La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Cours sur le traitement automatique des langues : La sémantique (1b)

Présentations similaires


Présentation au sujet: "Cours sur le traitement automatique des langues : La sémantique (1b)"— Transcription de la présentation:

1 Cours sur le traitement automatique des langues : La sémantique (1b)
Violaine Prince Université de Montpellier 2 LIRMM-CNRS

2 Plan de l’exposé Classement des approches sémantiques
Par granularité Par paradigme Sémantique vectorielle : un modèle trans-granularité Conclusion et perspectives

3 Classement des approches sémantiques
La notion de granularité : Taille du segment interprétable. Sublexical (les sèmes) Lexical (le mot) Syntagmatique (syntagmes/groupes) Phrastique (phrase/proposition) Textuel (ensemble de phrases) Document (texte complet) Collection

4 Les granularités définies
Le niveau sublexical est peu décrit : Théories linguistiques de type sémantique structurale (Pottier, Greimas) Travaux informatiques : M. Gross : constitution de dictionnaires (Intex/ Sylberstein) Informatisation des travaux de F. Rastier (P; Beust)

5 Sémantique structurale
Ecole Française de Bernard Pottier et ses élèves (Greimas, Rastier) Le mot est un « ensemble » de « sèmes » ou signes de sens. La structuration sémantique est une « superstructure » de la structuration sémique. Deux unités sont différenciées : le sème (signe) et le sémantème (unité de sens)

6 Représentation sémantique structurale
Une « partie » du mot « pompe » 1. appareil aspiration liquide 2. appareil à essence les propriétés de l’essence 3. essence pour véhicule lieu consacré à la vente station d’essence 4. entreprise

7 Le niveau lexical (sémantique lexicale) est très riche.
Mots ou groupes de mots inséparables. Exemples : Pomme Pomme-de-terre Sert de base aux dictionnaires Plusieurs paradigmes défrichent ce niveau.

8 Expression syntagmatique nominale :
Niveau syntagmatique/groupe : les sémantiques n-grammes (bi ou trigrammes) Expression syntagmatique nominale : N1 de N2 (B. Habert) Moulin à café (quasi-lexicalisé) Médecin de famille Fleur des champs, fleur de pommier… Peu de travaux sur les groupes verbaux (sauf en anglais en raison des suffixes) En gros, des sémantiques de type « opérationnel » à base fréquentielle (Zipf, Harris…)

9 Les expressions figées : lexicalisation (E. Laporte).
Le niveau propositionnel est le domaine privilégié des modèles sémantiques logiques. La proposition est « complète » en termes de sens Elle est évaluable L’évaluation se fait après décomposition (en éléments constitutifs) et recomposition du sens Le rapport entre phrase et proposition n’est pas toujours très clair (la majorité des exemples de phrases sont des propositions). Les expressions figées : lexicalisation (E. Laporte). Balayer devant sa porte. Tourner autour du pot (to beat around the bush).

10 Le niveau textuel sémantique commence à se confondre avec le niveau thématique.
Un texte = un énoncé = un ensemble de phrase. N’est pas une unité « complète » Possède un « thème » (ou plusieurs) De quoi parle le texte ?

11 Travaux sur les liens entre phrases (inter-phrastiques).
Anaphore pronominale : attachement syntaxe-sémantique.. Parfois fondé sur des connaissances extra-sémantiques. Le médecin est venu voir Pierre. Il avait 39 de fièvre. Le médecin est venu voir Pierre. Il avait une sacoche noire bourrée. Le médecin est venu voir Pierre. Il est arrivé une heure et demie après notre appel. Le médecin est venu voir Pierre. Il était enrhumé.

