Une expérience d’analyse syntaxique calculatoire minimale Jacques Vergne GREYC - Université de...

Une expérience d’analyse syntaxique calculatoire

minimale

Jacques VergneGREYC - Université de Caen

http://www.info.unicaen.fr/~jvergne

9/10/2001 © Jacques Vergne Séminaire I3 du GREYC -2--

Objectifs du Groupe Syntaxe

• recherche de solutions minimales :

pour une tâche donnée, minimiser les moyens utilisés

- tout petits programmes

- algorithmes très simples

- solutions calculatoires (pas d’exploration combinatoire)

- bases linguistiques minimales :

. utilisation de très peu de propriétés, seulement celles qui servent aux calculs

. très peu de ressources (lexicales, morphologiques, typographiques)


Caractéristiques de l'expérience

• à titres expérimental et pédagogique,

choix d'une tâche classique, limitée et (apparemment) simple :

détecter et relier sujets et verbes

avec le plus petit programme possible


Un "analyseur-relieur"

• multilingue (anglais, français, italien, espagnol ou allemand)

avec diagnostic de langue

• descendant : texte --> chunk, sans aller jusqu'au mot

• écrit en perl, de moins de 100 Ko, ressources comprises


Un exemple de sortie

0 : •d•Le projet S sing principale --> 3 V

1 : •[p•d'appareil géant 2 : •[p•de 550 3 : •[p•à 600 places A3XX •ss•constitue

V <-- 0 S sing V <-- 4 O 4 : •[d•un autre défi

O --> 3 V 5 : •[,•, 6 : •[P•même si

P 7 : •[d•son lancement n'•V•est pas décidé.

SV sing


Étapes du traitement : xxx.html —extraction—> corps de texte

1999-04-26: FRANCE: AÉRONAUTIQUE · BOEING VA MODERNISER SES 777 ET 747 POUR CONCURRENCER L'AIRBUS A340 TRÈS LONG-COURRIER. (TBNDF) Le groupe américain compte lancer un programme capable de concurrencer la version très long-courrier de l'Airbus A340.

Celui-ci détient le record de la distance franchissable.

Le match continue et ne faiblit pas: en réponse au programme des deux nouveaux quadriréacteurs de la gamme A340, les A340-500 et A340-600, Boeing prévoit de décoller dans le sillage de ces concurrents en développant trois versions nouvelles de son gros biréacteur 777 et du célèbre 747. Car Airbus a lancé un nouveau défi à celui qui reste le premier constructeur mondial. L'avionneur de Toulouse a en effet développé, à partir de son A340, dont 261 exemplaires ont été commandés au 31 janvier dernier et 153 livrés, une version à très long rayon d'action, l'A340-500, capable de franchir 15.750 kilomètres avec 313 passagers, soit la distance la plus longue jamais parcourue par un avion de ligne. Un second modèle de cette version à rayon d'action record complète la gamme: l'A340-600 ne franchira « que » 13.900 kilomètres, mais avec une capacité de 380 sièges. Airbus avait déjà réussi le défi lancé à Boeing avec sa famille A320 et ses versions dérivées, A321 et A319, en attendant bientôt l'A318, face au 737 qui demeure l'avion de ligne le plus vendu de l'histoire de l'aviation civile (3.450 exemplaires). Le projet d'appareil géant de 550 à 600 places A3XX constitue un autre défi, même si son lancement n'est pas décidé.

Le groupe de Seattle ne pouvait rester les bras croisés alors qu'Airbus multiplie les offensives, en réussissant même à collectionner une kyrielle d'opérateurs aux Etats-Unis et en détrônant Boeing chez des clients aussi prestigieux, et jusque-là fidèles, que British Airways par exemple. D'où la réponse que le numéro un mondial veut apporter avec de nouvelles versions de son 777 et 747 pour contrer son adversaire. Selon John Roundhill, responsable de la stratégie Produits et Développement de la firme américaine, l'objectif consiste à procéder au lancement des nouveaux appareils à la mi-2000 pour une livraison en 2003. Ceci, précise-t-on à Seattle, si un nombre suffisant de clients affirme son intérêt pour ce type d'appareil. Le retard sur les nouveaux A340 serait limité à quelque six mois.

