Stage de recherche M1 ou M2 Traitement automatique des langues,
Lexicographie ou Linguistique appliquée

Développement d'un dictionnaire électronique de collocations du
langage scientifique

Lieu : LIDILEM, Université Grenoble 3 - Stendhal, 
Durée : de 3 à 5 mois, 
Période : janvier à juin 2014.

Stage rémunéré : indemnité (436 euros/mois)

Personnes à contacter : Agnès Tutin (agnes.tutin@u-grenoble3.fr),
Olivier Kraif (olivier.kraif@u-grenoble3.fr)

Dans le cadre du projet Termith (Projet ANR-Content :
http://www.atilf.fr/ressources/termith/) impliquant plusieurs
laboratoires de recherche (ATILF, LINA, INRIA, LORIA, LIDILEM), nous
souhaitons élaborer un lexique d'expressions spécifiques du français
scientifique, par exemple faire une hypothèse, en premier lieu,
contrairement à nos attentes ...

Cette phraséologie transdisciplinaire des écrits scientifiques
traverse en large partie les disciplines et est surreprésentée dans ce
genre (Pecman 2007 ; Tutin 2007 ; Granger & Paquot 2010). Dans le
cadre du projet Termith, ces expressions seront utilisées dans un
système d'indexation automatique des écrits scientifiques afin de
mieux repérer les concepts spécifiques des textes.

Dans cette phraséologie, les collocations, ici définies comme des
associations binaires privilégiées et compositionnelles sur le plan
sémantique, constituent les expressions les plus productives. Il
s'agit d'expressions comme faire une hypothèse, résultats
encourageants, hypothèse de travail, etc.

Le sujet du stage consistera à adapter un format d'encodage pour ces
expressions à partir des extractions effectuées automatiquement d'un
grand corpus d'écrits scientifiques. L'extraction sera réalisée
semi-automatiquement dans notre équipe à partir d'un corpus analysé
syntaxiquement en dépendances en utilisant des mesures d'association
(Kraif & Diwersy 2012 ; Cf aussi Seretan 2010). Le stagiaire sera
chargé de réfléchir au codage linguistique des propriétés pertinentes
à associer à ces collocations (Tutin 2004) (alternances syntaxiques,
détermination, information d'usage) à partir des observations en
corpus, de sélectionner les collocations adaptées et de proposer une
adaptation pour ces expressions du standard Lexical Markup Framework
(Francopoulo et al. 2006).

Francopoulo, G., George, M., Calzolari, N., Monachini, M., Bel, N.,
Pet, M., & Soria, C. (2006). Lexical markup framework (LMF). In
International Conference on Language Resources and Evaluation-LREC
2006.

Granger, S., Paquot, M., (2010. The Louvain EAP Dictionary (LEAD) »,
Proceedings of the XIV EURALEX International Congress , Leeuwarden
(The Netherlands), 6-10 July 2010, 321-326.

Kraif. O & Diwersy S. (2012). Le Lexicoscope : un outil pour l'étude
de profils combinatoires et l'extraction de constructions
lexico-syntaxiques.  Actes de la conférence conjointe JEP-TALN-RECITAL
2012, volume 2: TALN. Grenoble, France. 399-406.

Pecman, M. (2007) : Approche onomasiologique de la langue scientifique
générale. Revue française de linguistique appliquée. « Lexique des
écrits scientifiques », vol. XII-2. 79-96.

Seretan V. (2010). Syntax-based collocation extraction.  Springer.

Tutin, A. (2004). Pour une modélisation dynamique des collocations
dans les textes. In Proceedings of the Eleventh EURALEX International
Congress, Lorient, France. 207-219.

Tutin, A. (2007). Lexique et écrits scientifiques. Revue française de
linguistique appliquée, 12(2).