| Ce mémoire s'inscrit dans le cadre des méthodes de traitement informatique du langage naturel. L'approche proposée se base sur la grammaire catégorielle qui permet sommairement d'appliquer des types catégoriels aux différents termes d'une phrase donnée en utilisant des règles de production précédemment fixées. Dans les applications réelles, une multitude de types catégoriels peuvent être assignés à une unité lexicale chose qui rend une analyse syntaxique trop complexe pour être efficace. A cet effet, il est d'une importance capitale de trouver une approche efficace pour limiter l'assignation des types catégoriels. Ceci est le principal objectif de notre travail qui consiste donc à concevoir et développer un outil permettant de trouver une approche efficace d'assignation des types catégoriels. Le travail réalisé dans ce mémoire a montré qu'une approche bayésienne permet d'offrir une amélioration substantielle quant à l'affectation des types catégoriels. Des tests ont été effectués sur un corpus composé de phrases benchmarks. Ils ont montré l'utilité de l'approche proposée étant donnée qu'elle présente un degré de précision assez élevé. |