Le 777, le plus grand biréacteur jamais mis en service, a été lancé voici quatre ans, et à l'époque son constructeur annonçait la possibilité d'une version à plus long rayon d'action. Le projet consiste maintenant à développer un 777-200X de 280 sièges capable de voler 900 kilomètres de plus, selon son fabricant, que l'A340-500. Et un 777-300X qui pourra voler sur 12.960 kilomètres.

17 à 19 heures sans escale... De plus, un 747-400 à capacité accrue (500 passagers sur 14.400 kilomètres) devrait voir le jour. Une initiative qui pourrait sauver ce programme du déclin: 60 de ces appareils ont été vendus l'an dernier, 47 commandes sont attendues cette année et le niveau des ventes pourrait bien stagner à une quinzaine par an d'ici à 2001. La fin de la crise asiatique et la nouvelle version devrait faire remonter les commandes. Ces nouveaux Airbus et Boeing seront aptes à rester en vol sans escale pendant 17 à 19 heures... De surcroît, Boeing espère que ce 747 restylé, avec ses capacités nettement accrues, sera suffisant pour concurrencer le projet d'A3XX en gestation à Toulouse. Après avoir douté de l'existence d'un marché suffisant pour des avions aussi grands, Boeing estime maintenant la demande potentielle à quelque 350 unités d'ici à 2020. Patrick Marx.

La Tribune

(not to be redisseminated)

Tel: +33 (0)1 44 82 16 16.

LA TRIBUNE (FRENCH LANGUAGE) 26/04/1999

(C)Copyright 1996 Reuters Limited. All rights reserved. Republication or redissemination of the contents of this screen are expressly prohibited without the written consent of Reuters Limited overnment official, who said earlier that Kabila had left for the southern city of Lubumba


Étapes du traitement : segmentation en phrases

Le projet d'appareil géant de 550 à 600 places

A3XX constitue un autre défi, même si son

lancement n'est pas décidé.


Étapes du traitement : pose de balises de début de segment

•d•Le projet •[p•d'appareil géant •[p•de 550

•[p•à 600 places A3XX constitue •[d•un autre

défi•[,•, •[P•même si •[d•son lancement n'est

pas décidé.


Étapes du traitement : pose de balises d'auxiliaires

•d•Le projet •[p•d'appareil géant •[p•de 550

•[p•à 600 places A3XX constitue •[d•un autre

défi•[,•, •[P•même si •[d•son lancement

n'•V•est pas décidé.


Étapes du traitement : découpage en segments sur •[

•d•Le projet

•[p•d'appareil géant

•[p•de 550

•[p•à 600 places A3XX constitue

•[d•un autre défi

•[,•,

•[P•même si

•[d•son lancement n'•V•est pas décidé.

segments obtenus

par découpage

en virgulots,

puis en chunks approchés

(voir le "segment"

de Thomas Lebarbé)


0 : •d•Le projet S sing principale

Étapes du traitement : traitement répétitif sur les segments



1 : •[p•d'appareil géant




1 : •[p•d'appareil géant 2 : •[p•de 550




1 : •[p•d'appareil géant 2 : •[p•de 550 3 : •[p•à 600 places A3XX constitue





V <-- 0 S sing





V <-- 0 S sing 4 : •[d•un autre défi






O --> 3 V






O --> 3 V 5 : •[,•,






O --> 3 V 5 : •[,•, 6 : •[P•même si

P






O --> 3 V 5 : •[,•, 6 : •[P•même si

P 7 : •[d•son lancement n'•V•est pas décidé.

