Identifier les « singletons » dans des corpus français annotés en coréférence : peut-on prévoir l’absence de reprise coréférentielle ?

Abstract

Le repérage des coréférences est une tâche difficile pour laquelle l’identification des singletons est un enjeu important. En effet, celle-ci permettrait d’améliorer le processus d’annotation de corpus et la connaissance des chaînes de référence. Pour y parvenir, il est important de déterminer si, au plan linguistique, les singletons sont, ou non, pourvus de propriétés linguistiques propres. Après un état de la question, l’article présente une étude de corpus dont le résultat permet de « profiler » les mentions d’un référent restant à l’état de singleton. Un millier de mentions ont été étudiées dans différents genres et types de textes. Il apparaît alors que le genre / type de texte et la catégorie ontologique du référent permettent de prévoir la reprise ou l’absence de reprise d’un référent dans un texte. Mots clés : coréférence, singletons, annotation, corpus, genre de texte, chaîne de référence Finding coreferences in corpora is a difficult task for which the identification of singletons is an important issue. Solving this issue would allow for improving the process of corpus annotation and the identification of referential chains. To achieve this, it is important to determine whether or not singletons have linguistic properties of their own. After an overview of the question, the article presents a corpus study. Based on the results of the study, it is possible to “profile” the mentions of a referent remaining in the singleton state. A thousand mentions were studied in different genres and types of texts. The results suggest that the genre/text type and the ontological category of the referent predict the repetition or the absence of repetition of a referent in a text.