12 Travaux de Grosz et Sidner (1986) : « focus and attention »
L’attachement pronominal se fait majoritairement avec le dernier nom de même genre et nombre. Le médecin est venu voir Pierre. Il avait 39 de fièvre (1/4 exact) Sinon, il dépend du « thème » général du texte. Thème médecin : personne spécialiste, faisant des visites, à l’appel des malades, portant une sacoche. Le médecin est venu voir Pierre. Il avait une sacoche noire bourrée. Le médecin est venu voir Pierre. Il est arrivé une heure et demie après notre appel. 2/4 exact.

13 Thème « Pierre est malade »
Il a de la fièvre, il est enrhumé. Le médecin est venu voir Pierre. Il avait 39 de fièvre Le médecin est venu voir Pierre. Il était enrhumé. 2/4 exact. Double thème : le médecin et Pierre est malade. Les quatre énoncés sont interprétables Cependant, le médecin peut-être lui aussi enrhumé.

14 Les anaphores nominales : la relation de synonymie ou de proximité sémantique lexicale.
Pierre est allé voir un ophtalmologiste. Le spécialiste lui a donné une ordonnance pour une nouvelle paire de lunettes. Qu’avez-vous fait à Marie-Hélène ? Cette femme n’arrête pas de téléphoner.

15 Trois dimensions semblent co-exister et interagir:
Dès lors qu’on dépasse en granularité le niveau propositionnel, des « niveaux » d’analyse autres que sémantiques semblent être sollicités. Trois dimensions semblent co-exister et interagir: La syntaxe (règles de composition) La sémantique (règles de pré-interprétation) La pragmatique (stratégies d’interprétation => opérer des choix dans les pré-interprétations sémantiques)

16 Au niveau du document : On passe complètement dans des structures d’analyse ou de représentation « stylistiques » ou de contenu. Les travaux informatiques sur le document ne concernent que : Sa structuration (formalisée ou pas) Ses liens (hypertextes…) Sa pertinence par rapport à une requête (recherche d’information) Sa thématique représentable par des mots clés (indexation) Sa catégorisation (par rapport à un thème fourni) Sa classification (par rapport à un thème, une collection ou un autre document)

17 La collection : complètement dans une vision thématique
Collection de textes Collection d’ouvrages qui sont eux-mêmes des collections de texte Les travaux informatiques sont ceux de la recherche documentaire (Salton et dérivés).

18 Conclusion sur la notion de granularité
La sémantique s’efface avec l’augmentation de la granularité, graduellement, au profit de la thématique. La sémantique apparaît plus non pas comme un choix univoque d’interprétation (fonction) que comme un choix ensembliste (application d’un élément vers une partie d’ensemble). On parle plutôt de « champ sémantique ».

19 En réalité, la sémantique est un mécanisme de comparaison beaucoup qu’un mécanisme d’affectation de valeur. Au niveau sublexical : pompe : « proche » d’appareil, d’appareil à essence, de station, d’entreprise… proche aussi d’aspiration (appareil aspirant) d’air(fusil à pompe), de mouvement haut et bas (faire des pompes)….

20 Au niveau lexical : quel terme exact choisir pour remplacer « pompe » …
Au niveau syntagme/groupe : savoir si le syntagme à un sens différent de la composition des sens des constituants. Composition non commutative ; Voile de Bateau différent de Bateau à voile Valeur des moyennes différent de moyenne des valeurs

21 Composition souvent non intègre
Moulin à paroles -> bavard Pomme-de-terre -> rien à voir avec la pomme et la terre Les formalismes n-grammes ne conservent pas toujours la nature même du lien

22 Au niveau propositionnel :
L’évaluation à la valeur de vérité n’est absolument pas pertinente. Une phrase est interprétée linguistiquement si on en reconnaît le thème et on sait l’associer à des objets du monde (interprétation extra-sémantique) Une phrase est interprétée informatiquement si et seulement si elle est transcrite dans un formalisme sans perte d’information intrinsèque, qui conserve ses relations de proximité et son appartenance thématique.