SV sing




Relier sujet - verbe et détection du verbe

• chunk nominal singulier empilé dans la pile S->VSujet en attente de Verbe

• pile S->V = 0<sing> = position<attribut d'accord>



1 : •[p•d'appareil géant 2 : •[p•de 550

• chunks prépositionnels suivants




1 : •[p•d'appareil géant 2 : •[p•de 550 3 : •[p•à 600 places A3XX constitue

• s'il y a un chunk nominal singulier empilé dans la pile S->Vpile S->V = 0<sing> (Sujet en attente de Verbe)

et si un mot se termine par -e = marque d'accord au singulier





V <-- 0 S sing

• s'il y a un chunk nominal singulier empilé dans la pile S->V(Sujet en attente de Verbe)

et si un mot se termine par -e (marque d'accord au singulier)

alors ce mot est le Verbe le Sujet en attente est vraiment le Sujet et on peut les relier : 0 S --> 3 V



Relier sujet - verbe et choix du sujet

• s'il y a plusieurs sujets en attente empilés dans la pile S->V :

0<sing> 4<P> 5<sing> 6<sing>

lequel choisir ? le premier du domaine propositionnel courant

• domaine propositionnel = depuis le début de la proposition en cours

0<sing> 4<P> 5<sing> 6<sing>


Relier sujet - verbe : verbe provisoire

0 : •d•Le prix catalogue S sing principale --> 1 V

1 : •[p•de •d•l'A318 •V•est fixé V sing <-- 0 S sing

2 : •[p•à 36 millions 3 : •[p•de dollars.


0 : •d•Le prix catalogue



0 : •d•Le prix •ss•catalogue SV sing principale


catalogue : verbe provisoire

empilé dans Vadj->V

0<sing>


0 : •d•Le prix •ss•catalogueS sing principale

1 : •[p•de •d•l'A318 •V•est fixé V sing

arrivée du verbe réel





arrivée du verbe réel, qui annule le verbe provisoireet le dépile de Vadj->V





2 : •[p•à 36 millions 3 : •[p•de dollars.



Relier A - B : les différentes piles

• chaque pile permet de traiter un type d'attente et de relation :

S->V Sujet -> Verbe

V->O Verbe -> Objet

Vadj->V Verbe-adjectif -> Verbe

V->cV Verbe -> Verbe coordonné

SV->cSV Sujet-Verbe -> Sujet-Verbe coordonné



• en allemand, d'autres types de relations :

Allerdings existiert der Kleinsaurier, der über einen

buschigen Schwanz verfügt haben könnte, bislang nur auf

schlechten Fotos.

V->S Verbe -> Sujet




Allerdings existiert der Kleinsaurier, der über einen

buschigen Schwanz verfügt haben könnte, bislang nur auf

schlechten Fotos.

V->S Verbe -> Sujet

Q->V pronom relatif -> Verbe




Weltweite Berühmtheit hatte der Chirurg erlangt als er

im Dezember 1967 im Groote-Schuur-Krankenhaus in

Kapstadt die erste Herztransplantation der Welt vornahm.

Vaux->z auxiliaire -> auxilié




Weltweite Berühmtheit hatte der Chirurg erlangt als er

im Dezember 1967 im Groote-Schuur-Krankenhaus in

Kapstadt die erste Herztransplantation der Welt vornahm.

Vaux->z auxiliaire -> auxilié

K->V pronom personnel -> Verbe




So muss Busch als Referentin unter Umständen die Rede

ihres Chefs schreiben.

Vaux->I auxiliaire -> infinitif


Interaction entre les processus de mise en relation

• une fois les segments A et B reliés, les segments entre A et B ne peuvent plus être reliés

à un segment situé après B

<=> on oublie toute attente de segment entre A et B

<=> on dépile tout segment entre A et B de toutes piles

A et B peuvent aussi être ( ) - - , ,

A B

X


Un exemple en anglais : xxx.html —extraction—> corps de texte

PRESS DIGEST - United Arab Emirates - Feb 16 01:07 a.m. Feb 16, 1999 Eastern

DUBAI, Feb 16 (Reuters) - These are some of the leading stories in newspapers in the United Arab Emirates on Tuesday. Reuters has not verified these stories and does not vouch for their accuracy.

KHALEEJ TIMES

- Japan's Hamamatsu, Westminster of Britain, Ptuj of Slovenia and Broughshane of Northern Ireland get ``Nation in Bloom'' ecological awards, after a contest held in the UAE city of al-Ain.

- OPEC members are expected to cut oil output this month paving the way for an agreement on further production cuts in March, the UAE oil ministry said.

