1 / 33

Participation de l’IRIT – IC3 à GEONTO

Participation de l’IRIT – IC3 à GEONTO. Nathalie Aussenac-Gilles CR IRIT – CNRS Ollivier Haemmerlé PR IRIT - UTM Mouna Kamel MC IRIT – Univ. Perpignan. Plan. Présentation de l’IRIT et de l’équipe IC3 Compétences de l’IRIT en extraction de relations L’approche par patrons

ulf
Download Presentation

Participation de l’IRIT – IC3 à GEONTO

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Participation de l’IRIT – IC3 à GEONTO Nathalie Aussenac-Gilles CR IRIT – CNRS Ollivier Haemmerlé PR IRIT - UTM Mouna Kamel MC IRIT – Univ. Perpignan IRIT-IC3 M. Kamel, O. Haemmerlé

  2. Plan • Présentation de l’IRIT et de l’équipe IC3 • Compétences de l’IRIT en extraction de relations • L’approche par patrons • 2 outils pour extraire des relations par patrons • Caméléon • Gate • Elargissement à l’extraction de relations distribuées sur plusieurs phrases • Extraction de relations à partir de tableaux • Notre rôle dans le projet • Contribution aux lots • Innovations et élargissements prévus dans Géonto IRIT-IC3 M. Kamel, O. Haemmerlé

  3. Institut de Recherche en Informatique de Toulouse IRIT-IC3 M. Kamel, O. Haemmerlé

  4. Les 7 thèmes de recherche de l’IRIT(20 équipes) • Analyse et synthèse de l’information (4) • Indexation et recherche d’informations (2) • Interaction, autonomie, dialogue et coopération (4) • Raisonnement et décision (3) • Modélisation, algorithmes, calcul haute performance (1) • Architecture, systèmes et réseaux (4) • Sûreté de développement du logiciel (2) IRIT-IC3 M. Kamel, O. Haemmerlé

  5. Place de IC3 dans l’IRIT • Interaction, autonomie, dialogue et coopération IC3 : Ingénierie des Connaissances, de la Cognition et de la Coopération • Responsable : Nathalie Aussenac-Gilles • 12 Permanents, 12 thésards, 1 post-doc • Ontologies et textes • Systèmes coopératifs • Ergonomie, ingénierie de la cognition (Gric) IRIT-IC3 M. Kamel, O. Haemmerlé

  6. “Ontologies et textes” dans IC3 • 8 permanents, 3 thésards, 1 post-doc • Thèmes de recherche • Construction et maintenance de modèles de connaissances à partir de textes et de données • Méthodes, cycle de maintenance • Outils, approches basées sur le TAL, réutilisation de thésaurus, lexiques - > extraction de relations et de concepts • Représentation de ressources termino-ontologiques • Utilisation des graphes conceptuels • Utilisation d’ontologies pour l’annotation sémantique et la recherche documentaire dans des domaines spécialisés • Outils pour l’annotation sémantique -> patrons d’annotation • Distances sémantiques • Modes d’interrogation des documents annotés • Confrontation d’ontologies et de textes pour la gestion des connaissances • Évolution dans le temps, repérage de changements, … IRIT-IC3 M. Kamel, O. Haemmerlé

  7. Plan • Présentation de l’IRIT et de l’équipe IC3 • Compétences de l’IRIT en extraction de relations • L’approche par patrons • 2 outils pour extraire des relations par patrons • Caméléon • Gate • Elargissements : • extraction de relations distribuées sur plusieurs phrases • extraction de relations à partir de tableaux • Notre rôle dans le projet • Contribution aux lots • Innovations et élargissements prévus dans Géonto IRIT-IC3 M. Kamel, O. Haemmerlé

  8. Extraction de relations à partir de textes • Buts possibles • Construction d’ontologie : identification de classes (concepts) et de relations entre concepts • Annotation de documents : repérage d’instances • Approche linguistique • Termes partageant des contextes syntaxiques similaires peuvent être mis en relation (analyse syntaxique des textes : Tree Tagger, Cordial Université) • Patrons lexicaux, lexico-syntaxiques • Approche statistique • Étude de termes co-occurrents, segments répétés • Analyse distributionnelle • SVM • Limites : ne permettent pas d’interpréter la nature des relations IRIT-IC3 M. Kamel, O. Haemmerlé

