Challenge DOPExtraction de la Sémantique

Jonathan MarchandJulien Plu (@julienplu - plu.julien@gmail.com)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