GULF NEWS

- The Dubai Court of Appeals upholds a death sentence against a 24-year-old UAE national convicted of drug dealing.

- UAE trade with Japan slipped 23.5 percent in 1998 to $5.7 billion, largely due to lower oil prices, according to figures published by the Japan External Trade Organisation.

THE GULF TODAY

- Dubai jewellery makers to produce the world's longest gold chain. It is planned to be one km (0.6 mile) long, may be extended to three kms, and will be sold in pieces during the city's upcoming shopping festival.

- Dubai planning a 260 million dirham ($70.8 million) new vegetable market.

AL-BAYAN

- Dubai government-owned Emirates airline will take delivery of the first Airbus A330-200 in March. Emirates in 1997 confirmed a deal with Airbus Industrie ARBU.CN to purchase 16 A330-200 aircraft and a company statement issued in September 1998 said it had ordered a 17th aircraft of the same type.

AL-KHALEEJ

- Abu Dhabi Cooperative reported a 166 percent rise in profits to 280 million dirhams, and plans to distribute 45.8 million dirhams to members.

AL-ITTIHAD

- Sheikha Fatima bint Mubarak, wife of President Sheikh Zaid bin Sultan al-Nahayan, will travel to Jordan to offer condolences to the royal Hashemite family for the death of King Hussein.

($1-3.67 dirhams) ((Gulf newsroom, +971 4 607 1222, fax +971 4 626982,dubai.newsroom+reuters.com))


Un exemple en anglais : segmentation en phrases

Emirates in 1997 confirmed a deal with

Airbus Industrie ARBU.CN to purchase 16

A330-200 aircraft and a company statement

issued in September 1998 said it had

ordered a 17th aircraft of the same type.


Un exemple en anglais : pose de balises de début de segment

Emirates •[p•in 1997 confirmed •[d•a deal

•[p•with Airbus Industrie ARBU.CN •[p•to

purchase 16 A330-200 aircraft •[c•and •[d•a

company statement issued •[p•in September

1998 said it had ordered •[d•a 17th

aircraft •[p•of •d•the same type.


Un exemple en anglais : pose de balises d'auxiliaires, pronoms, ...

Emirates •[p•in 1997 •ss•sp•confirmed •[d•a

deal •[p•with Airbus Industrie ARBU.CN

•[p•to purchase 16 A330-200 aircraft

•[c•and •[d•a company statement issued

•[p•in September 1998 •V•said •[P••[••K•it

•KV••V•had •ss•sp•ordered •[d•a 17th

aircraft •[p•of •d•the same type.


Un exemple en anglais : découpage en segments sur •[

0 : Emirates 1 : •[p•in 1997 •ss•sp•confirmed 2 : •[d•a deal 3 : •[p•with Airbus Industrie ARBU.CN 4 : •[p•to purchase 16 A330-200 aircraft 5 : •[c•and 6 : •[d•a company statement issued 7 : •[p•in September 1998 •V•said 8 : •[P• 9 : •[••K•it •KV••V•had •ss•sp•ordered 10 : •[d•a 17th aircraft 11 : •[p•of •d•the same type.


Un exemple en anglais : traitement répétitif sur les segments

0 : Emirates S plur



0 : Emirates S plur

1 : •[p•in 1997 •ss•sp•confirmed



0 : Emirates S plur principale --> 1 V

1 : •[p•in 1997 •ss•sp•confirmed V <-- 0 S plur




1 : •[p•in 1997 •ss•sp•confirmed V <-- 0 S plur

2 : •[d•a deal




1 : •[p•in 1997 •ss•sp•confirmed V <-- 0 S plur V <-- 2 O

2 : •[d•a deal O --> 1 V





2 : •[d•a deal O --> 1 V

3 : •[p•with Airbus Industrie ARBU.CN





2 : •[d•a deal O --> 1 V

3 : •[p•with Airbus Industrie ARBU.CN 4 : •[p•to purchase 16 A330-200 aircraft





2 : •[d•a deal O --> 1 V

3 : •[p•with Airbus Industrie ARBU.CN 4 : •[p•to purchase 16 A330-200 aircraft 5 : •[c•and





