Notes de lecture
Rubrique préparée par Denis Maurel
Université François Rabelais Tours, LI (Laboratoire d’informatique)
Satoshi SEKINE, Elisabete RANCHHOD, Named Entities : Recognition,
classification and use, John Benjamins publishing company, 2009, 168 pages,
ISBN 978 90 272 2249 7.
Lu par Éric Charton
Associé de recherche – Projet GITAN – École Polytechnique de Montréal
Cet ouvrage collectif se donne pour objectif de dresser un panorama des aspects variés de la
recherche sur la reconnaissance d’entités nommées. À travers sept chapitres, le livre examine
sur une période d’une quinzaine d’années un ensemble d’aspects liés à la reconnaissance
d’entités nommées. Il examine également sous plusieurs angles l’application des techniques
d’étiquetage et de repérage à des applications concrètes.
Ce livre présente une synthèse de la recherche sur les entités nommées (EN) qui
couvre une quinzaine d’années. La période concernée est située par les éditeurs de
l’ouvrage entre 1991 et 2006. Cette période est d’importance car son terme
correspond à une période charnière, au cours de laquelle on a vu émerger de
nouvelles méthodes d’étiquetage d’entités nommées utilisant notamment des
ressources conceptuelles issues du Web, et que l’ouvrage passe complètement sous
silence. Après un inventaire assez exhaustif de la problématique particulière de la
reconnaissance d’entités nommées et de l’évaluation des systèmes (principalement
en référence aux campagnes d’évaluation MUC, CONLL et ACE), viennent les sept
chapitres du livre. Ils abordent l’étude des EN sous l’angle des systèmes à base de
règles et des systèmes à base d’apprentissage automatique, mais à travers des angles
thématiques très spécifiques. Ces spécificités font que l’ouvrage se veut plus un
assemblage de descriptifs de recherches originales qu’un état de l’art et des
méthodes d’étiquetage d’entités nommées.
Le premier chapitre aborde le problème de la normalisation des modèles utilisés
dans les étiqueteurs à champs conditionnels aléatoires (CRF). Un modèle de
détection, intitulé le LOP, est combiné d’après plusieurs modèles CRF. Des
expériences sont menées avec ce modèle sur les corpus de CONLL 2003 à quatre
classes.
Le deuxième chapitre envisage la question des entités nommées par leur rapport
avec les conjonctions. Les auteurs étudient notamment la problématique d’une entité
intégrant une connexion logique (comme par exemple dans la séquence « Seshayaee

156 TAL. Volume 51 – n° 3/2010

Paper and Boards Limited ». Bien que le problème traité reste strictement cantonné
à l’étude des entités à conjonctions, ce chapitre dresse également un panorama très
exhaustif des études précédentes menées sur les systèmes à base de règles. Les
auteurs proposent, pour résoudre la difficulté qu’ils étudient, d’entraîner plusieurs
détecteurs d’EN avec des motifs de détection (Perceptron, arbres logistiques,
K + proche voisins, Naives Bayes) et en comparent les résultats en utilisant un
corpus financier qu’ils ont eux-mêmes mis au point.
Les trois chapitres suivants étudient la question de l’étiquetage des EN dans une
perspective plurilinguistique. Le troisième chapitre soulève la question de la
localisation des EN complexes contenues dans des textes rédigés en espagnol, en
utilisant des règles (succession de noms, de prénoms, utilisation des prépositions
exploitées). Le quatrième chapitre propose une méthode de détection des EN et de
translittération pour le bengali. Trois modèles d’extraction à base de règles et un
modèle à base de HMM sont appliqués à un corpus bengali mis au point par les
auteurs. Le cinquième chapitre aborde la question des propriétés morphologiques et
sémantiques des noms propres. L’idée est de définir une méthode de localisation
d’une entité nommée de type nom propre dans un contexte multilingue. Une mise en
perspective de la problématique est réalisée avec des exemples en serbe, français,
polonais et anglais. Après une étude des mécanismes de dérivation, de morphologie
et de structure des noms propres, une proposition de définition ontologique de noms
propres est décrite en fin d’article. Cette formalisation vise à fournir une aide à la
localisation de noms propres dans un contexte multilingue.
Le sixième et dernier chapitre étudie la question de la reconnaissance interlingue
des EN. Après une intéressante étude du rôle joué par la reconnaissance d’entités
nommées dans le système de gestion de flux d’actualité NewExplorer1, les auteurs
décrivent un algorithme d’extraction d’EN multilingue principalement fondé sur des
motifs de détection. Suit la description des heuristiques complémentaires mises en
place pour renforcer le système (variantes morphologiques, translittérations,
détection de coréférences, méthodes de normalisation). On notera la description
succincte d’une méthode de détection reposant sur les données fournies par des
réseaux sociaux (LinkedIn et MySpace) très innovante et prometteuse, bien que peu
détaillée.
Globalement, cet ouvrage présente des méthodes déjà assez anciennes pour un
domaine dont les progrès ont été constants depuis 2006. La fenêtre temporelle
concernée n’a pas permis de considérer les nombreuses propositions récentes
exploitant des contenus encyclopédiques ou des ressources lexicales dans des
étiqueteurs. La question de l’importance des EN dans de nouveaux domaines tels
que la bio-informatique est également absente. Ce livre offre néanmoins un contenu
varié et un ensemble de propositions bien présentées, qui permettront à un lecteur

