Mettre tout ça ensemble corpus et annotation fréquence et proportions n-grammes expressions...
-
Upload
catherine-jolly -
Category
Documents
-
view
106 -
download
0
Transcript of Mettre tout ça ensemble corpus et annotation fréquence et proportions n-grammes expressions...
Mettre tout ça ensemble
corpus et annotationfréquence et proportionsn-grammesexpressions régulièresperl
Le problème
PP modifieur du nom ou du verbe?
J’ai vu l’homme avec les jumelles
J’ai vu l’homme avec le chapeau
Je mange la pizza avec la fourchette
Je mange la pizza au fromage
Je mange la pizza avec une bière
Pourqoui faut-il resoudre ce problème?
Le 70% des erreurs de construction de structure syntaxique
pendant une analyse automatique sont des erreurs d’attachement de PP.
Donc, si on ameliorait la performance de la resolution de ce problème, toute l’analyse serait bien meilleure.
Comment faut-il resoudre ce problème?
J’ai vu l’homme avec les jumelles
J’ai vu l’homme avec le chapeau
Je mange la pizza avec la fourchette
Je mange la pizza au fromage
Je mange la pizza avec une bière
Y-a-t-il des régularités visibles qui distinguent entre attachement au nom et attachement au verbe?
• L’information lexicale, quels mots sont utilisés dans la phrase, est cruciale.
Attachment du PP: méthode manuelle
1. Recolte d’un petit corpus d’exemples de PPs avec la distinction
entre modifieur du nom ou modifieur du verbe. En général, par introspection ou récolte non-systematique des données observationnelles
2. Création des règles régissant les différences entre ces deux cas de figure par observation jusqu’à couverture des toutes les données observées
3. Implantation d’un système et extension aux exemples qui n’avaient pas été prévus
Méthode manuelle: problèmes
1. Recolte non-systematique des données observationnelles, donc
pas garantie de rappresentativité
2. Possible complexité excessive du système de règles, surtout si on veut tenir compte des mots
3. Pas de tests systèmatiques, ni de tests sur un ensemble séparé d’exemples, pas d’evaluation quantitative, difficile à comparer avec d’autres méthodes
Attachment du PP: méthode basée sur le corpus
1. Annotation d’un corpus d’exemples de phrases spontanées.
2. Recolte de PPs dans le corpus avec la distinction entre modifieur du nom ou modifieur du verbe.
3. Création d’un algorithme apprenant automatiquement les règles qui régissent les différences entre modifieur du nom ou modifieur du verbe.
4. Implantation de l’algorithme et son entreinement sur la base d’une partie du corpus.
5. Evaluation de la précision de l’algorithme sur la partie restante du corpus.
Rappresentativité
Exhaustivité, même si grande variabilité
Fiabilité de l’évaluation
Step 1
1. Annotation d’un corpus d’exemples de phrases spontanées
Questions: toutes le questions concernant l’annotation vue au paravant. Anneés de travail de conception et annotation.
Penn Tree Bank
annotation syntaxique qui distingue les deux types d’attachement
Exemples dans la PTB
( (S
(NP-SBJ
(NP (NNP Pierre) (NNP Vinken) )
(VP (MD will)
(VP (VB join)
(NP (DT the) (NN board) )
(PP-CLR (IN as)
(NP (DT a) (JJ nonexecutive) (NN director) ))
(NP-TMP (NNP Nov.) (CD 29) )))
(. .) ))
Exemples dans la PTB
( (S
(NP-SBJ (NNP Mr.) (NNP Vinken) )
(VP (VBZ is)
(NP-PRD
(NP (NN chairman) )
(PP (IN of)
(NP
(NP (NNP Elsevier) (NNP N.V.) )
(, ,)
(NP (DT the) (NNP Dutch) (VBG publishing) (NN group) )))))
(. .) ))
Step 2
2a Recolte des PPs dans le corpus avec la distinction entre modifieur du nom ou modifieur du verbe
Questions
Qu’est-ce qu’on veut extraire? Sous-arbre qui couvre
verbe nom PP
Comment arrive-t-on à extraire le sous-arbre couvrant
verbe nom PP, etant donné les arbres de la PTB?
Expressions régulières
Essayez
Step 2
2b Simplification et normalisation de données
Tête d’un syntagme: nom pour SN, verbe pour SV etc
On transforme le sous-arbre en suite de têtes syntaxiques plus valeur binaire indiquant le type d’attachement
Exemple
mange pizza avec fourchette 1
mange pizza au fromage 0
PP tuples
VERB NOUN PREP NOUN2
abolish levy for concern 0
accept payment from Linear 0
accompany President on tour 0
accrue dividend at % 0
accumulate wealth across spectrum 0
yank balloon to ground 1
yield % at bank 1
yield % in offering 1
yield % in week 1
zip order into exchange 1
Step 3
3 Création d’un algorithme apprenant automatiquement les règles
qui régissent les différences entre modifieur du nom ou modifieur du verbe
Question: faut-il comprendre ce qu’on apprend ou pas?
Autrement dit, faut-il apprendre grâce à une explication ou par imitation?