2 : •[d•a deal O --> 1 V

3 : •[p•with Airbus Industrie ARBU.CN 4 : •[p•to purchase 16 A330-200 aircraft 5 : •[c•and 6 : •[d•a company statement •ss•issued

SV sing





2 : •[d•a deal O --> 1 V


SV sing 7 : •[p•in September 1998 •V•said



0 : Emirates S plur principale --> 1 V -&&-> 6 SV


2 : •[d•a deal O --> 1 V


SV sing <-&&- 0 7 : •[p•in September 1998 •V•said





2 : •[d•a deal O --> 1 V

3 : •[p•with Airbus Industrie ARBU.CN 4 : •[p•to purchase 16 A330-200 aircraft 5 : •[c•and 6 : •[d•a company statement issued

S sing <-&&- 0 S --> 7 V 7 : •[p•in September 1998 •V•said

V <-- 6 S sing





2 : •[d•a deal O --> 1 V



V <-- 6 S sing 8 : •[P•





2 : •[d•a deal O --> 1 V



V <-- 6 S sing 8 : •[P• 9 : •[••K•it •KV••V•had •ss•sp•ordered

SV sing





2 : •[d•a deal O --> 1 V




SV sing 10 : •[d•a 17th aircraft





2 : •[d•a deal O --> 1 V




SV sing V <-- 10 O10 : •[d•a 17th aircraft

O --> 9 V





2 : •[d•a deal O --> 1 V




SV sing V <-- 10 O10 : •[d•a 17th aircraft

O --> 9 V11 : •[p•of •d•the same type.


Un exemple en espagnol : xxx.html —extraction—> corps de texte

UNA CRISIS DE CONFIANZA QUE PUEDE CONDUCIR A UNA RECESION

El de ayer fue otro día negro, que cierra una semana negra dentro de un ejercicio negro para los mercados internacionales de capitales. La Bolsa de Madrid cayó de nuevo un 2%, marcando el cuarto mínimo anual en cinco días, un hecho del que es difícil encontrar precedentes.

El Ibex-35 ha perdido un 7% esta semana, un porcentaje parecido a las caídas registradas en Londres, París, Francfort y Milán. La Bolsa de Tokio cerró ayer a su nivel más bajo en 17 años mientras que Wall Street consumaba pérdidas por encima del 20% desde mayo pasado.

Las estadísticas son demoledoras. Un dato que ilustra la magnitud del desastre: la cotización de Telefónica, el principal valor de la Bolsa española, ha descendido un 66% desde marzo del año pasado. Ello supone que la compañía vale hoy casi ocho billones de pesetas menos que hace 18 meses.

La debacle de ayer se explica en parte por el aumento del paro en EEUU, que subió un 0,4% en agosto hasta situarse en el 4,9% de la población activa, la peor estadística desde 1997. El consumo sigue manteniéndose en niveles aceptables en EEUU, pero los beneficios de las empresas y la inversión han experimentado una fuerte contracción.

EEUU, con un crecimiento del 2%, ha dejado de tirar de la economía mundial como lo venía haciendo desde 1990. Pero Europa no ha sido capaz de tomar el relevo. Alemania da alarmantes signos de debilidad, mientras que Japón, el tercer gigante de la economía mundial, sigue sumido en una profunda recesión que ha llevado a sus grandes compañías a efectuar despidos sin precedentes.

Es la primera vez desde la crisis del petróleo de 1979 que las economías de EEUU, Europa y Japón se hallan simultáneamente estancadas, lo cual ya está teniendo efectos muy negativos sobre el comercio mundial.

Pero lo peor está probablemente por venir, ya que el principal temor es que el hundimiento de las Bolsas acabe por afectar al consumo. Ocho millones de españoles han invertido parte de sus ahorros en acciones. Sus importantes pérdidas van a acabar notándose en la ventas de automóviles o en la adquisición de viviendas, con el efecto boomerang que ello produce sobre la inversión y el empleo en estos y otros sectores.