1. http : //emm.newsexplorer.eu/

Notes de lecture 157

non spécialiste d’enrichir ses connaissances sur la question de l’étiquetage d’entités
nommées.
Jian-Yun NIE, Cross Language Information Retrieval, Morgan & Claypol
Publishers (Synthesis Lectures on Human Language Technologies), 2010, 125
pages, ISBN 9781598298635.
Lu par Thierry POIBEAU
Laboratoire LaTTiCe, CNRS
La collection « Synthesis lectures in human language technologies » vise à fournir une
introduction à un domaine de recherche (en environ 125 pages). Elle concerne donc des
ouvrages faisant le point sur une question, destinés à des étudiants avancés ou des chercheurs
qui souhaitent une bonne synthèse sur un sujet donné. Cross-Language Information Retrieval
est issu de cette collection : l’ouvrage porte sur la recherche d’information « cross-lingue »,
c’est-à-dire mettant en jeu des documents de différentes langues, voire des requêtes et des
documents de langues différentes. L’auteur, Jian-Yun Nie, a déjà publié de nombreux articles
sur la question et ce livre constitue une bonne introduction à ce domaine de recherche.
Contenu de l’ouvrage
Cross-Language Information Retrieval est composé de cinq chapitres.
L’introduction est relativement longue (30 pages) et contient des rappels nécessaires
sur la recherche d’information. L’auteur passe notamment en revue les principaux
modèles de recherche d’information (modèles booléens, vectoriels, probabilistes, etc.).
L’auteur survole ensuite certains problèmes posés suivant les langues considérées
(racinisation ou décomposition des mots composés pour les langues indo-
européennes, segmentation du chinois ou du japonais, etc.) et peut enfin aborder les
questions posés par la recherche cross-lingue : faut-il plutôt traduire les requêtes ou
les documents ? Faut-il passer par un langage pivot ? L’introduction se termine par
un rapide survol des approches et des besoins. Si ceux-ci ne sont pas encore
flagrants pour les applications grand public (le Web regorge de documents en langue
étrangère, mais il n’est pas dit qu’un moteur de recherche cross-lingue serait
tellement utilisé dans les faits), il est certain que des domaines comme la veille
technologique ou l’analyse de brevets ont des besoins urgents et importants en la
matière.
Le deuxième chapitre concerne les systèmes de traduction automatique : il s’agit
d’un passage obligé vu leur importance pour traiter les aspects multilingues du
problème. Le chapitre est censé porter sur les approches manuelles (using manually
constructed translation systems and resources) : cet intitulé est quelque peu
réducteur car peu de systèmes sont aujourd’hui mis au point manuellement. De fait,
ce chapitre présente aussi le système de traduction mis au point par Google, qui n’a
rien de manuel. Le contraste serait sans doute plus convaincant si l’auteur parlait de

