Regroupement de mots sémantiquement équivalents en ensembles cognitifs dans des listes multilingues

Des listes de mots sont désormais disponibles pour la plupart des langues du monde, mais seule une petite fraction de ces listes contient des informations sur les cognats. Nous présentons une approche d'apprentissage automatique qui regroupe automatiquement les mots des listes de mots multilingues en ensembles cognats. Notre méthode incorpore un certain nombre de mesures de similarité de mots et de caractéristiques qui encodent le degré d'affinité entre les paires de langues. La sortie de l'algorithme de classification est ensuite utilisée pour générer des groupes cognats. Les résultats des expériences sur des listes de mots représentant plusieurs familles de langues démontrent l'utilité de l'approche proposée.

Remerciements

Nous remercions Eric Holman, Søren Wichmann et les autres membres du projet ASJP d'avoir partagé leurs ensembles de données annotées par les cognates. Nous remercions également Shane Bergsma pour ses commentaires perspicaces. La conversion du format de la base de données comparative indo-européenne a été effectuée par Qing Dou. Cette recherche a été partiellement financée par le Conseil de recherches en sciences naturelles et en génie du Canada.