@inproceedings{magistry-sagot-2011-segmentation,
    title = "Segmentation et induction de lexique non-supervis{\'e}es du mandarin (Unsupervised segmentation and induction of mandarin lexicon)",
    author = "Magistry, Pierre  and
      Sagot, Beno{\^i}t",
    editor = "Lafourcade, Mathieu  and
      Prince, Violaine",
    booktitle = "Actes de la 18e conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
    month = jun,
    year = "2011",
    address = "Montpellier, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/fix-sig-urls/2011.jeptalnrecital-long.23/",
    pages = "258--269",
    language = "fra",
    abstract = "Pour la plupart des langues utilisant l{'}alphabet latin, le d{\'e}coupage d{'}un texte selon les espaces et les symboles de ponctuation est une bonne approximation d{'}un d{\'e}coupage en unit{\'e}s lexicales. Bien que cette approximation cache de nombreuses difficult{\'e}s, elles sont sans comparaison avec celles que l{'}on rencontre lorsque l{'}on veut traiter des langues qui, comme le chinois mandarin, n{'}utilisent pas l{'}espace. Un grand nombre de syst{\`e}mes de segmentation ont {\'e}t{\'e} propos{\'e}s parmi lesquels certains adoptent une approche non-supervis{\'e}e motiv{\'e}e linguistiquement. Cependant les m{\'e}thodes d'{\'e}valuation commun{\'e}ment utilis{\'e}es ne rendent pas compte de toutes les propri{\'e}t{\'e}s de tels syst{\`e}mes. Dans cet article, nous montrons qu{'}un mod{\`e}le simple qui repose sur une reformulation en termes d{'}entropie d{'}une hypoth{\`e}se ind{\'e}pendante de la langue {\'e}nonc{\'e}e par Harris (1955), permet de segmenter un corpus et d{'}en extraire un lexique. Test{\'e} sur le corpus de l{'}Academia Sinica, notre syst{\`e}me permet l{'}induction d{'}une segmentation et d{'}un lexique qui ont de bonnes propri{\'e}t{\'e}s intrins{\`e}ques et dont les caract{\'e}ristiques sont similaires {\`a} celles du lexique sous-jacent au corpus segment{\'e} manuellement. De plus, on constate une certaine corr{\'e}lation entre les r{\'e}sultats du mod{\`e}le de segmentation et les structures syntaxiques fournies par une sous-partie arbor{\'e}e corpus."
}