une fenêtre appropriée est central pour la méthode.

Qu'est-ce que l'algorithme de Lesk ?

Lesk est une approche classique basée sur la connaissance qui compare les mots de la fenêtre contextuelle aux définitions du dictionnaire de chaque sens candidat et choisit le sens avec le plus grand chevauchement. Il fonctionne directement à partir de la ressource lexicale sans données d'entraînement étiquetées.

La WSD fonctionne-t-elle pour des langues autres que l'anglais ?

Oui, à condition qu'un inventaire de sens ou une ontologie existe pour cette langue. L'application d'une ressource anglaise telle que WordNet à un texte dans une autre langue ne produira pas les sens corrects ; la ressource doit correspondre à la langue du corpus.

Méthodes associées

Sources

  1. Navigli, R. (2009). Word Sense Disambiguation: A Survey. ACM Computing Surveys (CSUR), 41(2), Article 10, 1-69.

    Ouvrir la référence DOI
    Copié.
  2. Mihalcea, R. (2006). Knowledge-Based Methods for Word Sense Disambiguation. Computational Linguistics.

    Ouvrir la référence de la publication
    Copié.