158 TAL. Volume 51 – n° 3/2010

systèmes à base de règles (souvent mises au point manuellement) versus systèmes à
base de traitements statistiques calculés automatiquement. Mais, là encore, les
oppositions ne sont pas si nettes et tendent à s’estomper2. La deuxième partie du
chapitre porte sur le couplage d’un système de traduction avec un système de
recherche d’information. De multiples problèmes peuvent se poser, de la présence
de mots inconnus à la question de la traduction de la requête (souvent difficile vu
que les mots sont la plupart du temps ambigus et apparaissent quasiment sans
contexte du fait de la longueur très limitée de la plupart des requêtes).
Le troisième chapitre (translation based on parallel and comparable corpora)
porte sur l’utilisation de corpus parallèles et/ou comparables pour la traduction.
L’auteur présente les modèles statistiques utilisés en traduction automatique
(modèles IBM notamment) et montre comment ceux-ci peuvent également être
utilisés pour la recherche d’information cross-lingue. Les deux domaines sont en
effet très liés dans la mesure où la recherche d’information peut être vue comme un
problème de traduction. Néanmoins, les besoins sont parfois différents : le modèle
IBM-1 est généralement considéré comme insuffisant pour la traduction, du fait de
la non-prise en compte de l’ordre des mots. J.-Y. Nie montre, à l’inverse, que ce
modèle peut être suffisant pour la traduction de requêtes dans la mesure où, dans ce
contexte, la traduction ne vise qu’à chercher des équivalences entre langues sans
prise en compte de la syntaxe. Le chapitre considère également des problèmes plus
« pointus », comme la recherche d’équivalences entre des langues très différentes
(recherche de translittération et/ou d’équivalents sémantiques, par exemple entre
l’anglais et le chinois dont les systèmes d’écriture sont très éloignés).
Le chapitre 4 est plus court et décrit des méthodes moins standard en recherche
d’information cross-lingue. Il est ainsi possible de procéder de manière interactive et
de vérifier auprès de l’utilisateur que les documents retournés sont pertinents ou
non, pour pouvoir ainsi relancer la recherche pour obtenir des résultats plus précis.
Différentes stratégies sont aussi possibles pour essayer d’améliorer la traduction
(multiplier les sources de connaissances, essayer différentes stratégies de traduction,
etc.), chacune permettant une légère augmentation de la qualité des résultats
obtenus.
Enfin, l’ouvrage se termine par un chapitre sur les perspectives de recherche de
ce domaine très riche (a look into the future : toward a unified view of monolingual
IR and CLIR ?). Comme le montre le titre, l’auteur défend l’idée que les problèmes
posés par la recherche d’information monolingue sont largement identiques à ceux
de la recherche d’information cross-lingue. En effet, même dans un cadre

2. L’auteur rappelle le triangle de Vauquois (1968) pour la traduction automatique, mais
celui-ci n’est probablement plus d’actualité pour la plupart des systèmes. Dans l’ouvrage, le
système de traduction censé symboliser une approche manuelle est celui de Systran. Or, si
celui-ci a longtemps été exclusivement symbolique, il intègre maintenant une composante
statistique importante.

Notes de lecture 159

monolingue, la question de la désambiguïsation et des équivalents sémantiques de la
requête se pose. Il faut dans tous les cas déterminer le sens de la requête afin de
fournir une réponse satisfaisante à l’utilisateur ; pour l’auteur, le processus d’analyse
de la requête afin d’obtenir une représentation efficace peut, dans tous les cas, être
assimilé à une traduction.
L’ouvrage se termine par une bibliographie très riche de onze pages, soit plus de
cent soixante-dix références.
Commentaire
L’ouvrage est une très bonne introduction au domaine de la recherche
d’information cross-lingue. Il fournit un bon aperçu de ce domaine très riche, en
présentant les différentes facettes du problème, les solutions développées et les
problèmes ouverts. La présentation est claire et les perspectives bien mises en avant.
Il s’agit donc d’un bon ouvrage de synthèse qui peut intéresser un large public à
condition d’avoir un minimum de connaissances en mathématiques afin de suivre
l’exposé sur certains points, notamment pour les parties consacrées à la traduction
automatique à partir de modèles statistiques.
C’est sans doute là la principale limite de tels ouvrages en 125 pages : le format
ne permet pas d’entrer dans les détails et les développements sont forcément rapides,
surtout quand ils concernent comme ici des aspects linguistiques (problèmes de
l’ambiguïté des requêtes, de la correspondance entre différents types d’écritures,
etc.) et techniques relativement vastes (modèles de traduction automatique, modèles
de recherche d’information, couplage des deux).
Comme nous l’avons souligné, il s’agit malgré tout d’une très bonne synthèse,
notamment pour le chercheur qui veut se faire une idée de l’état des recherches dans
ce vaste domaine. La bibliographie fournit en outre toutes les pistes pour aller plus
loin. On ne peut donc que recommander cet ouvrage qui constitue un bon point de
départ pour découvrir la recherche d’information cross-lingue.
Jimmy LIN, Chris DYER, Data-Intensive Text Processing with MapReduce,
Morgan & Claypool Publishers, 2010, 165 pages, ISBN 9781608453429.
Lu par Clément DE GROC
Syllabs – LIMSI-CNRS – Université Paris Sud
Le livre de Jimmy Lin et Chris Dyer est dédié à l’application du modèle de programmation
MapReduce pour le traitement automatique des langues fondé sur de grandes masses de
données. MapReduce est un modèle de programmation inventé chez Google permettant de
traiter des ensembles de données volumineux sur un grand nombre de machines en parallèle.
Les auteurs motivent et détaillent le fonctionnement du modèle puis introduisent différents
patrons de conception autour de ce dernier. Ces patrons représentent des solutions

