La technologie des vecteurs de mots permet de mapper les mots en vecteurs et de comparer les corrélations entre leurs distributions sémantiques contextuelles, fournissant une base mathématique pour la modélisation computationnelle de l'analyse morphologique. Les caractéristiques sémantiques et morphologiques des mots composés allemands sont dominées par le composant central, ce qui crée des conditions favorables à leur traitement automatisé. Face au problème de surestimation de la difficulté de compréhension des mots composés par les méthodes traditionnelles basées sur la fréquence des mots, cet article propose une méthode automatique d’identification et de segmentation des mots composés allemands, intégrant similarité sémantique et règles morphologiques. Cette méthode utilise le modèle de_core_news_lg de la plateforme spaCy, calcule la similarité vectorielle entre les mots composés et leurs composants candidats, détermine un seuil via le bruit de fond, tout en introduisant des contraintes morphologiques telles que la détermination du suffixe nominal et l’exclusion des composants dérivés. Les résultats évaluatifs montrent de bonnes performances en précision et sensibilité. Cette étude apporte un nouvel outil à la linguistique computationnelle allemande pour l’analyse morphologique, ainsi qu’une référence technique pour le repérage de la difficulté des textes, le développement numérique des supports pédagogiques, et l’étude du traitement des mots dérivés et fléchis. À l’avenir, l’introduction de règles de jugement spécifiques, un mécanisme de vérification manuelle et l’optimisation du modèle pour couvrir davantage de mots rares permettront d’améliorer la précision et l’applicabilité de la méthode.

vecteur;traitement du langage naturel;mots composés allemands;identification et segmentation automatiques