Suite du travail sur LanguageTool

Ces derniers jours ont été consacrés en partie à l'étude des possibilités d'intégration d'un désambiguïseur dans LanguageTool.

Nous avions parlé, dans le précédent billet, de réécrire les règles de désambiguïsation de An Gramadóir dans le formalisme XML. Il y a bien sûr beaucoup de manières différentes de représenter les règles en XML.

Voici deux propositions qui reprennent des règles écrites par Myriam Lechelt. Les deux premières règles sont très proches de la représentation des règles d'erreurs de LanguageTool. Dans les deux suivantes, nous avons ajouté un attribut "ambigu" à l'élément token, pour spécifier quel est le token ambigu, et une balise "disambig" qui contient le tag à attribuer au token ambigu.

<rulegroup name="Pronoms personnels objets" id="Pro_Pers_Obj">
    <rule name="nous">
        <pattern>
            <token postag="R Pers"/>
            <token ambig="yes">nous</token>
        </pattern>
        <disambig token="nous" postag="R pers obj 1 p"/>
    </rule>
</rulegroup>
<rulegroup name="D ambig + N" id="D_ambig_N">
    <rule name ="Dms">
        <pattern>
            <token ambig="yes" postag="D m s"/>
            <token postag="N"/>
        </pattern>
        <disambig  postag="D m s"/>
    </rule>
</rulegroup>

---------------------------------------------------

<rulegroup name="Pronoms personnels objets" id="Pro_Pers_Obj">
    <rule name="nous">
        <pattern mark_from="1">
            <token postag="R Pers"/>
            <token>nous</token>
        </pattern>
        <message><suggestion>R pers obj 1 p</suggestion></message>
    </rule>
</rulegroup>
<rulegroup name="D ambig + N" id="D_ambig_N">
    <rule name ="Dms">
        <pattern mark_to="-1">
            <token postag="D m s"/>
            <token postag="N"/>
        </pattern>
        <message><suggestion>D m s</suggestion></message>
    </rule>
</rulegroup>


Nous avons aussi "décortiqué" un peu le code de LanguageTool pour voir comment sont gérées les règles d'erreurs, et nous en inspirer pour gérer les règles de désambiguïsation. Nous avons donc vu qu'il nous faudrait adapter principalement 3 fichiers : PatternRule.java, PatternRuleLoader.java et XMLRuleHandler.java.


Cependant, par manque de temps, nous n'allons pas réaliser ce travail d'implantation d'un désambiguïseur.
Nous allons donc passer directement à l'étape du traitement des fautes de grammaire. Par contre,  pour pouvoir travailler sur cette partie de LanguageTool, nous avons besoin de phrases correctement  étiquetées, et donc désambiguïsées. Nous avons donc extrait une centaine de phrases d'un corpus d'erreurs, utilisé dans l'ouvrage de V. Lucci & A. Millet (1994 ; L'orthographe de tous les jours, enquête sur les pratiques orthographiques des français, Champion), et nous allons les étiqueter, en utilisant le tagset de LanguageTool.

Nous pourrons ensuite utiliser ces phrases étiquetées pour tester les règles d'erreurs écrites par Myriam pour An Gramadóir, et que nous aurons préalablement importées dans LanguageTool, ainsi que de nouvelles règles que nous pourrons ajouter à partir du corpus.

Nous verrons sans doute ainsi les limites du formalisme actuel et nous tâcherons de les dépasser.