Distributional semantics insights on agentive suffix rivalry in French

Abstract

The formation of French agent nouns (ANs) involves a large variety of morphological constructions, and particularly of suffixes. In this study, we focus on the semantic counterpart of agentive suffix diversity and investigate whether the morphological variety of ANs correlates with different agentive subtypes. We adopt a distributional semantics approach and combine manual, computational and statistical analyses applied to French ANs ending in -aire, -ant, -eur, -ien, -ier and -iste. Our methodology allows for a large-scale study of ANs and involves both top-down and bottom-up procedures. We first characterize agentive suffixes with respect to their morphosemantic and distributional properties, outlining their specificities and similarities. Then we automatically cluster ANs into distributionally relevant subsets and examine their properties. Based on quantitative analysis, our study provides a new perspective on agentive suffix rivalry in French that both confirms existing claims and sheds light on previously unseen phenomena.

Apports de la sémantique distributionnelle pour la morphologie dérivationnelle

“…Les études exploitant la sémantique distributionnelle se développent désormais et proposent ainsi la comparaison des propriétés distributionnelles (et donc sémantiques) des lexèmes construits. Ces études cherchent notamment à faire émerger des différences plus au moins importantes entre schémas afin d'établir le degré de rivalité de paires de schémas deux à deux (Missud 2019, Guzmán Naranjo et Bonami 2020, Huyghe et Wauquier 2020, Wauquier et al 2020a, 2020b, Huyghe et Wauquier 2021a, 2021b, Varvara et al 2021. Ces approches permettent des analyses sémantiques à des degrés variables permettant notamment l'étude de la valence émotionnelle et axiologique associée à certains schémas morphologiques (Lapesa et al 2017, Wauquier et Bonami 2021.…”

“…Cette approche offre, en plus de la quantification de la similarité d'un mot cible à un ensemble de mots voisins, une analyse plus qualitative puisqu'elle fait émerger les mots qui présentent un profil distributionnel similaire en corpus. Les études de Wauquier (2020), Wauquier et al (2020aWauquier et al ( , 2020b et Huyghe et Wauquier (2020, 2021a, 2021b reposent notamment sur cette approche. Notons que certains travaux exploitent des mesures ne correspondant pas à des scores de proximité, mais calculées à partir des vecteurs.…”

“…En effet, les vecteurs peuvent être combinés pour construire des abstractions qui sont ensuite utilisés comme des vecteurs classiques. Cette approche est notamment utilisée par Huyghe et Wauquier (2020, 2021a, 2021b, Wauquier (2020) et Wauquier et al (2020aWauquier et al ( , 2020b qui, pour mettre en évidence des propriétés sémantiques partagées par un ensemble de mots, construisent un vecteur moyen, dit barycentre, à partir des vecteurs desdits mots. À l'inverse, Bonami et Paperno (2018) et Mickus et al (2019) proposent de construire des vecteurs de différence, en soustrayant le vecteur d'une base au vecteur d'un dérivé ou d'un mot fléchi pour ne conserver que le vecteur lié à la transformation.…”

“…Il est aussi possible d'intégrer les représentations distributionnelles dans des tâches de machine learning. Huyghe et Wauquier (2021b) proposent ainsi d'opérer un clustering de noms d'agent du français construits par des schémas dérivationnels distincts pour en étudier les propriétés morphosémantiques, et ce à partir des vecteurs des noms d'agent. Chez Guzmán Naranjo et Bonami (2020), le clustering est réalisé sur la base des vecteurs de différence et non des vecteurs de mots.…”

“…Une solution consiste à choisir un modèle contextuel, qui permet de passer outre le problème de la polysémie, du moins partiellement(Yenicelik et al 2020), mais cela implique d'autres contraintes techniques (en termes de corpus et de computation notamment). Une autre option consiste à sélectionner des mots strictement monosémiques (à l'imagede Huyghe et Wauquier 2020, 2021a, 2021b, avec néanmoins les conséquences que cela implique en termes de taille d'échantillon. Enfin, il est possible de conserver les formes polysémiques, mais il faut alors accepter que les résultats en soient parfois affectés, à l'image de la proximité entre port et porter dans(Wauquier 2020).…”