  9. Extraction de relations à l’aide de patrons • Un patron caractérise le contexte linguistique dans lequel une relation lexicale peut être observée Patron lexical : to define 1mot* as A Software Project may bedefined as a Development Process. Patron lexico-syntaxique: to define{Prp.*|Noun|Adj|Num|pro.*|Adv|Det.*}*as The GDP manual definesSoftware projectas a Development Process • Projeter des patrons sur les textes requiert des traitements linguistiques préalables • Mise en forme du texte pour le traitement, donner un identifiant à chaque phrase … • Tokenisation, lemmatisation, Etiquetage grammatical … • Particularités des relations • La même relation peut être exprimée sous différentes formes. • Le sens donné à un patron (la relation qu’il traduit) peut changer d’un corpus à l’autre. Ex. « est constitué de » peut exprimer soit une relation entre Composant/objet entier soit entre matière/Object • Pour un type de relation donné, les patrons dépendent du corpus. IRIT-IC3 M. Kamel, O. Haemmerlé

  10. 1 – projection des patrons 2 – Définition de concepts et de relations 4 – Représentation des connaissances Def-concept A:B att a-pour-partie C att Relations Formelles Relations conceptuelles Relations lexicales Corpus Des textes vers une ontologie • Corpus : ensemble de textes sélectionnés pour leur pertinence • Etape 1 : comporte du TAL, suppose la définition et la projection de patrons • Etapes 2 et 3 : interprétation humaine indispensable 3 - Normalisation IRIT-IC3 M. Kamel, O. Haemmerlé

  11. 1 – projection des patrons 2 – marquage des textes /annotation corpus Motorisation Phase moteur : accélération Manque de puissance En roulant, le moteur manque de puissance en accélération et en vitesse de pointe. Phase véhicule : grande vitesse 2 – création d’un index Passages de texte Liste de concepts ou relations + localisation Des textes aux annotations / à un index corpus IRIT-IC3 M. Kamel, O. Haemmerlé

  12. Caméléon (Séguéla, 2000, version de 2006) • Caméléon : assiste les étapes de projection et de définition des concepts/relations de l’extraction de relations pour construire un modèle • 2 grandes étapes • A- Mise au point de patrons spécifiques au corpus Suppose un corpus étiqueté par analyseur (TreeTagger, Cordial ) : Paramétrable • B- Interprétation de la projection des patrons sur le corpus et enrichissement de l’ontologie IRIT-IC3 M. Kamel, O. Haemmerlé

  13. Caméléon : A-Mise au point des patrons d’un projet A X B Y C • Forme d’un patron où A, B et C sont des marqueurs linguistiques et X et Y sont les termes recherchés • 2 possibilités pour définir 1 patron • Par adaptation d’un patron de la bibliothèque • Création à partir de l’interprétation (lecture) de contextes par l’ananlyste • 4 étapes pour la mise au point d’un patron • Écrire ou modifier le patron (éditeur) • Le projeter • L’évaluer : Observer / valider quelques phrases retournées • Décider de retenir /modifier le patron (retour à 1) IRIT-IC3 M. Kamel, O. Haemmerlé

  14. Pattern evaluation in Caméléon Pattern Sentences where the pattern occur Precision rate IRIT-IC3 M. Kamel, O. Haemmerlé

  15. Caméléon : B- enrichir le modèle • Étapes • Projeter les patrons • Pour chaque phrase retournée, fixer les termes en relation • Charger un modèle en cours de construction • Enrichir le modèle • Pour chaque concept existant, • Consulter les relations impliquant ses termes associés • Décider de les ajouter ou non au modèle • Ou : pour chaque hypothèse de relation • Définir les concepts associés aux termes s’ils n’existent pas • Ajouter la relation IRIT-IC3 M. Kamel, O. Haemmerlé

