Génération dynamique de réponses coopératives dans WEBCOOP

1. Génération dynamique de réponses coopératives dans WEBCOOP Farah Benamara IRIT, Toulouse GENI 20-02-03

2. Introduction • WEBCOOP : un système qui produit des réponses intelligentes en français à des questions en LN sur le web. • Il intègre des procédures de raisonnements ainsi que techniques NLG couplées avec des liens hyper-textes  réponses dynamiques. • N’est pas développé dans une perspective de dialogue et n’inclut pas de modèle utilisateur. GENI 20-02-03

3. II. Le corpus d’étude • Étude de corpus (en cours) • Frequently Asked Question (FAQ) sur le tourisme (hébergement, transport, location…) • Permet de caractériser nos besoins en coopérativité • Quelques exemples. GENI 20-02-03

4. Exemple 1 : AIR FRANCE GENI 20-02-03

5. Exemple 2 : http://www.cote-azur.businessriviera.com/accueil/faq_fr.asp#hotel GENI 20-02-03

6. II. Le corpus d’étude • Exemple 3:[http://www.perubolivian.com/eng/Faq.htm] • Question : Can I pay through your web site? • Réponse:On line payments are not available at this time, but you can send your payment vía fax including all details of your credit card. • Exemple 4 :[http://www.cam.org/~bblilas/gite/questions.html ] • Question :Êtes-vous près du théâtre et du restaurant de la roche à Veillon?Réponse : La Roche à Veillon est située sur la 132 dans la partie est du village à environ 8 km de notre gîte. GENI 20-02-03

7. III. Les réponses coopératives dans WEBCOOP • Étude de corpus : le bilan • Les questions utilisateurs : mots clés ou des expressions en LN • Les réponses peuvent être atomiques ou narratives • Cibler différents types de comportement coopératif  réponses explicatives, conditionnelles, intentionnelles, ‘’warning’’, textuelle… • Les réponses coopératives dans WEBCOOP : nos spécifications GENI 20-02-03

8. Partie 1 :Diagnostic de fausses présuppositions • Partie 2 : • Le composant de savoir-faire coopératif • Relaxation graduelle et minimale III. Nos spécifications : exemple 1 GENI 20-02-03

9. Partie 1 : Diagnostic de fausses présuppositions • Partie 2 : • Le composant de savoir-faire coopératif • Relaxation • intentionalité III. Nos spécifications: exemple2 GENI 20-02-03

10. Cooperative Know HowComponent • Interpretation of fuzzy terms • intentionality III. Nosspécifications : exemple 3 GENI 20-02-03

11. Détection de conflits possibles oui Diagnostic de fausses présuppositions non Le composant de savoir-faire coopératif Trop de réponses conflits Pas ou peu de réponses Intentionnalité Relaxation Relaxer(conflits) Forme logique des réponses Génération dynamique Forme logique de la question GENI 20-02-03

12. Détection de conflits possibles Question Logical Form oui Diagnostic de fausses présuppositions non Le composant de savoir-faire coopératif Trop de réponses conflits Pas de réponses Intentionnalité Relaxation Relaxer(conflits) Forme logique des réponses Génération dynamique GENI 20-02-03

13. VI. 1 Raisonnements pour la détermination de contenu : Diagnostic de fausses présuppositions • L’utilisateur présuppose l'existence d'une entité qui n'existe pas, ou présuppose la présence d'une relation entre deux entités (ou types d'entités) qui est inconsistante avec les faits. • Techniques de détection de FP • ‘‘Hyper résolution positive’’ [Chang and Lee, 73] • ’’merge compatibility’’ entre la question et les CIs de la BC [Gal, 88] GENI 20-02-03

14. Absence de faits Violation d’une CI Violation de plusieurs CIs Cause du conflit : (Qi, Ri, CIi) Conflit pertinent VI.1 Raisonnements pour la détermination de contenu : Diagnostic de fausses présuppositions Conflits dans une question Q=Q1 Q2 ……Qn GENI 20-02-03

