Processus d'acquisition d'un dictionnaire de sigles et de leurs définitions à partir d'un corpus

De nombreux domaines comme la biologie ou la médecine voient naître chaque jour de nouveaux termes et abréviations, notamment des sigles. Un sigle est un ensemble de lettres initiales servant d’abréviation, par exemple "RATP" peut être associé à la définition (aussi appelée expansion) "Régie Autonome des Transports Parisiens". Nos travaux ont consisté à développer un logiciel afin de faciliter l’acquisition ou l’enrichissement de dictionnaires en extrayant automatiquement, à partir de diverses sources, les sigles et leur(s) définition(s). Une fois ces dictionnaires constitués, l’approche AcroDef que nous avons proposée dans (Roche et Prince (2007)) consiste à établir la définition pertinente d’un sigle présent dans un document. Dans ces documents, la définition n’est pas toujours présente d’où la difficulté du traitement. Dans ce contexte, il est donc essentiel d’avoir à disposition un dictionnaire adapté, ce qui justifie les travaux présentés dans cet article. De nombreuses méthodes pour extraire les sigles et leur(s) définition(s) ont été développées (Larkey et al. (2000); Okazaki et Ananiadou (2006)). La plupart des approches de détection de sigles dans les textes s’appuient sur l’utilisation de marqueurs spécifiques associés à des heuristiques adaptées. Certains travaux récents (Okazaki et Ananiadou (2006)) consistent à associer ces approches à des mesures statistiques spécifiques pour améliorer la qualité des méthodes d’acquisition de dictionnaires. L’approche que nous avons développée se compose de deux étapes successives qui sont détaillées dans la section 2.