  16. Bilan sur Caméléon • Limites • Processus faisant intervenir beaucoup l’humain • Lent sur gros corpus • Lourd à installer (MySql, TreeTagger, Emdros, Java, Code Caméléon) • Pas de classe sémantique à l’intérieur des patrons • Partie “enrichissement d’ontologie” à améliorer • Outil fermé • Points forts • Gratuit et disponible • Patrons disponibles : 70 patrons documentés (historique : phrases filtrées /corpus) , validés sur 8 corpus, pour des relations de définition (“est-un” en français) • Adaptation des patrons • Patrons définis par des non informaticiens • Méthode / principes réutilisables IRIT-IC3 M. Kamel, O. Haemmerlé

  17. Gate : Outil pour l’Extraction de Concepts et de Relations ► Gate : General Architecture for Text Engineering ► Gate : Plate-forme d’ingénierie linguistique [Cunningam et al., 2002] ► Largement utilisé pour l’extraction d’informations dans différentes langues ► Principe : application successive (pipeline) de ressources linguistiques (Processing Ressources) ► Peut être utilisé : - en environnement de développement - bibliothèque IRIT-IC3 M. Kamel, O. Haemmerlé

  18. Processing Ressources • Tokeniser • Sentence Splitter • Pos Tagger (pas de lemmatisation)  Tree Tagger • Gazetteer (compagnies, organisations, …) • Coréférencers (nominal, pronominal) • Morphological Analyser • Parser (Minîpar, Supple, RASP) • Chunker (VP, noun phrase) • Jape Transducer • etc. Corpus GATE Corpus annoté (1) Corpus annoté (2) … Corpus annoté (n) Corpus annoté Gate : Outil pour l’Extraction de Concepts et de Relations  Possibilité de créer ses propres ressources IRIT-IC3 M. Kamel, O. Haemmerlé

  19. Gate : Outil pour l’Extraction de Concepts et de Relations • Jape Transducer : • permet dedéfinir des patrons lexico-syntaxiques • utilise les annotationsfournies par les différentes ressources de traitement préalablement appliquées • Gate intègre le langage Java : • Traitement des annotations • Projection d’une ontologie (OWL, RDFS) sur un corpus • Enrichissement d’une ontologie • Peuplement d’une ontologie IRIT-IC3 M. Kamel, O. Haemmerlé

  20. Gate : Outil pour l’Extraction de Concepts et de Relations Un exemple d’annotation : IRIT-IC3 M. Kamel, O. Haemmerlé

  21. Gate : Outil pour l’Extraction de Concepts et de Relations • Classes Java • Ontology • addClass(Oclass), removeClass(Oclass), createClass(String, String) • getClassByName(String), containsClassByName(String) • getTaxonomicDistance(Oclass, Oclass) • … • Oclass • addSubClass(Oclass), removeSubClass(Oclass) • addSuperClass(Oclass), removeSuperClass(Oclass) • addInstance(Oclass, String) IRIT-IC3 M. Kamel, O. Haemmerlé

  22. Bilan sur Gate • Limites • Lent sur gros corpus • Utilisable par des informaticiens • Points forts • Gratuit et disponible • Facile à installer • Application de ressources disponibles ou possibilité de créer ses propres ressources • Intègre le langage Java • Utilisation avec interface graphique ou de façon embarquée dans des applications autonomes • Largement utilisé dans différentes communautés • Systèmes utilisant Gate prennent part aux campagnes d’évaluation dans le domaine du traitement du langage naturel depuis 1995 IRIT-IC3 M. Kamel, O. Haemmerlé

  23. Choix Caméléon - Gate • Nature des utilisateurs (informaticien ou non) • Objectifs : • Enrichir une ontologie • Peupler une ontologie • Annoter des documents • Indexer des documents • Stabilité ou non des relations recherchées • Nécessité de gérer de grandes listes d’entités nommées IRIT-IC3 M. Kamel, O. Haemmerlé

  24. Elargissement : extraction d’informations distribuées sur plusieurs phrases • Patrons lexico-syntaxiques : relations exprimées au sein de la même phrase • Information distribuée sur plusieurs phrases ? • Information pertinente dépend : • du corpus étudié • du type d’application • Modèles de connaissances envisagés pour la résolution : • graphes conceptuels • structures de frame IRIT-IC3 M. Kamel, O. Haemmerlé