23 triangle aristotélicien
Langue référent : objet linguistique référé: objet mental objet référé: objet du monde monde individu triangle aristotélicien L’interprétation linguistique associe : pour un individu donné Un référent donné (objet linguistique) À un objet du monde

24 L’ « interprétation informatique » associe,
pour un objet linguistique donné - un objet mathématique Calculable par une machine Interprétable Par un individu Et représentable Par ce dernier Langue Formalisme . machine

25 En machine on ne fait que re-présenter et non pas interpréter
On délègue à la machine le processus de calcul des similitudes et des proximités (entre énoncés) Quand il y a de GRANDES MASSES de données

26 Les paradigmes (de calcul)
Le paradigme symbolique logique On traduit l’énoncé en langue en un énoncé logique que l’on manipule ensuite selon ses propres lois Au lieu d’interpréter en valeur de vérité absolue, on vérifie que l’énoncé est valide par rapport aux « ontologies ». On appelle ontologie une structure de connaissances qui : Relie des concepts entre eux Leur associe des propriétés Possède des propriétés exploitables par des opérateurs

27 Exemple : ontologie de schémas (Minsky)
valeurs par défaut pour C1n sous forme d ’{attribut (facette, valeur)} C11 Schéma de C11 Schéma de C1n-1 C1n-1 Schéma de C1n C1n lien « is-a »

28 Exemple Chaise : meuble chaise fauteuil chaise-à-porteur fait en :
matière (organique, minérale) type (naturelle, artificielle) prix: origine : composé de: pieds (3, 4) dosseret (oui,non) barreaux :( oui,non) assise :matière meuble chaise fauteuil chaise-à-porteur 17ème siècle mode de transport

29 Formalismes d’ontologies :
Treillis(de Galois) Arborescences Réseaux (sémantiques) Ont du mal a différencier le statut « langue» du statut « formalisme » au niveau lexical « dictionnaires », « thésaurus »

30 Les modèles de données Les « ontologies » arborescentes
après l ’échec d’une structuration trop importante et trop large restriction des années 90 à une application à un domaine, de préférence technique et défini à une structure arborescente plusieurs « arbres de connaissance » plutôt qu ’un seul réseau

31 Exemple (1) domaine : chimie
application : enseignement secondaire de la chimie atomique: agrégats « partie-de » substance molécule atome particule

32 Exemple (2) domaine : chimie
application : enseignement secondaire de la chimie atomique: agrégat « sorte-de » particule particule chargée particule neutre proton électron neutron

33 Propriétés structurelles
relations typées sorte-de selon un critère sorte-de : inclusion de classe sorte-de : membre-de partie-de Les ontologies arborescentes supposent : un mot un sens ce qui correspond qu ’à un sous-ensemble très faible du langage naturel

34 Les modèles multi-structure
Les graphes conceptuels (Sowa 1984) l ’idée que l ’esprit et le langage s ’organisent de la même manière (ressemblance des contextes linguistique et mental) il existe une représentation en lambda-calcul du contexte mental application à la langue

35 Graphes conceptuels Modèle de données Lambda-formules
Un treillis de concepts Un treillis de relations Lambda-formules Graphe canonique Graphe de définition Graphe de phrase

36 Fonction des modèles symboliques logiques
Actions « sémantiques » réalisées: Transformer la phrase en LN : La chaise est bleue En sa structure logique (ou sa lambda-expression): Chaise (x)  couleur (x, « bleu ») Vérifier dans l’ontologie Que chaise existe Qu’elle peut avoir une couleur Que la couleur « bleu » existe Qu’il n’existe pas de contrainte contre la couleur bleue pour une chaise

37 Limites en LN Reste le problème de savoir :
S’il s’agit d’un exemplaire de chaise répertorié dans l’ensemble des connaissances  x0 X/ chaise(x0) couleur(x0, « bleu ») S’il s’agit d’un nouvel exemplaire  x chaise(x) couleur(x, « bleu ») => x X S’il s’agit d’une assertion concernant la classe des chaises x X chaise(x) => couleur(x, « bleu »)

