MétaCan
Menu
Retour à la cohorte
Enregistrement W2257257544 · doi:10.1075/li.27.2.05mel

Verbes supports sans peine

2005· article· en· W2257257544 sur OpenAlexaff
Igor Mel’čuk

Notice bibliographique

RevueLingvisticae Investigationes · 2005
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPredicative expressionVerbNounLinguisticsComputer scienceLexiconMeaning (existential)Realization (probability)Artificial intelligenceSyntaxNatural language processingContext (archaeology)Lexical definitionWordNetPsychologyMathematicsPhilosophyHistory

Résumé

récupéré en direct d'OpenAlex

The paper is aimed at defining the concepts needed in the discussion of so-called ‘support (≈ light) verbs’ and presenting a way of describing them in the lexicon in terms of Lexical Functions [= LFs]. It develops the following six points : 1. A genuine support verb is semantically empty (or ‘emptied’ in the context of its keyword). 2. There are just three types of ‘pure’ support verbs — Oper, Func, and Labor — distinguished according to the syntactic role fulfilled by their keyword. 3. Two sorts of meanings are often combined with support verbs : phasic meanings (‘begin,’ ‘stop,’ ‘continue’) and causative meanings (‘cause’) ; such a meaning plus a support verb form a complex LF. 4. There exist other sorts of meanings (especially, intensification) that can bear on the predicative noun but are expressed together with the support verb : they form, with the latter, a configuration of LFs. 5. A family of semantically full collocational verbs show the same syntactic behavior as support verbs : these are called realization verbs. 6. Using support verbs and their encoding in terms of LFs, it is possible to construct a universal Deep-Syntactic paraphrasing system. Several examples of DSynt-paraphrasing rules are given. The discussion is carried out based on French.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,003
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0260,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,261
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations60
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLingvisticae InvestigationesMême sujetLinguistics and Discourse AnalysisTravaux en français237 207