💬 NLP

Comonadic Morphophonology: A Compositional Framework for Context-Dependent Morphological Rules in Finnish

Cet article présente un nouveau cadre comonadique utilisant le comonade Writer pour modéliser la morphophonologie finnoise comme des fonctions locales composables, permettant une réduction de la complexité des règles d'un facteur 67 par rapport aux approches par automates finis traditionnels tout en offrant une morphologie bidirectionnelle efficace avec une haute précision.

Auteurs originaux : Yongseok Jang

Publié 2026-05-28

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yongseok Jang

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Gros Problème : L'« Explosion d'États »

Imaginez que vous essayez d'enseigner à un robot comment parler finnois. Le finnois est une langue capricieuse où les mots changent de forme selon ce qui suit.

Gradation consonantique : Si vous ajoutez un suffixe à un mot comme kaappi (armoire), le double 'p' se transforme en un seul 'p' (kaapi).
Harmonie vocalique : Si le mot contient des voyelles « postérieures » (comme a, o, u), la terminaison doit aussi utiliser des voyelles postérieures. S'il contient des voyelles « antérieures » (comme ä, ö, y), la terminaison doit changer pour s'adapter.

La méthode traditionnelle pour enseigner cela à un ordinateur consiste à construire une carte massive (un Transducteur à États Finis ou FST). Imaginez cette carte comme un labyrinthe géant. Chaque fois que vous ajoutez une nouvelle règle (comme « supprimer une lettre » ou « changer une voyelle »), vous devez construire un nouveau labyrinthe qui combine l'ancien avec le nouveau.

L'Analogie : Imaginez que vous avez une carte d'une ville. Vous voulez ajouter une règle : « Si vous voyez une maison rouge, peignez-la en bleu. » Ensuite, vous voulez ajouter une autre règle : « Si vous voyez une maison bleue, peignez-la en vert. »
Dans l'ancien système, pour combiner ces règles, vous devez redessiner toute la carte de la ville pour chaque combinaison possible de règles. Si vous avez 10 règles, la carte devient si énorme et complexe que l'ordinateur s'essouffle. C'est ce qu'on appelle l'« explosion d'états ».

La Nouvelle Solution : L'Approche « Comonadique »

L'auteur, Yongseok Jang, propose une façon complètement différente de penser ces règles. Au lieu de construire un labyrinthe géant et prédessiné, il traite chaque règle comme un ouvrier local qui ne regarde que son voisinage immédiat.

1. Le « Zipper » (La Fenêtre Mobile)

Imaginez qu'un mot est un train de wagons. L'ordinateur ne regarde pas tout le train d'un coup. À la place, il utilise un Zipper (une structure de données).

Le Zipper se concentre sur un wagon spécifique (la lettre actuelle).
Il peut voir les wagons immédiatement à gauche et à droite.
La règle dit : « Regarde le wagon sur lequel tu es et celui à ta gauche. Sur cette base, décide ce que ton wagon doit devenir. »

C'est comme un automate cellulaire (pensez au jeu Conway's Game of Life). Chaque cellule ne regarde que ses voisins pour décider de son état suivant.

2. Le « Writer » (Le Problème de la Suppression)

Voici la partie délicate : certaines règles nécessitent de supprimer une lettre.

Exemple : Dans kukka (fleur), le double 'k' devient un seul 'k' (kuka). Un 'k' doit disparaître.
L'Ancien Problème : Si vous supprimez une lettre au milieu d'un train, les wagons derrière doivent avancer. Si vous faites cela étape par étape, la « carte » se brise et les règles cessent de fonctionner correctement ensemble.
La Nouvelle Solution (Le Comonad Writer) : L'auteur invente un nouvel outil appelé le Comonad Writer.
- Au lieu de supprimer réellement la lettre immédiatement, l'ouvrier colle un post-it « Supprimez-moi » sur la lettre.
- L'ouvrier garde une liste de tous les post-it qu'il a trouvés.
- Le train continue de avancer, et les ouvriers continuent de regarder les lettres originales (en ignorant les post-it pour l'instant).
- Seulement à la toute fin du processus, l'ordinateur prend le train, regarde la liste des post-it, et supprime ces lettres toutes d'un coup.

Cela maintient les règles simples et empêche la « carte » de se briser. C'est comme une équipe de construction qui marque quelles briques retirer, termine tout le mur, et ensuite retire les briques, plutôt que d'essayer de reconstruire le mur à chaque fois qu'une brique est retirée.