38 Beaucoup de connaissances à intégrer Problème des sens figurés du mot:
jouer aux chaises musicales mener une vie de bâton de chaise Et de certains de ses dérivés : ambitionner le fauteuil présidentiel. A éviter en recherche d’information ou indexation

39 Autres paradigmes Le paradigme symbolique numérique
Le modèle connexionniste Le modèle vectoriel (non saltonien) Le paradigme statistique/probabiliste Modèle vectoriel de Salton La co-occurrence de Church Les mesures de similarité ou de similitude La sémantique distributionnaliste (Harris) Les chaînes de Markov Le modèle de Markov caché

40 Le modèle connexionniste
Plusieurs approches connexionistes de la sémantique Sémantique Lexicale Calculer le sens d’un mot en contexte (par rapport aux autres mots co-occurents). Un réseau mono ou bi-couche de n cellules ayant chacune une variable d’état xn Des arcs entre ces cellules avec un poids qui affecte les états des cellules qu’ils relient Des équations d’état pour qui sont des gradiants d’une fonction d’énergie F(x,p,t))= grad_x(E(x,p,t)). Un mécanisme d’apprentissage sous forme d’équation de modification de poids/ p’=L(x,p,t).

41 Les cellules représentent des mots
Ils sont reliés en fonction de leur présence dans un contexte donné (fenêtre) Les poids sont définis initialement. Les changements d’état interviennent entre un état initial correspondant à une définition et un état final correspondant à la position en contexte dans une phrase donnée. Le mécanisme d’apprentissage recalcule le poids en fonction de la phrase apprise.

42 Modèles connexionnistes en sémantique : limites
Le réseau mono-couche « perd » la définition initiale. Le réseau bi-couche la conserve et permet de mesurer la différence entre un sens « dictionnairique » et un sens « en corpus », mais il est limité en taille… Les modèles mono-couche risquent de modifier très fortement les relations entre les mots en fonction des corpus rencontrés. On peut « oublier » des sens rares On peut apprendre de manière biaisée.

43 Les modèles vectoriels
Le modèle vectoriel sera présenté dans le prochain cours. Modèle à famille génératrice de taille fixe (équipe TAL du LIRMM) Issu du TAL. Modèle sémantique. Modèle à base de taille variable (modèle de Salton). Issu de la recherche documentaire. Problème de la pertinence d’un texte par rapport à une requête Non TAL Non sémantique

44 La co-occurrence de Church: Formule de l’information mutuelle (n-grammes)
Modèle fondé sur des probabilités conditionnelles Notion de fréquence d’apparition commune entre des termes. Si x et y sont tous deux des mots, l’information mutuelle I(x,y) est donnée par la formule : Où, si N est le nombre total de mots : p(x) = freq(x)/N p(y) = freq(y)/N p(x,y) = freq(x,y)/N I(x,y) = log2 [p(x,y)/(p(x)p(y))]

45 On remarque que plusieurs bi-grammes sont de fréquence très basse.
L’information mutuelle a des valeurs exagérémment élevées pour des bigrammes de basse fréquence , cad qu’elle considère comme associés des termes qui ne le sont pas tellement. Formule du maximum de vraisemblance log[ (freq(x,y)/N)/(freq(x)/N)(freq(y)/N) ] Quand on passe aux n-grammes , la fréquence diminue encore.

46 Les mesures de similarité ou de similitude
Plusieurs mesures existent. Elles définissent La proximité d’un document par rapport à un autre en fonction des termes qu’ils contiennent La pertinence thématique d’un document par rapport à un index, un mot-clé, une requête Elles proviennent d’une approche « recherche documentaire »/statistique (vs IA/logique ou IA/connexionniste)

47 Les mesures de similarité ou de similitude
Produit scalaire (cosinus) ou similarité de Salton. Mesure géométrique de type distance : cos(d,d’)= d.d’/(IIdIIxIId’II) Coefficient de Jaccard Mesure ensembliste ou {d} est l’ensemble des unités linguistiques du document d jaccard(d,d’)= I{d}{d’}I/(I{d} {d’}I) 1- jaccard(d,d’) vérifie l’inégalité triangulaire et donc se comporte comme une distance.

