Participation%20de%20l

1
Participation de lIRIT IC3 à GEONTO

• Nathalie Aussenac-Gilles CR IRIT CNRS
• Ollivier Haemmerlé PR IRIT - UTM
• Mouna Kamel MC IRIT Univ. Perpignan

2
Plan

• Présentation de lIRIT et de léquipe IC3
• Compétences de lIRIT en extraction de relations
• Lapproche par patrons
• 2 outils pour extraire des relations par patrons
• Caméléon
• Gate
• Elargissement à lextraction 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

3
Institut de Recherche en Informatique de Toulouse

4
Les 7 thèmes de recherche de lIRIT(20 équipes)

1. Analyse et synthèse de linformation (4)
2. Indexation et recherche dinformations (2)
3. Interaction, autonomie, dialogue et coopération
   (4)
4. Raisonnement et décision (3)
5. Modélisation, algorithmes, calcul haute
   performance (1)
6. Architecture, systèmes et réseaux (4)
7. Sûreté de développement du logiciel (2)

5
Place de IC3 dans lIRIT

• 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)

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 - gt
  extraction de relations et de concepts
• Représentation de ressources termino-ontologiques
• Utilisation des graphes conceptuels
• Utilisation dontologies pour lannotation
  sémantique et la recherche documentaire dans des
  domaines spécialisés
• Outils pour lannotation sémantique -gt patrons
  dannotation
• Distances sémantiques
• Modes dinterrogation des documents annotés
• Confrontation dontologies et de textes pour la
  gestion des connaissances
• Évolution dans le temps, repérage de changements,
  

7
Plan

• Présentation de lIRIT et de léquipe IC3
• Compétences de lIRIT en extraction de relations
• Lapproche 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

8
Extraction de relations à partir de textes

• Buts possibles
• Construction dontologie identification de
  classes (concepts) et de relations entre concepts
• Annotation de documents repérage dinstances
• 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 dinterpréter la
  nature des relations

9
Extraction de relations à laide 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 be defined as a
  Development Process.
• Patron lexico-syntaxique to define
  Prp.NounAdjNumpro.AdvDet. as
• The GDP manual defines Software project as 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 quil
  traduit) peut changer dun corpus à lautre.
• 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.

10
Des textes vers une ontologie
3 - Normalisation

• 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

11
Des textes aux annotations / à un index
corpus
12
Caméléon (Séguéla, 2000, version de 2006)

• Caméléon assiste les étapes de projection et de
  définition des concepts/relations de lextraction
  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 lontologie

13
Caméléon A-Mise au point des patrons dun projet

• Forme dun 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 dun patron de la bibliothèque
• Création à partir de linterprétation (lecture)
  de contextes par lananlyste
• 4 étapes pour la mise au point dun patron
• Écrire ou modifier le patron (éditeur)
• Le projeter
• Lévaluer Observer / valider quelques phrases
  retournées
• Décider de retenir /modifier le patron (retour à
  1)

A X B Y C
14
Pattern evaluation in Caméléon
Pattern
Sentences where the pattern occur
Precision rate
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 sils
  nexistent pas
• Ajouter la relation

16
Bilan sur Caméléon

• Limites
• Processus faisant intervenir beaucoup lhumain
• Lent sur gros corpus
• Lourd à installer (MySql, TreeTagger, Emdros,
  Java, Code Caméléon)
• Pas de classe sémantique à lintérieur des
  patrons
• Partie enrichissement dontologie 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

17
Gate Outil pour lExtraction de Concepts et de
Relations

• ? Gate General Architecture for Text
  Engineering
• ? Gate Plate-forme dingénierie linguistique
  Cunningam et al., 2002
• ? Largement utilisé pour lextraction
  dinformations dans différentes langues
• ? Principe application successive (pipeline) de
  ressources linguistiques (Processing Ressources)
• ? Peut être utilisé
• - en environnement de développement
• - bibliothèque

18
Gate Outil pour lExtraction de Concepts et de
Relations
? Possibilité de créer ses propres ressources
19
Gate Outil pour lExtraction de Concepts et de
Relations

• Jape Transducer
• permet de définir des patrons lexico-syntaxiques
• utilise les annotations fournies par les
  différentes ressources de traitement
  préalablement appliquées

• Gate intègre le langage Java
• Traitement des annotations
• Projection dune ontologie (OWL, RDFS) sur un
  corpus
• Enrichissement dune ontologie
• Peuplement dune ontologie

20
Gate Outil pour lExtraction de Concepts et de
Relations
Un exemple dannotation
21
Gate Outil pour lExtraction 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)

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 dévaluation dans le domaine du
  traitement du langage naturel depuis 1995

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 dentités
  nommées

24
Elargissement extraction dinformations
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 dapplication

• Modèles de connaissances envisagés pour la
  résolution
• graphes conceptuels
• structures de frame

25
Elargissement extraction dinformations
distribuées sur plusieurs phrases

• Etude dun 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."

26
Elargissement extraction dinformations
distribuées sur plusieurs phrases
27
Elargissement extraction de relations à partir
de tableaux
28
Contribution au projet

• Construction automatique dontologie(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
  dinformation

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 doutils 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 dune relation en
  exploitant les relations argumentatives
• Identifier les relations exprimées sur plusieurs
  phrases si besoin est

30
Questions

• Particularités des corpus à analyser
• ontologies existantes
• Taille et volume
• Types de relations spécifiques à chacun
• Disposer déchantillons
•  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

31
Gate Outil pour lExtraction de Concepts et de
Relations
(Token)Onto --gt gate.AnnotationSet ontos
(gate.AnnotationSet)bindings.get("Onto")
gate.Annotation ontoAnn (gate.Annotation)ontos.i
terator().next() String className
(String)ontoAnn.getFeatures().get("string")
boolean aClass ontology.containsClassByName(clas
sName) if (aClass) gate.FeatureMap feature
Factory.newFeatureMap()
feature.put("Classe",ontoAnn.getFeatures().get("st
ring")) outputAS.add(ontos.firstNode(),
ontos.lastNode(), "Onto", feature)
32
Gate Outil pour lExtraction de Concepts et de
Relations

• Gate intègre le langage Java
• Enrichissement dune ontologie
• Peuplement dune ontologie

• (Lookup)l --gt
• String instances
• gate.AnnotationSet popus gate.AnnotationSet)bin
  dings.get("l")
• gate.Annotation popuAnn (gate.Annotation)popus
  .iterator().next()
• String nomclasse (String)popuAnn.getFeatures()
  .get("majorType")
• boolean aClass ontology.containsClassByName(no
  mclasse)
• if (aClass)
• int begOffsetpopus.firstNode().getOffset().int
  Value()
• int endOffsetpopus.lastNode().getOffset().intV
  alue()
• String mydocContentdoc.getContent().toString()
  
• String matchedStringmydocContent.substring(beg
  Offset,endOffset)
• ontology.addInstance(matchedString,
• (OClass)ontology.getClassByName(nomclasse))
  

33
(No Transcript)