Semantic Space of Parts of Speech
Cet article remet en question la vision traditionnelle des classes grammaticales en tant que catégories nettes en utilisant les plongements word2vec et des réseaux de neurones pour projeter les mots dans un espace sémantique tridimensionnel, révélant ainsi le flou inhérent et les relations de frontière entre les classes grammaticales à travers cinq langues.
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
La langue est souvent enseignée comme un système de boîtes bien nettes. Nous apprenons qu'un mot est soit un nom, soit un verbe, soit un adjectif, et qu'il n'appartient qu'à une seule de ces catégories à la fois. Cette catégorisation précise nous aide à construire des dictionnaires et à enseigner la grammaire, mais elle ne correspond pas toujours à la réalité désordonnée du fonctionnement réel des mots. Certains mots semblent appartenir à deux endroits à la fois, ou se situent juste à la frontière entre les catégories, refusant d'être fixés. Les linguistes soupçonnent depuis longtemps que ces frontières sont floues, mais le prouver a été difficile car les méthodes traditionnelles reposent sur le jugement humain et des règles rigides. Désormais, une équipe de chercheurs de l'Université Charles de Prague et de l'Université de Potsdam en Allemagne a utilisé une approche différente pour cartographier cette incertitude. Ils n'ont pas demandé aux gens de décider où les mots appartiennent ; au lieu de cela, ils ont laissé les mots parler d'eux-mêmes en analysant leur comportement dans des millions de phrases.
Les chercheurs sont partis d'une idée simple : les mots qui apparaissent dans des situations similaires ont tendance à avoir des significations similaires. Ce concept, connu sous le nom de sémantique distributionnelle, suggère que si vous observez la compagnie que tient un mot, vous pouvez comprendre ce qu'il est. Par exemple, un mot qui apparaît souvent à côté de « le » et de « grand » est probablement un nom, tandis qu'un mot qui suit « sera » ou « peut » est probablement un verbe. Les ordinateurs peuvent transformer ces motifs en cartes mathématiques, où chaque mot est un point dans un vaste espace. Plus deux points sont proches, plus les mots sont similaires dans leur utilisation. L'équipe est allée plus loin en demandant à un ordinateur d'apprendre les règles des classes grammaticales par lui-même. Ils ont nourri l'ordinateur avec une collection massive de textes dans cinq langues différentes : le français, le tchèque, le finnois, le russe et l'anglais. L'ordinateur a reçu les mots et leurs étiquettes standards, et on lui a demandé de trouver les motifs cachés qui les relient.
Pour donner un sens à ces données complexes, les chercheurs ont construit un type spécial de programme informatique, un réseau de neurones, conçu pour compresser toute l'information en seulement trois dimensions. Imaginez une pièce remplie de milliers de points flottants, chacun représentant un mot. Dans l'esprit de l'ordinateur, ces points existent dans un espace possédant des centaines de directions, ce qui est impossible à visualiser pour un humain. Les chercheurs ont forcé l'ordinateur à aplatir cet espace en une forme que nous pouvons réellement visualiser : une carte en trois dimensions. Sur cette carte, l'ordinateur a placé les mots en fonction de leur similitude de sens et d'usage. Le résultat n'était pas une liste de règles, mais un paysage. Dans ce paysage, les types de mots les plus courants formaient des groupes distincts, ou « tentacules », qui s'étiraient à partir d'un point central.
Lorsque les chercheurs ont examiné ces cartes, ils ont vu que les catégories traditionnelles de noms, de verbes et d'adjectifs étaient effectivement les groupes les plus forts. Dans chaque langue étudiée, ces trois groupes formaient des formes claires et séparées. Cependant, l'espace entre eux n'était pas vide. Les chercheurs ont découvert que de nombreux mots ne se situaient pas strictement à l'intérieur d'un tentacule, mais plutôt dans l'espace où les formes se touchent ou se chevauchent. Par exemple, en français, des mots qui peuvent être à la fois verbes et adjectifs, comme « oublié », ont été trouvés juste à la frontière entre les groupes verbe et adjectif. En anglais, les mots qui peuvent être à la fois noms et verbes, tels que « laugh » ou « care », étaient situés là où les tentacules du nom et du verbe se mélangent. Cela a confirmé que le caractère flou que les linguistes soupçonnaient est réel et mesurable. Les mots qui causent le plus de confusion pour la grammaire traditionnelle sont ceux qui vivent naturellement dans ces zones de transition.
L'étude a également révélé des détails surprenants sur des langues spécifiques. En russe, les chercheurs ont remarqué que les formes courtes d'adjectifs, utilisées pour décrire un état comme « l'homme est jeune », se regroupaient plus près des verbes que des autres adjectifs. Cela est logique car, dans la grammaire russe, ces formes courtes fonctionnent souvent comme l'action principale d'une phrase. En finnois, une langue ayant une structure très différente des autres, la carte a montré que les adverbes ne formaient pas leur propre groupe distinct mais étaient dispersés parmi les autres catégories. Cela suggère qu'en finnois, la ligne entre l'adverbe et les autres classes grammaticales est beaucoup moins claire qu'en anglais ou en français. Même dans les langues où les règles semblent strictes, les données ont montré que les mots dérivent souvent selon la manière dont ils sont utilisés.
L'une des découvertes les plus frappantes fut que les numéraux, ou nombres, forment souvent leur propre groupe distinct, même si la grammaire traditionnelle les traite parfois comme un type de nom ou d'adjectif. Dans les cartes pour le français, le tchèque et le russe, les nombres se détachaient des principaux groupes, suggérant qu'ils possèdent une identité sémantique unique qui les distingue des autres mots. Cela s'est produit même si l'ordinateur n'avait pas été chargé de chercher les nombres ; il a découvert ce motif purement en analysant comment les mots sont utilisés dans des textes réels. Les chercheurs ont également constaté que la manière dont les mots sont regroupés peut changer selon le jeu de données spécifique, montrant que les frontières ne sont pas fixes mais fluides.
Les chercheurs ne cherchaient pas à créer un nouveau livre de grammaire ou à prouver qu'une langue est meilleure qu'une autre. Leur objectif était de voir ce qui se passe lorsque nous laissons les données décider des catégories. Ils ont découvert que si les catégories principales de noms, verbes et adjectifs sont fortes et stables, les bords sont mous. Les mots appartiennent souvent à plusieurs catégories à la fois, ou changent selon le contexte. L'étude suggère que les boîtes rigides que nous utilisons pour enseigner la grammaire sont des outils utiles, mais qu'elles ne capturent pas l'image complète du fonctionnement de la langue. La véritable nature d'un mot n'est pas une étiquette unique, mais une position dans un espace vaste et mouvant où il peut être proche de nombreuses idées différentes.
En visualisant ces relations, les chercheurs ont fourni une nouvelle façon de voir la structure du langage. Au lieu de débattre pour savoir si un mot est un nom ou un verbe, nous pouvons désormais voir exactement où il se situe par rapport aux deux. Cette approche ne remplace pas les anciennes règles, mais elle ajoute une couche de profondeur qui montre la complexité de la communication humaine. Les cartes montrent que la langue n'est pas une collection d'îles isolées, mais un paysage continu où les mots s'écoulent les uns dans les autres. L'étude confirme que le caractère flou de la langue n'est pas une erreur ou un défaut, mais une caractéristique fondamentale de la manière dont nous utilisons les mots pour décrire le monde.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.