Ningún analista es capaz de predecir dónde está el final de esta crisis de confianza. Pero sería un error minusvalorar la repercusión de este desplome, ya que, aunque los histéricos comportamientos de los mercados no guardan siempre relación con la economía real, una bajada fuerte y sostenida de las Bolsas acabará por crear las condiciones de una recesión, hoy todavía evitable.

¿Está usted de acuerdo con estas opiniones? Aporte sus ideas en el foro abierto sobre cada editorial en la dirección: www.elmundo.es/diario/opinion


Un exemple en espagnol : segmentation en phrases

La Bolsa de Tokio cerró ayer a su nivel más

bajo en 17 años mientras que Wall Street

consumaba pérdidas por encima del 20% desde

mayo pasado.


Un exemple en espagnol : pose de balises de début de segment

•d•La Bolsa •[p•de Tokio cerró ayer •[p•a

•d•su nivel más bajo •[p•en 17 años

•[P•mientras que •[•Wall Street consumaba

pérdidas •[p•por encima •[p•del 20%

•[p•desde mayo pasado.


Un exemple en espagnol : découpage en segments sur •[

0 : •d•La Bolsa

1 : •[p•de Tokio cerró ayer

2 : •[p•a •d•su nivel más bajo

3 : •[p•en 17 años

4 : •[P•mientras que

5 : •[•Wall Street consumaba pérdidas

6 : •[p•por encima

7 : •[p•del 20%

8 : •[p•desde mayo pasado.


Un exemple en espagnol : traitement répétitif sur les segments

0 : •d•La Bolsa S sing principale



0 : •d•La Bolsa S sing principale

1 : •[p•de Tokio cerró ayer



0 : •d•La Bolsa S sing principale --> 1 V

1 : •[p•de Tokio •ss•cerró ayer V <-- 0 S sing





2 : •[p•a •d•su nivel más bajo





2 : •[p•a •d•su nivel más bajo 3 : •[p•en 17 años





2 : •[p•a •d•su nivel más bajo 3 : •[p•en 17 años 4 : •[P•mientras que

P






P 5 : •[•Wall Street consumaba pérdidas






P 5 : •[•Wall Street •ss•consumaba pérdidas

SV sing







SV sing 6 : •[p•por encima







SV sing 6 : •[p•por encima 7 : •[p•del 20%







SV sing 6 : •[p•por encima 7 : •[p•del 20% 8 : •[p•desde mayo pasado.


• amorce lexicale multilingue de 100 à 200 "mots" / langue

• .pl < 100 Ko

• analyse descendante : phrases, virgulots, chunks approchés (frontière NV localisée au moment de la détection du verbe)

• traitement répétitif sur les chunks approchés

• un chunk en attend un autre, par jeu des piles

S->V V->O Vadj->V V->cV SV->cSV

• mise en relation en 2 temps : empilement, dépilement

• verbe reconnu par l'attente d'un sujet, et par sa finale accordée

• interaction entre les processus de mise en relation

Moyens du traitement

9/10/2001 © Jacques Vergne Séminaire I3 du GREYC -77-

conclusions (provisoires)

• des tâches classiques sont faisables avec des moyens minimaux

(d'autres tâches moins classiques aussi, cf. Nadine Lucas et Emmanuel Giguet)

• l'économie de moyens facilite le travail :- économie de ressources lexicales- facilité d'ajout d'une langue- toujours au dessus du mot

(pas de différence entre mot et locution)

• encore du chemin ...

-


fin de l'exposé

•

• vous pouvez télécharger cette présentation sur http://www.info.unicaen.fr/~jvergne/seminaire_GREYC_I3oct2001.ppt

• voir aussi ma présentation à TALN 2001 sur http://www.info.unicaen.fr/~jvergne/TALN2001_JV.ppt

• voir aussi mon tutoriel du Coling 2000"Trends in Robust Parsing"

sur http://www.info.unicaen.fr/~jvergne/tutorialColing2000.html

(présentation et références)

-


vos questions ?

-

Une expérience d’analyse syntaxique calculatoire minimale Jacques Vergne GREYC - Université de...

Documents

Transcript of Une expérience d’analyse syntaxique calculatoire minimale Jacques Vergne GREYC - Université de...