160 TAL. Volume 51 – n° 3/2010

réutilisables pour des problèmes récurrents et permettent la réalisation d’algorithmes
efficaces et passant à l’échelle. Ils sont mis en application dans le cadre de plusieurs tâches
concrètes de recherche d’information et d’apprentissage statistique. L’ouvrage permet une
compréhension du modèle en profondeur et la réalisation d’algorithmes efficaces en pratique.
Le phénomène « big data »
Le chapitre introductif motive l’utilisation de méthodes et algorithmes pour le
traitement de grandes masses de données, notamment au travers de récents travaux
menés par les grands noms de l’industrie de la recherche d’information. Mercer
avait su, dès 1985, résumer les conclusions de ces derniers en une phrase : « There is
no data like more data » (Il n’y a pas de meilleures données que plus de données).
Partant du postulat que la prochaine décennie sera donc centrée sur le défi « big
data », le livre poursuit sur la présentation détaillée du modèle de programmation
MapReduce inventé chez Google.
Le modèle MapReduce
MapReduce est un modèle de programmation dérivé des langages de
programmation fonctionnels et notamment des fonctions Map et Reduce. Partant
d’un ensemble de données partitionné, un traitement indépendant est appliqué en
parallèle sur chacune des partitions (fonction Map). Les résultats de ces traitements
sont ensuite agrégés (fonction Reduce), puis renvoyés à l’utilisateur. L’application
de ces fonctions sur une grappe de machines (cluster) de taille variable est alors
abstraite, tout comme les détails (et potentielles difficultés) techniques dus à la
parallélisation d’un programme informatique.
Les auteurs s’attachent dans le deuxième chapitre aux détails du modèle, que ce
soit concernant l’algorithmique ou la gestion matérielle de clusters. Leur propos est
clair notamment grâce à l’utilisation de schémas et d’exemples concrets à chaque
introduction de nouveau concept. Lin et Dyer ont choisi Apache Hadoop3 comme
implémentation de référence mais restent généralement à un niveau d’abstraction
élevé permettant de transposer les notions étudiées à d’autres implémentations. Les
algorithmes sont écrits en pseudo-code, ce qui augmente leur lisibilité tout en
permettant une mise en application rapide. Ce chapitre permet une compréhension
en profondeur du modèle : où se trouvent les données, quand sont-elles transférées,
quand sont-elles disponibles globalement ou localement.
Patrons de conception et cas d’utilisations
Le chapitre suivant présente différents patrons de conception (design patterns)
pour le modèle MapReduce. Certains sont dédiés à une amélioration des
performances (In-mapper combining) ou à ajouter de nouvelles fonctionnalités
absentes de l’implémentation open source Apache Hadoop (value-to-key
conversion). D’autres (pairs, stripes) permettent de modéliser l’apparition

