Modélisation de l'Hyperonymie via la combinaison de réseaux sémantiques et de vecteurs conceptuels

Mathieu Lafourcade, Violaine Prince
unpublished
Lexical semantics are a key issue in Natural Language Processing since they represent the point of convergence with conceptual Knowledge Representation and ontologies. Among the well established trends in lexical semantics representations, two trends seem to be conflictual : the WordNet approach, born from semantic networks, and KR-oriented, and the Vector approach, originated from the Saltonian representation in Information Retrieval, which has found a set of applications in NLP. When
more » ... NLP. When ontological representation is needed, hypernoymy, the closest approximation to the is-a relation, is at stake. We show how to account for hyperonymy within the vector-based frame for semantics, relying on a cooperation between semantic networks and conceptual vectors. Résumé La sémantique lexicale est un élément clé du Traitement Automatique du Langage Naturel en ce qu'elle représente le point de convergence entre les représentations des connnaisances et les ontologies. Parmi les tendances durables en représentation de sémantique lexicale, deux d'entres-elles semblent être conflic-tuelles ; l'approche WordNet issue des réseaux sémantiques et teintée de KR, et l'approche vectorielle issue des représentations saltoniennes et de la recherche d'information qui a su trouver un large spectre d'applications en TALN. Quand les représentations ontologiques sont nécessaires, l'hyperonymie, l'ap-proximation la plus proche de la relation is-a , est en jeu. Nous montrons comment gérer l'hyperonymie dans le cadre d'une approche vectorielle pour la sémantique, en combinant les réseaux sémantiques et les vecteurs conceptuels. Mots-clés : traitement automatique du langage naturel, apprentissage lexical, vecteurs conceptuels, hyperonymie, réseaux sémantiques.
fatcat:jfgqg45iwzexxpyy5ybeldezb4