48 La sémantique distributionaliste (Harris)
En France, travaux de Rajman, Habert, Bonnet Ailleurs : Grefenstette, Dagan, Sparck Jones…Forte corrélation entre les caractéristiques distributionnelles observables des mots et leurs sens. Les contextes apportent suffisamment d’information pour un lecteur humain pour être en mesure d’affecter un sens à un mot en contexte. Lemme : Deux unités linguistiques sont sémantiquement similaires si leurs contextes textuels sont similaires.

49 Approches distributionalistes
Intégration de matrices de co-occurrence Interprétation de profils de co-occurrence probabilistes (Besançon et Rajman) P(tiIuj) ≈ cij= f(tj,ui) / kf(tk, ui) En d’autres termes; la probabilité que le sens porté par le terme tj soit associé à l’unité linguistique ui est aussi le coefficient dans la matrice de co-occurrence des termes d’indexation avec les contextes (unités linguistiques) du corpus, c’est-à-dire la fréquence d’occurrence du terme par rapport à la somme des fréquences d’occurrences des termes dans cette même unité.

50 Exemple Le X se comporte de façon individualiste, il a une grande gueule rose quand il baille, et est très soucieux de sa toilette. Les Egyptiens adoraient le X et lui associaient des qualités de paix du foyer et de miséricorde. La nuit tous les X sont gris. X= chat

51 Les chaînes de Markov A eu un impact important dans la statistique textuelle Usage de la la probabilité conditionnelle (n-grammes) de manière différente: Plutôt que d'étudier le rapport entre deux variables X et Y, on cherche à caractériser la relation entre les états (symboles) consécutifs d'une seule variable X. On parlera alors de probabilité de transition d'un symbole vers un autre:  P(ai->aj) := P(Xt+1= ai Xt= aj) (probabilité conditionnelle) où ai, aj  A, et Xt représente l'état du système au temps t.

52 On appelle chaîne de Markov d'ordre 1 le modèle défini par une matrice de transition P de composantes Pij = p(ai ->aj). En généralisant, on peut construire des modèles d'ordre k≥ 1 avec Pij = p(w i->ai) et wi  Ak. Conseil :

53 Autres modèles Il existe de nombreux modèles mais ils apparatiennent à une famille. Famille symbolique logique Famille symbolique numérique Famille statistique/probabiliste

54 Synthèse Les modèles symboliques logiques essaient de représenter le sens par/pour le raisonnement Les modèles symboliques numériques essaient d’utiliser l’arithmétique, l’algèbre ou la géométrie pour représenter le sens par rapport : À d’autres sens À d’autres mots Les modèles statistiques ou probabilistes représentent le sens comme une probabilité ou une fréquence d’occurrence d’un motif dans un contexte.

55 Synthèse (fin) Les modèles symboliques logiques essaient de reconstituer artificiellement le triangle aristotélicien Les modèles symboliques numériques acceptent d’être exclusivement dans une relation référent(langue)-référent(formalisme) et considèrent que le référé est approché par le morphisme M qui dit que : Si x en L est relié à x1,x2,…,xn alors rep(x) dans F est relié à rep(x1),rep(x2),…rep(xn) par une fonction sur F. Les modèles statistiques/probabilistes ne travaillent que dans une relation référent(langue)-référent(langue) où la machine et les algorithmes servent de support de calcul sur de grandes masses de données.


Télécharger ppt "Cours sur le traitement automatique des langues : La sémantique (1b)"

Présentations similaires


Annonces Google