Comment Google traite-t-il le sens des lexèmes ?

Véronique (son site : ), Lundi 4 mai 2009

… ou les relations particulières de Google avec le chant et le canard !

Après l'introduction du lexème et du morphème grâce à la pomme de terre, je vous propose aujourd'hui de continuer notre  découverte des aspects linguistiques des moteurs de recherche grâce au canard et au sème !

Cet article est rédigé selon la même approche que le précédent, il ne prétend pas être exhaustif sur la question ni s'adresser à des spécialistes du langage ou de linguistique informatique. Il s'agit d'un kit de survie linguistique à l'usage du référencement ;-)

Comment définir le sens d'un lexème  ?

Nous avons vu que pour traiter de manière automatisée les mots, il fallait les découper en lexème et morphème.

Bref rappel du lexème et du morphème

Considérons l'exemple ci-dessous :

« chantons », « chantant », « chanteur »

Ces 3 mots partagent le lexème « chant », ils sont différenciés par les morphèmes :

• - »ons » : marque la 1ère personne du pluriel de la conjugaison (nous) ;
• - »ant » : marque le participe présent ;
• - »eur » : marque la personne qui réalise l'action de chanter (suffixe -eur/-euse : chanteur/chanteuse).

Les 3 mots de notre exemple ont en commun le sens contenu dans le lexème « chant ». On part donc de cet élément avant de spécifier le sens de chacun en identifiant des formes verbales (pour désigner l'action de chanter) ou des suffixes (pour désigner la personne qui réalise l'action).

Le sens étant essentiellement contenu dans le lexème, le problème est donc de disposer d'un outil sémantique  permettant de le traiter. Le morphème de son côté apporte « seulement » des précisions de sens par rapport au lexème !

Pour traiter le sens des lexèmes, la sémantique réalise des analyses sémiques.

Principe de l'analyse sémique appliqué au canard

De même que l'on « découpe » les mots avec la morphologie, on peut « découper » leur sens avec la sémantique. Il existe en effet des unités (minimales) de sens , appelées les sèmes, qui permettent d'identifier le sens des mots ou lexèmes.

A titre d'exemple, voici l'analyse sémique du « canard » d'après une méthode ancienne mais qui permet d'en comprendre le principe.

Analyse sémique de canard (schéma de Katz et Fodor)

On voit ici qu'il s'agit d'établir des classifications sous forme d'arborescence rendant compte des différents sens (polysémie) du lexème canard qui peut selon les contextes être un son discordant, une fausse information, un volatile, un journal, un sucre ou un bon magret ;-)

Un « canardeau » (le petit du canard) bien que partageant le même lexème n' aura pas l'ensemble des traits sémantiques (appelé le sémème) du lexème « canard ». Il en partage cependant une partie, il a des sèmes communs ! Ainsi si ces deux mots sont employés ensemble, leur présence indique la pertinence de certains sèmes et l'exclusion probable d'autres !

Imaginez que l'on réalise l'étude sémique d'un autre lexème, par exemple « oie », nous trouverions des sèmes communs avec « canard ». Faisons de même avec « volaille », nous trouverions des sèmes communs avec  « oie », « canard » et d'autres très différents. Le principe de l'analyse sémique a ainsi un double intérêt, il permet de rendre compte  :

• des sèmes qui caractérisent un  lexème (donc les éléments de sens qui concernent plusieurs mots d'une même famille),
• des sèmes communs pour différents lexèmes (donc les éléments de sens identiques pour des mots de formes différentes).

On peut ainsi reconnaître et traiter les familles de mots, la polysémie (en partie, ne rêvons pas trop !) et commencer à construire des relations sémantiques entre les mots.

Si nous reprenons l'exemple du lexème « chant » du début, il est aisé d'établir une relation de sens avec des termes comme « musique », « instrument » ou « note » mais aussi « oiseau » et bien sûr « canard » ;-)

Les analyses proposées par la sémantique ouvrent donc de larges perspectives !

Google est-il intelligent ?

La question est provocatrice. La sémantique propose aujourd'hui des analyses arborescentes plus pertinentes que l'exemple ci-dessus, analyses qui permettent la constitution de thésaurus (dictionnaire des relations entre les termes) et d'ontologies (modélisation des relations sémantiques d'un domaine de connaissance). Travailler à la constitution de ces outils n'est pas nouveau, c'est le propre de la linguistique informatique depuis des années.

En ce qui concerne le référencement, les moteurs de recherche effectuent ce type d'opérations mais de manière encore très limitée. Ces questions sont, vous l'avez compris, au cœur des problèmes d'indexation et de traitement des données, et  au cœur du balbutiant Web sémantique.  Évidemment, les moteurs ne nous laisseront pas comprendre quel modèle précis ils utilisent et comment ils ont intégré tout cela dans leur précieux algorithme mais chez Google et les autres on travaille d'arrache-pied !

Sur les questions sémantiques, les moteurs puisent déjà largement dans la linguistique informatique et s'inspirent pour la suite des techniques d'intelligence artificielle  ! Certes, Google n'est pas (encore ???) une intelligence artificielle  mais des chercheurs du domaine ont depuis déjà quelques temps de beaux bureaux à Mountain View…

La linguistique et la sémantique sont des outils précieux pour les moteurs de recherche et pour tout domaine traitant le langage naturel. Évidemment ce ne sont pas les seuls (heureusement !) mais j'espère vous avoir donné un aperçu de leur caractère indispensable.

A bientôt dans le forum WebRankInfo Rédaction web et référencement où l'on discute de cet article : Comment Google traite-t-il le sens des lexèmes ?

Véronique Martin

Formation référencement et webmarketing

Vous souhaitez sans doute améliorer votre référencement, avez-vous pensé à suivre une formation spécialisée sur le référencement naturel ? En 2008, plus de 700 entreprises ont assisté à nos différentes sessions, la plupart faisant financer ces journées par la formation professionnelle (OPCA). Orange Labs nous a décerné un taux de satisfaction des participants de 90% (octobre 2008).

Préparés et animés par Olivier Duffez (WebRankInfo) et Fabien Faceries (AgentWebRanking), 2 professionnels reconnus dans la profession, nos modules sur le référencement naturel sont très complets tout en laissant une grande place à l'interactivité pour répondre à toutes les questions des participants.

Pour connaître le plan détaillé de chaque module, le prix, les dates et les lieux, cliquez ici pour consulter le site de Ranking Metrics (organisme de formation agréé).

Lectures recommandées sur ce thème :

Laisser une réponse