Avant-projet Aïda

previous up next contents
Précédent : Apprentissage automatique et structuration de Remonter : Résultats nouveaux Suivant : EIAO (Enseignement Intelligemment Assisté par


    
Ingénierie de la langue



Participants : Ronan Pichon, Pascale Sébillot.

Résumé :

Dans le cadre du développement de méthodes et outils linguistiques permettant d'augmenter les possibilités d'apparier une requête et les textes d'une base documentaire, nous nous sommes intéressés cette année à deux aspects : d'une part l'acquisition sur corpus d'informations lexicales et, d'autre part, la variation sémantique de termes.

Notre point de départ est le système que nous avons réalisé, qui permet de déterminer automatiquement la relation qu'entretiennent les constituants d'une séquence binominale de la forme Nom Nom en anglais et Nom à/de (déterminant) Nom en français, en se basant uniquement sur la forme de la séquence et sur la sémantique des mots qui la composent. Pour les composés contenant un constituant déverbal (truck-driver, séquençage de l'ADN), notre calcul automatique se base sur la satisfaction de la structure argumentale du prédicat verbal sous-jacent. Les composés sans constituant déverbal sont traités en généralisant la notion d'attachement d'information prédicative aux noms simples, en faisant appel à une représentation lexicale élaborée intégrant des informations pragmatiques telle que la met en \oeuvre Pustejovsky dans le lexique génératif. Par exemple, dans ce formalisme, un nom possède une structure appelée qualia qui le lie à différents verbes correspondant à ses diverses facettes sémantiques (son origine, sa fonction, etc.), c'est-à-dire aux différents événements auquel il peut participer. Ainsi, un livre y est décrit comme étant un objet qui a été écrit et dont la fonction est d'être lu.

Comprendre ces séquences complexes constituant les éléments porteurs de l'information clé dans un domaine permet d'augmenter les possibilités de détecter des concepts équivalents entre une requête et une base de documents indexés. Cependant, le fonctionnement du système de calcul sémantique requiert une représentation lexicale sémantique précise des noms (classes sémantiques, prédicats associés, etc.). Or il est impossible d'avoir des lexiques sémantiques suffisamment précis quel que soit le domaine de l'application sur lequel on travaille. Il convient donc d'acquérir automatiquement ces lexiques [[40]], ou au moins les spécificités des mots dans le domaine traité. Dans ce cadre, nous avons en particulier mis l'accent sur l'acquisition d'informations paradigmatiques [[45]]. Afin d'acquérir automatiquement de telles informations lexicales sur les noms d'un domaine et donc, de manière plus générale, de typer le fonctionnement des mots de ce domaine, nous avons développé un travail qui, à l'aide d'une méthode de classification (AVL) utilisée sur le corpus du Monde Diplomatique, permet de déterminer les différents thèmes abordés dans cet ensemble de textes. Nous étudions actuellement le regroupement de ces noms en classes sémantiques et la structuration de ces classes par des relation lexicales.

Ce travail mené en inférence d'informations lexicales à partir de corpus a également des applications directes en désambiguïsation des mots en contexte. Nous avons, dans ce cadre, participé au Workshop Senseval/Romanseval (Herstmonceux, 2-4 septembre 98) de comparaison de méthodes de désambiguïsation, en proposant une technique entièrement basée sur une classification des mots liés à leurs contextes d'apparition. Dans ce cadre, le contexte que nous avons choisi pour un mot correspond au mot lui-même, à l'ensemble des noms présents dans la phrase où il apparaît, ainsi qu'à l'ensemble des verbes et des adjectifs de cette même phrase.

En ce qui concerne la variation sémantique de termes, nous travaillons actuellement, en collaboration avec C. Jacquemin ( LIMSI Orsay) et C. Fabre ( ERSS Toulouse), sur deux premiers types de regroupement entre un terme-index et sa variante : le premier est basé sur la mise en correspondance d'index nominaux et verbaux ; le second consiste à établir des liens sémantiques de type synonymique ou hyperonymique entre index. Un objectif plus lointain consiste à rapprocher des notions telles que vendeur de disques et magasin de CD où le lien est établi grâce à une fonction typiquement associée à un magasin, i.e. la vente. L'utilisation des principes du Lexique génératif de Pustejovsky que nous avons intégrés à notre modèle de compréhension des séquences binominales nous permet d'envisager ce but, à condition de disposer des ressources linguistiques suffisantes. En effet, pour faire émerger des informations prédicatives reliant les constituants de séquences nominales complexes, et pour établir des correspondances sémantiques entre les mots, il est nécessaire de bénéficier d'un lexique ``à la Pustejovsky" pour les différents noms concernés par la base textuelle à indexer. Or ce formalisme linguistique ne connaît pas encore de développement informatisé, et une affectation manuelle des prédicats associables à tous les noms des différents domaines d'application d'un système de recherche d'informations n'est pas réaliste. Nous débutons actuellement un travail sur l'acquisition automatique (ou semi-automatique) d'une description en termes de qualia structure pour les noms d'un domaine. De manière générale, cette recherche requiert de déterminer, pour chaque nom terme d'un domaine d'étude, les contextes et les marqueurs linguistiques ou autres qui permettent de mettre au jour des prédicats témoins des différentes facettes de ce nom dans ce domaine particulier. L'utilisation de méthodes d'apprentissage sur des corpus étiquetés est envisagée pour atteindre ce but et une collaboration à ce sujet se met actuellement en place avec Pierrette Bouillon de l'ISSCO à Genève, Laurence Jacquemin de BABEL-Research à Bruxelles et Cécile Fabre de l'ERSS à Toulouse dans le cadre d'une action de recherche partagée de l'AUPELF-UREF.



previous up next contents
Précédent : Apprentissage automatique et structuration de Remonter : Résultats nouveaux Suivant : EIAO (Enseignement Intelligemment Assisté par