15. VI. 2 Raisonnements pour la détermination de contenu : Le composant de savoir faire • Techniques de description intentionnelles (non traitées ici) • Procédures de relaxation intelligentes qui vont au delà des méthodes de généralisation classiques. • Règles de coopérativités additionnelles qui utilisent l’ontologie ainsi que les connaissances générales du domaine. GENI 20-02-03

16. VI. 2 Raisonnements pour la détermination de contenu : Le composant de savoir faire • Techniques de généralisation classiques [Gaasterland et ali, 92] (réécriture de prédicats, briser une dépendance…) • Relaxation guidée par le(s) conflit(s) détectés • Relation de proximitéqui utilise les propriétés inhérentes aux objets, une ontologie conceptuelle et des relations de la sémantique lexicale. • S’applique sur différents domaines techniques ou ontologique : distance (exp2), prix, capacité(exp1), type de transport… • Processus itératif GENI 20-02-03

17. La règles de réécriture générale est Relax(F(Var), T)  R  NewFormule VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité • Soit T l’ensemble des variables qui apparaissent dans le conflit • Soit X l’ensemble des variables qui apparaissent dans les prédicats où un élément de T apparaît • Soit F(X,T) l’ensemble des prédicats de la question où au moins une variable de Var=X  T apparaît, et R le reste de la question. GENI 20-02-03

18. VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité -cas1- • Considérer plusieurs objets de même type, au lieu d’un jusqu’à ce que la contrainte soit satisfiable. • Exemple : • chalet(x)  in(place, x,z)  capacity(x, nb1)  chalet(y)  in(place, y,z)  capacity(y, nb2)  x  y  near(place,x,y,result)  z= Corsica  (nb1+nb2)  15. GENI 20-02-03

19. VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité -cas2- • Proposer le même type de ressource proche du type de ressource à l’origine de l’échec. • Exemple : A la question : • flight(x,paris,T)  T = albi est relaxée via • flight(x,paris,Z)  T = albi  near(place,T, Z, result)  T  z GENI 20-02-03

20. VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité -cas3- 3. Relaxation minimale par rapport à une ressource qui rend consistante la contrainte violée. Exemple : la formule logique de l’exemple 1 chalet(x)  in(place, x,y)  capacity(x, nb)  nb=15  y= corsica Est relaxée via : near(typeof(x),x,v,result)  in(place, v ,y)  capacity(v, nb)  nb=15  y= corsica. GENI 20-02-03

21. V. Génération dynamique de surface de réponses coopératives • Génération dynamique (1) les problèmes de planification propre aux NLG sont laissés à l’usager, (2) améliore la lisibilité et l’accès à l’information. • Le processus de génération s’appui sur : (1) quelques fragments de phrases prédéterminées et (2) sur l’assemblage de fragments sous spécifiés. GENI 20-02-03

22. V. Génération dynamique de surface de réponses coopératives • Les liens hypertextes sont sur des concepts généralisés (souvent NPs) ou sur des termes faisant partie de la réponse et qui correspondent à des concepts non terminaux de l’ontologie. • Lexicalisation :garder trace des termes de la question et les utilisées le plus possible. GENI 20-02-03

23. Conclusions • Présenter les aspects formelles de la détermination du contenu et quelques éléments de la génération de surface. • Composant de savoir-faire basé ’’actuellement’’ sur de la relaxation minimale intelligente formalisée par une relation générique de proximité GENI 20-02-03

24. Conclusions : extensions futurs • Développer de nouvelles stratégies de savoir-faire coopératives ainsi que leurs implémentations (les termes flous ), • Analyser l’utilisation des techniques d’argumentation (Horacek, 99), en particulier quand une FP est causée par la violation de plusieurs CIs • Spécifier les stratégies pour la génération de réponses intentionnelles dans le composant de savoir-faire, • Étudier les aspects externes pour la génération de fragments de textes extrait de page web, en particulier pour les questions nécessitants des réponses narratives tels que des procédures ou des comparaisons. GENI 20-02-03

25. F. Benamara et P. Saint Dizier, Dynamic Generation of Cooperative Natural Language Responses, Ninth European workshop on Natural Language Generation . EACL, Budapest, Hongrie; Avril 2003. GENI 20-02-03