Lemmatisation
Un article de Wikipédia, l'encyclopédie libre.
 |
Cet article est une ébauche à compléter concernant l'informatique, vous pouvez partager vos connaissances en le modifiant. |
La lemmatisation d'un mot est la fonction qui, à un mot, associe sa forme canonique.
Sommaire |
[modifier] Généralités
Les mots (lemmes) d'une langue utilisent plusieurs formes en fonction de leur genre (masculin ou féminin), leur nombre (un ou plusieurs), leur personne (moi, toi, eux, ...), leur mode (indicatif, impératif, ...) donnant ainsi naissance à plusieurs formes pour un même lemme.
La lemmatisation d'une forme d'un mot consiste à en prendre sa forme canonique. Celle-ci est définie comme suit :
On notera donc que toutes les entrées d'un dictionnaire sont lemmatisées et qu'il en est de même pour les titres des articles de Wikipédia (au moins ceux constitués d'un seul lemme).
[modifier] Exemples
L'adjectif petit existe sous quatre formes : petit, petite, petits et petites. La forme canonique de tous ces mots est petit.
Il existe beaucoup plus de formes du verbe avoir : ai, as, a, avons, ais, avons eu, ayez eu, eussions eu, aurions eu, etc. La forme canonique de eussions eu est avoir.
[modifier] Usage en informatique
En informatique, il est difficile pour un programme de savoir que eussions eu et avoir sont deux facettes d'un même terme. Le lemmatisation est donc une opération préliminaire pour la reconnaissance des mots d'une phrase.