  25. Elargissement : extraction d’informations distribuées sur plusieurs phrases • Etude d’un corpus du domaine de la génomique • les coréférences : "The authors used CGH analysis. They show deletion on 13q32.1 on 12 cases." • les anaphores : "Deletion at 13q32.1 was showed by FISH. This analysis is also performed on 12 patients affected with EA." • les ellipses qui : • reposent sur des connaissances du domaine : "12 patients with MM were studied. DNA was extracted and subjected to CGH analysis." • concernent les liens de cohérence et de cohésion existant entre différents paragraphes du texte: "A CGH analysis was performed on 22 Multiple Myeloma cases. 12 patients show deletion at 13q32.1." IRIT-IC3 M. Kamel, O. Haemmerlé

  26. Sixteen patients with MM were studied Graphe de Référence pour le contexte Conditions Expérimentales DNA was subjected to CGH analysis Traduction Appariement RASP Elargissement : extraction d’informations distribuées sur plusieurs phrases IRIT-IC3 M. Kamel, O. Haemmerlé

  27. Elargissement : extraction de relations à partir de tableaux IRIT-IC3 M. Kamel, O. Haemmerlé

  28. Contribution au projet • Construction automatique d’ontologie(s) • À partir de spécifications de schémas de BD (COGIT) • À partir de textes grand public (fourni par LIUPPA) • Usage • Apparier les schémas de BD • Indexer automatiquement les documents en vue de développer des techniques de recherche d’information IRIT-IC3 M. Kamel, O. Haemmerlé

  29. Contribution au projet • Extraction de concepts • À partir de ressources lexicales et ontologiques disponibles • Règles de nommage pour identifier les EN (morphologie des termes) • Utilisation d’outils éprouvés • Extraction de relations • Réadapter les patrons lexico-syntaxiques relatifs aux relations hiérarchiques (hyperonymie, méronymie, définition) et de synonymie • Définir des patrons qui tiennent compte : • Du type de document (exploitation des champs) • De la structure du document (disposition matérielle et ponctuation) • Rechercher les paramètres d’une relation en exploitant les relations argumentatives • Identifier les relations exprimées sur plusieurs phrases si besoin est IRIT-IC3 M. Kamel, O. Haemmerlé

  30. Questions • Particularités des corpus à analyser • ontologies existantes • Taille et volume • Types de relations spécifiques à chacun • Disposer d’échantillons • « Élargissements » nécessaires de la notion de patron • Idem, évaluation des limites des patrons sur une phrase • Besoin de disposer de relations « attendues » et voir si elles peuvent être retrouvées par patron • Particularité des modèles • Distinguer termes et concepts • Disposer des termes associés aux concepts / les extraire IRIT-IC3 M. Kamel, O. Haemmerlé

  31. Gate : Outil pour l’Extraction de Concepts et de Relations ({Token}):Onto --> { gate.AnnotationSet ontos = (gate.AnnotationSet)bindings.get("Onto"); gate.Annotation ontoAnn = (gate.Annotation)ontos.iterator().next(); String className = (String)ontoAnn.getFeatures().get("string"); boolean aClass = ontology.containsClassByName(className); if (aClass) { gate.FeatureMap feature = Factory.newFeatureMap(); feature.put("Classe",ontoAnn.getFeatures().get("string")); outputAS.add(ontos.firstNode(), ontos.lastNode(), "Onto", feature); } } IRIT-IC3 M. Kamel, O. Haemmerlé

  32. Gate : Outil pour l’Extraction de Concepts et de Relations ({Lookup}):l --> { String instances ; gate.AnnotationSet popus =gate.AnnotationSet)bindings.get("l"); gate.Annotation popuAnn = (gate.Annotation)popus.iterator().next(); String nomclasse = (String)popuAnn.getFeatures().get("majorType"); boolean aClass = ontology.containsClassByName(nomclasse); if (aClass) { int begOffset=popus.firstNode().getOffset().intValue(); int endOffset=popus.lastNode().getOffset().intValue(); String mydocContent=doc.getContent().toString(); String matchedString=mydocContent.substring(begOffset,endOffset); ontology.addInstance(matchedString, (OClass)ontology.getClassByName(nomclasse)); } } • Gate intègre le langage Java • Enrichissement d’une ontologie • Peuplement d’une ontologie IRIT-IC3 M. Kamel, O. Haemmerlé

  33. IRIT-IC3 M. Kamel, O. Haemmerlé

More Related