DELPH-IN (Deep Linguistic Processing with HPSG - INitiative) est une collaboration internationale de linguistes computationnels qui développent des outils open-source pour le traitement linguistique profond du langage humain. L'initiative vise à combiner des méthodes linguistiques et statistiques pour comprendre informatiquement le sens des textes et des énoncés. Ses outils sont basés sur deux formalismes : la grammaire syntagmatique guidée par les têtes (HPSG) et la sémantique à récursion minimale (MRS). Depuis 2005, DELPH-IN organise un sommet annuel, une non-conférence où les participants partagent leurs travaux, sollicitent des retours et s'accordent sur des normes.
Technologies et ressources
DELPH-IN fournit une suite d'outils pour l'ingénierie grammaticale et l'analyse syntaxique. Le Linguistic Knowledge Builder (LKB) est un environnement d'ingénierie grammaticale pour construire des grammaires HPSG. L'analyseur PET (Platform for Experimentation with efficient HPSG processing Techniques) produit des arbres d'analyse HPSG avec des sorties MRS. Le processeur ACE (Answer Constraint Engine) traite efficacement les grammaires DELPH-IN et peut également générer des phrases en langage naturel. L'infrastructure LOGON prend en charge la traduction automatique basée sur le transfert, offrant des traductions hybrides basées sur des règles et stochastiques.
Grammaires et ressources linguistiques
DELPH-IN maintient un catalogue de grammaires HPSG computationnelles artisanales pour plusieurs langues. Le LinGO Grammar Matrix est un kit de démarrage open-source pour le prototypage rapide de grammaires à large couverture, fournissant une bibliothèque de phénomènes linguistiques courants. Les bibliothèques CLIMB (Comparative Libraries of Implementations with Matrix Basis) étendent le Grammar Matrix pour tester des analyses alternatives à travers les langues.
Corpus et arbres annotés
DELPH-IN fournit également des corpus annotés. Le MRS Test Suite contient des phrases représentatives pour tester les phénomènes MRS, disponible dans plus de dix langues. WikiWoods est un corpus analysé avec des annotations syntaxico-sémantiques riches pour Wikipédia en anglais. DeepBank annote le million de mots du texte du Wall Street Journal de 1989 (le même que le Penn Treebank) en utilisant l'English Resource Grammar. La compilation Cathedral and the Bazaar, basée sur l'essai d'Eric Raymond, sert de suite de tests multilingue.
Communauté et utilisabilité
La culture open-source de DELPH-IN bénéficie à la communauté du traitement du langage naturel, mais l'utilisabilité a été un défi pour les nouveaux arrivants. Les développeurs travaillent à améliorer la documentation et les tutoriels. L'initiative est liée à des efforts plus larges en intelligence artificielle et apprentissage automatique, bien qu'elle se concentre sur des approches symboliques et hybrides plutôt que sur des méthodes réseaux de neurones. Ses ressources sont utilisées dans la recherche et les applications nécessitant une analyse sémantique profonde, complétant des techniques superficielles comme celles des grands modèles de langage.
Voir aussi
- Grammaire syntagmatique guidée par les têtes
- Sémantique à récursion minimale