3. http : //hadoop.apache.org/

Notes de lecture 161

d’événements joints (des cooccurrences par exemple) et offrent une alternative entre
passage à l’échelle et performances. Enfin, le patron order inversion permet aux
fonctions Reduce d’accéder à des valeurs intermédiaires avant de traiter les données
qui ont généré ces valeurs. Cela permet, par exemple, de calculer la fréquence
normalisée de termes dans un corpus en une seule tâche MapReduce, fournissant à la
fonction Reduce le nombre de termes total et la fréquence d’un terme
simultanément.
Les patrons sont introduits à chaque fois à partir d’exemples d’applications
concrètes, pour la plupart issues du domaine de la recherche d’information et de la
fouille de textes : calcul du nombre d’occurrences de termes, matrices de
cooccurrences, temps moyen de session utilisateur à partir de traces (logs). Le
dernier cas d’application présenté est la jointure – au sens des bases de données
relationnelles – de deux jeux de données. Il fournit au lecteur une première idée du
fonctionnement interne des langages développés comme surcouches décisionnelles
de MapReduce tels que Apache Hive4 et Pig5.
Le chapitre 4 est dédié à la recherche d’information et centré sur la création d’un
index inversé compressé. Nous sont donc rappelés quelques rudiments de la
recherche d’information, à savoir : le parcours (crawling) du Web, la compression
d’index (codage différentiel, codage de gamma, codage de Golomb) et le
rapatriement des résultats en réponse à une requête utilisateur. Le chapitre,
didactique, permet de voir comment, itérativement, nous pouvons améliorer un
algorithme d’inversion d’index naïf pour assurer son passage à l’échelle et son
efficacité. Enfin, les auteurs mettent en avant le fait que MapReduce ne répond pas
aux besoins des requêtes utilisateurs, notamment en raison de son temps de réponse
trop long.
Le chapitre 5 s’oriente alors vers les graphes et leurs algorithmes (parcours en
largeur et PageRank) et nous présente comment modéliser un algorithme itératif à
l’aide de plusieurs appels à MapReduce. Nous constatons, dans ce chapitre, une des
limites majeures du modèle, à savoir l’impossibilité de partager une structure
globale entre les fonctions Map distribuées. Dans le cadre d’un algorithme de plus
court chemin, il faut donc, par exemple, recourir à un parcours en largeur coûteux en
remplacement de l’algorithme de Dijkstra.
Le dernier chapitre avant la conclusion est dédié à la famille d’algorithmes
espérance-maximisation (EM) et leur application aux modèles de Markov cachés
(HMM) avec l’algorithme Forward-Backward. Après un rappel complet de ces
notions, les auteurs montrent que l’algorithme s’intègre naturellement au modèle en
réalisant une itération de l’algorithme par tâche MapReduce. La fin du chapitre
décrit brièvement plusieurs tâches connexes faisant appel aux HMM ou aux

4. http : //hive.apache.org/
5. http : //pig.apache.org/

162 TAL. Volume 51 – n° 3/2010

algorithmes EM comme la traduction statistique, l’alignement mot à mot et
l’entraînement de modèles logistiques (maximum d’entropie, champs aléatoires
conditionnels).
Le livre se conclut sur une courte synthèse des limites du modèle MapReduce et
notamment sur le fait que MapReduce s’avère limité au traitement batch (le jeu de
données doit être disponible dès le départ dans son intégralité) et ne permet donc pas
d’apprentissage actif, en ligne ou de traitements en temps réel. Une ouverture vers
de récentes propositions de modélisations alternatives palliant certaines limites du
modèle clôt finalement ce dernier chapitre.
Jimmy Lin et Chris Dyer nous proposent une introduction très agréable à
MapReduce au travers d’une démarche progressive et d’applications concrètes. Leur
ouvrage s’adresse à un public d’informaticiens, éventuellement novices dans les
domaines de la recherche d’information, du traitement automatique des langues ou
de l’apprentissage statistique. Ils proposent une vision pratique et détaillée de
l’application de différents algorithmes sur le modèle MapReduce. Cette dernière
complètera assurément une vision plus technique du modèle qu’il faudra acquérir
dans un livre dédié à l’implémentation choisie.
Nizar Y. HABASH, Introduction to Arabic Natural Language Processing,
Morgan & Claypool publishers, 2010, 167 pages, ISBN 9781598297959.
Lu par Abdelmajid BEN HAMADOU
Laboratoire MIRACL, Institut Supérieur d’informatique et du Multimédia, Sfax,
Tunisie
L’arabe, par sa forme d’écriture (de gauche à droite, signes diacritiques optionnels, pas de
majuscule, jusqu’à quatre variantes pour la même lettre...), sa phonologie (vingt-huit
consonnes, trois voyelles courtes et trois voyelles longues...), sa morphologie (dérivation à
partir de racines, existence d’infixes en plus des préfixes et suffixes, agglutination...) et sa
syntaxe (assez libre, absence possible des désinences...) est considéré parmi les langues
difficiles à appréhender sur le plan du traitement automatique. Les problèmes de recherche
que ces caractéristiques posent, nécessitent une formalisation assez poussée et des outils
robustes d’analyse. Cet ouvrage, avec ses huit chapitres, ses cinq annexes et sa bibliographie
apporte un éclairage intéressant de ces problèmes surtout pour les étudiants-chercheurs et
ingénieurs débutants dans le domaine du TALN arabe. Il s’intéresse à l’arabe moderne, dit
aussi standard, sans pour autant négliger ses dialectes. Chaque chapitre aborde aussi bien la
facette linguistique que celle technique au travers de la présentation des tâches TALN
associées les plus importantes. Aussi, pour aider les lecteurs, notamment ceux non
arabophones, à mieux assimiler les concepts étudiés, un parallèle avec d’autres langues,
notamment l’anglais, est effectué chaque fois qu’il est nécessaire et tous les exemples en
arabe sont translittérés.

