CLERC Frédéric COMMEROT Sami CROGUENNEC Julien GARNIER Nicolas MIGNÉ Vincent VAILLANT Laurent

1. Soutenance de Janvier Recherche Sémantique d’Information CLERC Frédéric COMMEROT Sami CROGUENNEC Julien GARNIER Nicolas MIGNÉ Vincent VAILLANT Laurent Encadreur : DUCASSÉ Mireille

2. INTRODUCTION AU SUJET Recherche d’information ReSeIn : Recherche Sémantique d’Information But de la recherche d’information : développer des systèmes capables de fournir à un utilisateur, qui interroge une base de données documentaire, les textes les plus pertinents. Difficultés actuelles dans la recherche Internet (Google) : • Ce que l’on cherche se trouve rarement dans les premières réponses • Temps souvent long avant d’obtenir ce que l’on recherche

3. INTRODUCTION AU SUJET Sémantique Exemple d’applications du traitement automatique du langage naturel : • Recherche documentaire • Traduction automatique Il est nécessaire pour ces applications d’acquérir un lexique décrivant le sens des mots qu’elles manipulent.  Représentation sémantique (ie. basée sur le sens) Des études linguistiques ont prouvé qu’il existe un lien sémantique fort entre les noms et les verbes Lareprésentation des couples qualia utilise ce lien Le couple qualia est l’élément central du projet

4. INTRODUCTION AU SUJET Couple qualia Couple qualia : • Fait l’objet d’études linguistiques • Extrait du Lexique Génératif développé en 1995 par J. Pustejovsky • Définition : association d’un nom et d’un verbe qui sont liés par le sens Exemple : le nom livre • Couple (livre,lire) : rôle de but ou de fonction • Couple (livre,écrire) : rôle de création • etc … Utilité de ces couples dans la recherche d’information Exemple : reformulation de requête « Magasin de disques » « Vendre des disques » avec le couple qualia (magasin,vendre)

5. PRÉSENTATION DU PROJET Prototype de recherche Intérêt de la récupération automatique des couples qualia pour les linguistes Point de départ du projet : prototype de recherche de Vincent Claveau [IRISA,TEXMEX] permettant cette récupération But du projet : Correction des bogues du prototype  Mise en place d’une interface pour faciliter son utilisation par les linguistes  Réalisation d’une application Web utilisant les couples qualia

6. PRÉSENTATION DU PROJET Plan 1-Introduction au sujet 2- Présentation du projet 3- Le Prototype 4- La Spécification 5- Bilan

7. LE PROTOTYPE Fonctionnement Global (1/3) exemples : qualia(magasin, acheter). qualia(disque, acheter). ... exemples positifs Apprentissage Programmation Logique Inductive (Aleph) Experts linguistes corpus exemples négatifs exemples : non_qualia(magasin, penser). non_qualia(disque, aller). ... exemple : (...) je pense aller au magasin pour acheter des disques (...)

8. LE PROTOTYPE Fonctionnement Global (2/3) exemples : qualia(magasin, acheter). qualia(disque, acheter). ... exemple : est_qualia(Nom,Verbe) si : - distance entre Nom et Verbe < 4 mots - Verbe = verbe d’action - Nom = lieu ... exemples positifs Apprentissage Programmation Logique Inductive (Aleph) règles exemples négatifs exemples : non_qualia(magasin, penser). non_qualia(disque, aller). ...

9. LE PROTOTYPE Fonctionnement Global (3/3) exemple : est_qualia(Nom,Verbe) si : - distance entre Nom et Verbe < 4 mots - Verbe = verbe d’action - Nom = lieu ... exemples : qualia(magasin, acheter). qualia(disque, acheter). qualia(magasin, vendre). qualia(album, vendre). qualia(disque, vendre). ... couples qualia règles Extraction corpus exemple : (...) Le magasin de disque vend bien le dernier album de Lorie (...)

10. LE PROTOTYPE Fonctionnement Global : Récapitulatif exemples positifs Apprentissage Programmation Logique Inductive Experts linguistes corpus exemples négatifs couples qualia règles Extraction

11. LE PROTOTYPE Données nécessaires en entrée d’apprentissage : le Corpus corpus : texte ou recueil de textes relatif à un domaine spécifique servant à une étude linguistique. contraintes (pour le traitement par le prototype) :  taille conséquente (au moins 100.000 mots)  en français uniquement  style non-littéraire de préférence (phrases concrètes)  termes techniques propres au domaine fréquemment utilisés  nécessité d’avoir un étiquetage syntaxique et sémantique des mots

12. LE PROTOTYPE Données nécessaires en entrée d’apprentissage : le Corpus étiqueté Exemple de phrase : “Le marché du disque devrait reculer cette année.” 1385\1 TOK Le le#det_sg\ddef 1385\4 TOK marché marché#noun_sg\acy 1385\11 TOK du de#prep\rde 1385\14 TOK disque disque#noun_pl\art 1385\21 TOK devrait devoir#verb_sg\mod 1385\29 TOK reculer reculer#verb_inf\acp 1385\37 TOK cette ce#det_sg\ddemon 1385\43 TOK année année#noun_sg\tme 1385\48 PTERM_P . EOS .#sent\sent Problème : utilisation du logiciel payant Cordial7

13. LE PROTOTYPE Données nécessaires en entrée d’apprentissage : les Exemples exemple : is_qualia(magasin,acheter) :- format : is_qualia(N,V) :- tags(et_debut,tc_vide,ts_vide), tags(NomN,tagSyntaxiqueN,tagSemantiqueN), pred(NomN,et_debut), tags(V,tagSyntaxiqueV,tagSemantiqueV), pred(N,V), ... phrase entière d’où est tirée l’exemple avec l’étiquetage associé à chaque mot. Exemples Positifs E+ (resp. Négatifs E-) : couples Nom-Verbe présents dans le corpus et certifiés par un expert linguiste comme qualia (resp. non qualia).  clauses Prolog totalement adaptées Pour un bon apprentissage : 3.000 ex. positifs et 3.000 négatifs pour 100.000 mots  très fastidieux pour les experts linguistes  solution alternative automatisée : le Bootstrapping

