extraction de la semantique
DESCRIPTION
Présentation lors du séminaire de l'équipe Wimmics de l'INRIA à Sophia-Antipolis le 17 janvier 2014.TRANSCRIPT
Challenge DOPExtraction de la Sémantique
Jonathan MarchandJulien Plu (@julienplu - [email protected])Guillaume Viland
Séminaire Wimmics, Sophia-Antipolis, le 17/01/2014
Un vrai challenge…
président , Venezuela, Hugo Chavez
Hugo Chavez, décédé, mardi 5/3/2013
Hugo Chavez, décédé à , Caracas
Hugo Chavez, âge, 58 ans
Hugo Chavez, cause décès, cancer
président , Venezuela, Hugo Chavez
Hugo Chavez, décédé, mardi 5/3/2013
Hugo Chavez, décédé à , Caracas
Hugo Chavez, âge, 58 ans
Hugo Chavez, cause décès, cancer
Sémantique : modélisation du sens d'un énoncé (phrase, discours, etc.)
Généralement modélisé formellement en logique du premier ordre représentable sous forme de graphe
Le chien que Marie aime dort.
Analyse Sémantique
dormir
chienMarie
aime
agent patient agent
Exemple avec Lady Gaga
Sujet Prédicat Objet
Lady Gaga etre acoeurdeactu
Lady Gaga devoiler Applause (film)
L'excentrique Lady Gaga est au coeur de l'actu depuis qu'elle a dévoilé son single "Applause" issu de son quatrième album à découvrir à partir du 11 novembre.
.txt
parseText
.conll06 .inmalt
getNerd
.conllsimple
.nerd
buildDepGraph
.depnt
extractRdf
.fullnt
selectRdf
.nt
Part of Speech Tagger (étiqueteur morpho-syntaxique) et Parser stochastiques
Corpus entraîné sur la French Dependency Treebank (Paris 7)
Analyse syntaxique de surface en dépendances (sous forme d’arbre)
ParseText
.txt
Tokenizer et PoS Tagger :
Melt
.conll06
.inmalt
Parser : MaltPars
er
.inmalt
ParseText
Analyse syntaxique1 L' le D DET n=s|s=def 100 3 det _ _
2excentrique
excentrique A ADJ n=s|s=qual _ 3 mod _ _
3 Lady Lady N NPP s=p _ 5 subj _ _4 Gaga Gaga N NPP s=p _ 3 mod _ _
5 est être V Vm=ind|n=s|p=3|t=pst
1101011 0 root _ _
6 au à P+D P+D s=def1111111 5 mod _ _
7 coeur coeur N NC g=m|n=s|s=c 11111 6 obj_ _ _8 de de P P _ 11110 7 dep _ _9 l' le D DET n=s|s=def 100 10det _ _10 actu actualité N NC g=f|n=s|s=c _ 8 obj _ _
11depuis_qu'
depuis_que C CS s=s
1100101 5 mod _ _
12 elle cln CL CLS s=suj1101110 14suj _ _
13 a avoir V Vm=ind|n=s|p=3|t=pst
1101010 14
aux_tps _ _
14 dévoilé dévoiler V VPPg=m|m=part|n=s|t=past
1100011 11 obj _ _
15 son son D DET n=s|s=poss1011110 16det _ _
16 single single N NC g=m|n=s|s=c _ 14obj _ _17 « « PONCT PONCT s=w _ 16ponct _ _18 Applause Applause N NPP s=p _ 16mod _ _19 » » PONCT PONCT s=w _ 16ponct _ _
20 issu issir V VPPg=m|m=part|n=s|t=past
1100010 16mod _ _
21 de de P P _ 11110 16dep _ _
22 son son D DET n=s|s=poss1011110 24det _ _
23 quatrième quatrième A ADJ n=s|s=ord 0 24mod _ _24 album album N NC g=m|n=s|s=c 11110 21obj _ _
25 à à P P _1100110 14mod _ _
26 découvrir découvrir V VINF m=inf1100000 25obj _ _
27à_partir_du
à_partir_de P P _ 101110 26mod _ _
28 11 11 D DET s=card _ 29mod _ _29 novembre novembre N NC g=m|n=s|s=c 11110 27obj _ _30 . . PONCT PONCT s=s _ 5 ponct _ _
Ce module fusionne les informations de la reconnaissance d’entités nommées avec l’analyse syntaxique :
> Fusion des noeuds de l’arbre syntaxique issues d’une même EN (si possible)
> Association des EN avec leur identifiant NERD et dbpedia
Module de résoultion d’anaphores simples des clitiques sujets
Sortie au format RDF
BuildDepGraph
.conll06.conllsimp
le.nerd
buildDepGraph
.depnt
Deux heuristisques
> un clitique sujet dans une subordonnée réfère au sujet de la principale.
Résolution des anaphores des clitiques sujets
L'excentrique
Lady Gaga
est au coeur de l'actu depuis qu'
elle
a dévoilé son single "Applause »
> un clitique sujet dans une principale réfère au sujet de la proposition principale de la phrase précédante.
Jean aime les animaux. Ilaime aussi les plantes.Mais iln’aime pas les écolos.
ExtractRdf
.depnt
extractRdf
.fullnt
Ce module sélectionne les triplets RDF à produire
De manière générale, il faut tuner ce module pour sélectionner les informations que l'on souhaite extraire
Dans notre cas, il s’agit de prendre les triplets qui ont pour sujet une EN
SelectRDF
.fullnt
selectRdf
.nt
merci