La méthode basée sur les corpus utilise souvent l’apprentissage par imitation
Quel algorithme? Essayez
VERB NOUN PREP NOUN2
abolish levy for concern 0
accept payment from Linear 0
accompany President on tour 0
accrue dividend at % 0
accumulate wealth across spectrum 0
yank balloon to ground 1
yield % at bank 1
yield % in offering 1
yield % in week 1
zip order into exchange 1
Step 3 - ENTREINEMENT
Mémoriser les données d’entreinement,
c-à-d mémoriser la tuple (têtes,attachement)
si des exemples se repètent, mettre à jour un compteur
Step 3 – TEST
Pour chaque donnée de test
si on a déjà vu la même donnée (la même séquence de 4 mots),
alors attachement = attachement à l’entreinement
sinon si on a vu une (ou plusieurs) sous-séquence(s) des 3 mots à l’entreinement,
alors attachement = attachement majoritaire
de la (moyenne des) sous-séquences des 3 mots
sinon si on a vu une (ou plusieurs) sous-séquence(s) des 2 mots à l’entreinement,
alors attachement = attachement majoritaire
de la (moyenne des) sous-séquences des 2 mots
sinon si on a vu une (ou plusieurs) sous-séquence(s) d’un mot à l’entreinement,
alors attachement = attachement majoritaire
de la (moyenne des) sous-séquences d’un mot
sinon attachement majoritaire
Step 3 – TEST
Pour chaque donnée de test
if (verbe nom prep nom2) in tuples d’entreinement
alors attachement = attachement de la tuple
elsif (verbe nom prep) ou (nom prep nom2) ou (verbe prep nom2) in tuples d’entreinement
alors attachement = attachement majoritaire de
(verbe nom prep) + (nom prep nom2) +(verbe prep nom2)
elsif (verbe prep) ou (nom prep ) ou (prep nom2) in tuples d’entreinement
alors attachement = attachement majoritaire de
(verbe prep) + (nom nom2) +(prep nom2)
elsif (prep) in tuples d’entreinement
alors attachement = attachement majoritaire de prep
sinon attachement majoritaire dans le corpus d’entreinement
Step 4
4 Implantation de l’algorithme et son entreinement sur la base
d’une partie du corpus
Exemple
#!/usr/local/bin/perl5
# Computes: collects tuples and updates counts
# Loads: <verbe nom prep nom2> tuples
open(TRAINING, "training-quads");
while (<TRAINING>) {
($v, $n, $p, $n2, $a) = split;
if ($a == 0 ) { $noms{"$v $n $p $n2"}++;
$noms{"$v $p $n"}++;
$noms{"$n $p $n2"}++;
$noms{"$v $p $n2"}++;
$noms{"$v $p"}++;
$noms{"$n $p"}++;
$noms{"$p $n2"}++;
$noms{$p}++;
$noms++;
}
else {….}
};
Exemple
#!/usr/local/bin/perl5
# Computes: collects tuples and updates counts
# Loads: <verbe nom prep nom2> tuples
open(TRAINING, "training-quads");
while (<TRAINING>) {
($v, $n, $p, $n2, $a) = split;
if ($a == 0 ) { …. }
else { $verbs{"$v $n $p $n2"}++;
$verbs{"$v $p $n"}++;
$verbs{"$n $p $n2"}++;
$verbs{"$v $p $n2"}++;
$verbs{"$v $p"}++;
$verbs{"$n $p"}++;
$verbs{"$p $n2"}++;
$verbs{$p}++;
$verbs++;
}
};
Step 5
5 Evaluation de la précision de l’algorithme sur un echantillon de
nouvelles phrases
PP: évaluation
open(TESTING, "testing-quads");
while (<TESTING>) {
($v, $n, $p, $n2, $a) = split;
deviner l’attachement avec algorithme vu dessus
calculer la précision des réponses
};
PP: évaluation
open(TESTING, "testing-quads");
while (<TESTING>) {
($v, $n, $p, $n2, $a) = split;
c’est à vous
};
MERRY CHRISTMAS
BUON NATALE
Programme détaillé du cours - Sémestre d'hiver
8 janvier 2003
Les données textuelles comme base pour l'évaluation:
Evaluation de la performance: les mesures de précision et de rappel.
Evaluation de la fiabilité: l'accord inter-juge (le kappa).
TP petit programme Perl pour calculer precision, rappel et accord inter-juge.
Programme détaillé du cours - Sémestre d'hiver15 jan Introduction à l'apprentissage automatique: l'approche d'apprentissage automatique aux problèmes de TALN. Les méthodes d'apprentissage symbolique: les arbres à décisions.
TP
Programme détaillé du cours - Sémestre d'hiver22 jan L'apprentissage automatique du lexique 2 L'apprentissage automatique de la distinction entre arguments et modifieurs (Avec Eva)
TP
Programme détaillé du cours - Sémestre d'hiver
29 jan L'apprentissage automatique du lexique 1 (anglais) La classification automatique des verbes en classes semantiques.
TP Petit programme Perl/tgrep pour les SPs
5 fév Révision
Programme détaillé du cours - Sémestre d'été
12 mars Introduction à la théorie de la probabilité: probabilité simple et probabilité conditionelle; le théorème de Bayes
19 marsDistributions la distribution binomiale; la distribution normale.
26 marsL'apprentissage probabiliste: l'apprentissage automatique de la sous-catégorisation (Brent).
2 avril L'apprentissage probabiliste: Desambiguisation des classes des verbes (Lapata and Brew, Gildea).
9 avril L'apprentissage probabiliste: Attachment du PP: un seul PP, plusieurs PPs (Collins and Brooks, Merlo et al.)
23 avril annullé
Programme détaillé du cours - Sémestre d'été
30 avril L'analyse syntaxique probabiliste: PCFGs.
7 mai L'analyse syntaxique probabiliste: Collins 1996.
14 mai L'analyse syntaxique probabiliste: Collins 1997.
21 mai L'analyse syntaxique probabiliste: Charniak 2000
28 mai buffer/Gerold
4 juin annullé
11 juin Apprentissage de verbes en Espagnol (Eva)
18 juin Révision