Pourquoi C'est Important

L'article revendique trois victoires principales :

Simplicité : Au lieu d'avoir besoin de 874 « classes de continuation » complexes différentes (comme 874 chemins de labyrinthe différents) pour gérer les règles finnoises, ce nouveau système n'a besoin que de 13 fonctions simples (ouvriers). C'est une réduction de complexité de 67 pour 1.
Magie Bidirectionnelle : Parce que les règles sont de simples fonctions, elles fonctionnent dans les deux sens. Vous pouvez utiliser la même logique pour décomposer un mot (Analyse) OU prendre un mot racine et en construire un nouveau (Génération). C'est comme avoir un zip réversible : vous pouvez fermer ou ouvrir le zip avec le même mécanisme.
Vitesse et Précision : Le système a été testé sur des phrases finnoises.
- Il a correctement identifié la nature du mot (nom, verbe, etc.) pour 83,9 % des mots en utilisant uniquement ces règles.
- Lorsqu'ils ont ajouté un petit assistant (un étiqueteur de suffixes), ce chiffre a grimpé à 94,6 %.
- Il traite les mots incroyablement vite (microsecondes), prouvant que cette mathématique complexe ne ralentit pas l'ordinateur.

Résumé

L'article introduit un nouveau cadre mathématique (utilisant les Comonads) pour gérer les règles linguistiques.

Ancienne Méthode : Construire une carte géante et rigide qui explose en taille lorsque vous ajoutez des règles.
Nouvelle Méthode : Utiliser de petits ouvriers locaux (Zipper) qui s'échangent des notes (Comonad Writer) pour gérer les suppressions et les changements. Ils travaillent ensemble en ligne, et le résultat final est assemblé à la fin.

Cela rend le système plus petit, plus facile à corriger, et capable de gérer les règles délicates de « suppression de lettre » qui cassent habituellement les modèles informatiques.

Résumé technique : Morphophonologie comonadique

Énoncé du problème
Les approches actuelles de la morphophonologie finnoise font face à une dichotomie entre rigueur formelle et efficacité compositionnelle. Les cascades traditionnelles de transducteurs à états finis (FST) (par exemple Voikko, Omorfi) encodent des règles dépendantes du contexte, telles que l'alternance consonantique et l'harmonie vocalique, sous forme de relations chaîne-à-chaîne. Bien qu'efficaces, la composition de ces règles entraîne une explosion multiplicative des états ; l'espace d'états d'un automate combiné croît comme le produit de ses composants, rendant la représentation des règles complexe (par exemple, Omorfi nécessite 874 classes de continuation pour encoder des comportements qui pourraient être exprimés plus compactement). À l'inverse, les modèles neuronaux atteignent une haute précision mais manquent d'un compte rendu formel et interprétable des règles morphophonologiques sous-jacentes. De plus, les cadres existants peinent à gérer les opérations modifiant la longueur (telles que la suppression de consonnes) au sein d'une structure catégorielle compositionnelle stricte sans matérialisation intermédiaire ou perte d'associativité.

Méthodologie
L'article propose un cadre où les règles morphophonologiques sont traitées comme des flèches coKleisli d'une comonade, plutôt que comme des FST. Cette approche modélise les règles comme des fonctions d'un contexte local focalisé vers un seul segment de sortie, analogue aux règles locales dans les automates cellulaires.

La comonade Zipper : Le cadre utilise la structure de données ListZipper pour représenter une séquence avec un focus distingué et un contexte gauche/droite. Une règle est définie comme une fonction $f: W a \to b$ , où $W$ est la comonade Zipper. L'opération extend relève cette règle locale vers une transformation globale, l'appliquant à chaque position de la chaîne tout en préservant la vue du contexte pour chaque position.
La comonade Writer pour la suppression : Un défi central consiste à gérer les règles modifiant la longueur (par exemple, la suppression de k dans puku $\to$ $\to$ puu). Une approche naïve utilisant des caractères nuls brise l'associativité stricte coKleisli car le filtrage nécessite la matérialisation de séquences intermédiaires. Les auteurs introduisent la comonade Writer ( $DeletionSet \times Zipper$ $D e l e t i o n S e t \times Z i pp er$ ). Dans cette construction :
- Les règles retournent une paire $(D, c)$ , où $D$ est un ensemble de positions de suppression et $c$ est le caractère de sortie.
- Les suppressions s'accumulent comme une action de monoïde (union d'ensembles) durant la phase extend.
- Une unique étape materialize à la fin du pipeline applique toutes les suppressions accumulées.
- Cela préserve l'associativité stricte coKleisli ( $extend \ g \circ extend \ f = extend \ (g \circ extend \ f)$ ) sans rematérialisation intermédiaire.
Composition en pipeline : Les processus morphophonologiques (Alternance consonantique, Harmonie vocalique, Copie de voyelle des suffixes possessifs) sont composés séquentiellement en utilisant l'opérateur de composition coKleisli ( $>=>$ ). Le pipeline est défini comme suit :
$pipe = grad >=> harmony >=> poss$
Cette structure garantit que les règles sont indépendantes, testables et explicitement ordonnées.
Morphologie bidirectionnelle : Les mêmes flèches coKleisli utilisées pour l'analyse (décodage) sont réutilisées pour la génération (encodage) via un MorphGenerator, unifiant la logique pour les deux directions.
Abstraction multi-niveaux : Le cadre s'étend au-delà des règles au niveau des caractères pour inclure l'harmonie au niveau des morphèmes et la désambiguïsation au niveau de la phrase (Constraint Grammar-lite). En changeant le type d'élément du Zipper (de char à ReadingSet), la même structure algébrique s'applique à tous les niveaux.