Notes de lecture 163

Après un bref aperçu de l’arabe standard et dialectal dans le chapitre 1, le
chapitre 2 détaille les spécificités de l’écriture arabe au niveau de son alphabet, des
signes diacritiques qui accompagnent cet alphabet et des problèmes de codage des
caractères. Les tâches de voyellation automatique et de lecture optique des
caractères arabes ont été abordées avec les réels défis qu’elles posent.
Le chapitre 3 traite la phonologie et l’orthographe arabes en exposant les traits
distinctifs des phonèmes et la manière de les transcrire graphiquement. Les tâches de
translittération des noms propres, de correction orthographique des textes arabes et
de reconnaissance et synthèse de la parole ont été présentées d’une manière assez
synthétique.
La morphologie de l’arabe a occupé la part la plus importante dans cet ouvrage
(deux chapitres) eu égard à sa richesse, son caractère agglutinatif qui est en étroite
liaison avec la syntaxe et la multitude des tâches TAL associées. Le chapitre 4
commence par une présentation détaillée de la terminologie utilisée pour décrire la
morphologie arabe. Le lecteur appréciera, à ce propos, la clarification des confusions
que l’on a tendance à effectuer dans l’usage de certains termes comme affixes,
proclitiques, racines, radicaux, modèles et patrons morphologiques. Ensuite, il
détaille la structure du mot arabe et les différentes formes dans lesquelles il peut
apparaître dans un texte (agglutinée, dérivée, fléchie,..). Enfin il aborde les
transformations morphophonologiques qui peuvent affecter le mot (assimilation,
gémination...) et leur impact sur l’orthographe. Le chapitre 5 discute des tâches TAL
associées à la morphologie arabe : analyse et génération morphologiques,
tokenization et étiquetage grammatical. Une bibliographie est donnée pour chacune
de ces tâches. Bien qu’elles soient quasiment limitées à la communauté anglophone,
celles-ci donnent une idée assez complète des travaux accomplis pour l’arabe.
Le chapitre 6 aborde la syntaxe en montrant comment la langue arabe partage
avec les autres langues plusieurs notions (verbe, nom, sujet, complément d’objet...),
mais possède des notions spécifiques comme Al-Idhafa6 et Al-Tamyiz7. Ce chapitre
commence par tracer un croquis des structures syntaxiques, puis présente les efforts
de création de corpus arborés arabes (Arabic Treebanks).
Le chapitre 7 donne un bref aperçu de la sémantique arabe et introduit le projet
« Arabic Wordnet » et les efforts de création de ressources pour les tâches
d’extraction des informations.

6. Idhafa se traduit par « annexion ». Quand un nom mudâf est suivi de son complément
mudâf ilayhi, on dit qu’ils sont en annexion. Exemple : moudirou Al-madrasati, (le directeur
de l’école). Dans ce cas, le nom ne peut pas être défini par l’article Al, car il l’est par son
complément.
7. Tamyiz se traduit par « spécification » ou « discernement ». C’est un complément
invariable qui suit un nom ou une phrase pour apporter plus de sens et lever l’ambiguïté.
Exemple : Indi ritlou Asalin (j’ai une livre de miel).

164 TAL. Volume 51 – n° 3/2010

Le denier chapitre aborde d’une manière assez synthétique la question de la
traduction automatique pour introduire les concepts de base associés et donner une
comparaison sommaire, dans le contexte de la traduction, entre l’arabe et trois autres
langues, le chinois, l’anglais et l’espagnol, sur les plans de l’orthographe, la
morphologie et la syntaxe.
Cet ouvrage comporte cinq annexes qui listent les principaux consortiums,
réseaux, conférences, livres, dictionnaires, ressources disponibles et outils
s’intéressant au traitement automatique de l’arabe.