14. LE PROTOTYPE L’apprentissage : Approche générale Objectif : construire des règles permettant d’extraire automatiquement les couples qualia à partir du corpus Utilise la programmation logique inductive, système Aleph (implémenté en Prolog)  Obtention de règles généralisant les exemples positifs en excluant les exemples négatifs

15. LE PROTOTYPE Background Knowledge E+ Apprentissage Aleph règles E- L’apprentissage : Schéma  En entrée :  E+ et E-, les exemples  B, le Background knowledge, ensemble de connaissances élémentaires • En sortie :  les règles

16. LE PROTOTYPE L’apprentissage : Le Background Knowledge L’apprentissage •  description syntaxique des différents types de mots : • common_noun(W) :- plural_common_noun(W). • verb(W) :- infinitive(W). •  description sémantique des différents types de mots : • common_noun(W) :- artefact(W). • verb(W) :- action_verb(W). •  prédicats d’ordre et de distance (propriétés entre les mots) : • precedes(V,N) :- distance(N,V,X,_). • near_verb(N,V) :- distance(N,V,_,1).

17. LE PROTOTYPE ┬ is_qualia(A,B) e ┴ L’apprentissage : algorithme 1. Choix de manière aléatoire d’un exemple positif e dans E+. Si E+ est vide, arrêt. 2. Construction d’un espace de recherche HConstruction du treillis correspondant à e  ┬ clause la plus générale  ┴ clause la plus spécifique (e) 3. Chercher dans H la règle h qui a le score le plus élevé fonction de score = nb de E+ couverts – nb de E- couverts 4. Retirer à E+ tous les exemples couverts par la règle h. Aller à l’étape 1.

18. LE PROTOTYPE Règles prolog générées par Aleph(Apprentissage) couples qualia Extraction Corpus étiqueté sous forme de faits Prolog Extraction des couples qualia Extraction = exécution directe des règles Prolog sur les faits Obtention des couples qualia (Nom, Verbe) vérifiant les règles

23. SPÉCIFICATIONS Introduction Le prototype est un programme en ligne de commande • Création d'une interface et d'un assistant d'installation Un seul corpus est disponible •  Recherche et création d'un nouveau corpus Utilisation concrète des couples qualia  Spécification d'uneapplication Web 23

24. SPÉCIFICATIONS Installation Automatique But : • Convention dans le cadre d'une distribution d'un produit • Simplifier la procédure d'installation qui est contraignante • Installation possible par un linguiste sans intervention de l'administrateur Conception : • Une interface qui guide l'utilisateur • Un assistant pas à pas • Possibilité de voir le déroulement détaillé de l'installation 24

25. SPÉCIFICATIONS Interface Prototype Pourquoi ? • Interface du prototype en ligne de commande et rebutante. • Souci d'avoir un logiciel exploitable par un linguiste. • Une valeur ajoutée pour la distribution : • Des fonctionnalités supplémentaires : • Affichage du corpus • Sauvegarde facilitée des informations •  Faciliter la manipulation des données utilisées par le protoype : • Les fichiers d'exemples notamment. 25

26. SPÉCIFICATIONS Interface Prototype Conception : • Choix d'une interface avec des onglets. • Chacun des onglets représente un module ou un prérequis précis du prototype. • Parties de l'interface : 1 : Menu 2 : Onglets 3 : Bouton d'aide 4 : Operation suivante 26

27. SPÉCIFICATIONS Nouveau corpus • Motivations : • Tester le prototype en profondeur • Avoir une utilisation personnelle pour notre projet • Conditions : • Texte sans fautes d’orthographe • Contraintes par rapport à l’étiquetage

28. SPÉCIFICATIONS Nouveau corpus sur le sport Nouveau domaine choisi : le sport Listing des sports : • Sports collectifs • Sports individuels • Sports mécaniques • Sports de combat • Sports extrêmes Taille du corpus : 180 000 mots environ Source : Internet

29. SPÉCIFICATIONS Application Web But de l’application : • Aider un utilisateur dans ses recherches sur Google • Lui proposer des sites plus ciblés sur sa requête • Prendre en compte la généralité de certaines requêtes • Avoir une application concrète pour le prototype Conception : • Stockage des couples qualia dans une base de données • Classement des couples en fonction de leurpertinence

30. SPÉCIFICATIONS Application Web : Exemple Page d’aide à la recherche : On propose à l’utilisateur de compléter sa requête, avec les couples qualia Requête initiale :buteur France Brésil Buteur : 1 – marquer 2 – jouer 3 – tirer 4 – gagner 5 – manquer Résultats : Avec ces choix, l’utilisateur obtient une nouvelle requête : (buteur OU marquer) ET (France Brésil) Cette nouvelle requête est directement envoyée vers la page de résultats de Google 

31. BILAN Conclusion & Interrogations Apports : • Création de rapports (Latex) • Test d’un logiciel • Découverte de la complexité des algorithmes • Utilisation concrète de Prolog Difficultés de mise en œuvre : • Lenteur du prototype pour récupérer les couples qualia • Nécessité d’utiliser Cordial7 (logiciel sous licence) au préalable Limite du Projet : • Couples qualia spécifiques à un domaine précis Interrogations sur la validation des résultats : • Pertinence des couples qualia obtenus à partir de notre corpus ? • Validation de l’interface par les linguistes ? • Efficacité de l’application Web dans la recherche d’informations ?