Contributions clés

La comonade Writer : L'article présente la première application d'une comonade Writer (spécifiquement $DeletionSet \times Zipper$ ) en morphologie computationnelle pour gérer compositionnellement les règles modifiant la longueur. Cela résout le problème algébrique de la suppression dans les pipelines coKleisli.
Réduction de la représentation des règles : Le cadre exprime les mêmes comportements morphophonologiques encodés par les 874 classes de continuation d'Omorfi en utilisant uniquement 13 flèches coKleisli (11 motifs d'alternance + harmonie + possessif), réalisant une réduction de 67:1 au niveau de la représentation des règles.
Unification formelle : Il établit le premier cadre traitant les règles morphophonologiques comme des objets compositionnels de première classe dotés de lois de combinaison formelles, comblant le fossé entre la théorie des automates cellulaires (Capobianco et Uustalu, 2010) et le traitement automatique des langues naturelles.
Implémentation (MCE) : Une bibliothèque Rust (Morphological Computation Engine) implémentant ce cadre, ciblant WebAssembly, avec des lois de comonade et des propriétés de monoïde vérifiées.

Résultats
Le système a été évalué sur l'ensemble de développement UD Finnish-TDT (1 364 phrases, ~25 000 tokens) :

Précision : Le système a atteint 83,92 % de précision UPOS en utilisant uniquement la désambiguïsation basée sur des règles (62 règles CG actives). Lorsqu'il a été augmenté d'un étiqueteur de suffixes externe léger, la précision est passée à 94,66 %, réduisant l'écart avec la base neurale (TNPP) de 12,99 points de pourcentage à 2,25.
Performance : Le pipeline traite environ 84 973 tokens par seconde sur un processeur Apple de série M. Le pipeline morphophonologique complet moyenne 2,66 µs par mot, démontrant que la composition coKleisli introduit une surcharge négligeable par rapport aux implémentations FST monolithiques.
Correction : Tous les 11 motifs d'alternance consonantique ont été correctement formalisés. Sept motifs ont présenté une correction complète de l'aller-retour bidirectionnel ; les quatre cas non en aller-retour impliquaient une suppression, confirmant la suppression comme la seule source d'irréversibilité dans le modèle actuel.
Ergonomie développeur : L'ajout d'une nouvelle règle nécessite de définir une seule flèche coKleisli (~5 lignes de Rust), alors que les systèmes FST exigent souvent la modification de centaines d'entrées LEXICON pour tenir compte des combinaisons d'interactions.

Signification et affirmations
L'article prétend fournir une algèbre de composition pour les règles morphophonologiques que les cascades FST ne gèrent que par multiplication de l'espace d'états. En utilisant la comonade Writer, le cadre restaure la compositionnalité coKleisli stricte pour les règles modifiant la longueur, un problème précédemment non résolu sans explosion multiplicative des états.

Les auteurs positionnent ce travail non pas comme un remplacement des ressources lexicales (le système repose toujours sur un FST dérivé de Voikko pour la recherche lexicale) mais comme une couche modulaire et orthogonale pour l'application des règles. Ils soutiennent que cette approche offre une modularité supérieure, une débogabilité (tests par règle) et des garanties formelles par rapport à l'intersection FST. L'article note modestement que, bien qu'il traite des phénomènes agglutinants comme l'alternance et l'harmonie, il ne couvre pas encore la morphologie templatique (racine-et-modèle) ou la reduplication, qui nécessitent une insertion ou une copie de segments au-delà de la portée actuelle. Le cadre est présenté comme un moteur morphologique pratique validant l'utilité des structures comonadiques en TALN.