Génération dynamique de réponses coopératives dans WEBCOOP

Présentation au sujet: "Génération dynamique de réponses coopératives dans WEBCOOP"— Transcription de la présentation:

1 Génération dynamique de réponses coopératives dans WEBCOOP
Farah Benamara IRIT, Toulouse GENI

2 Introduction WEBCOOP : un système qui produit des réponses intelligentes en français à des questions en LN sur le web. Il intègre des procédures de raisonnements ainsi que techniques NLG couplées avec des liens hyper-textes  réponses dynamiques. N’est pas développé dans une perspective de dialogue et n’inclut pas de modèle utilisateur. GENI

3 II. Le corpus d’étude Étude de corpus (en cours)
Frequently Asked Question (FAQ) sur le tourisme (hébergement, transport, location…) Permet de caractériser nos besoins en coopérativité Quelques exemples. GENI

4 Exemple 1 : AIR FRANCE GENI

5 Exemple 2 : http://www. cote-azur. businessriviera. com/accueil/faq_fr
GENI

6 II. Le corpus d’étude Exemple 3: [ Question : Can I pay through your web site? Réponse: On line payments are not available at this time, but you can send your payment vía fax including all details of your credit card. Exemple 4 : [ ] Question : Êtes-vous près du théâtre et du restaurant de la roche à Veillon? Réponse : La Roche à Veillon est située sur la 132 dans la partie est du village à environ 8 km de notre gîte. GENI

7 III. Les réponses coopératives dans WEBCOOP
Étude de corpus : le bilan Les questions utilisateurs : mots clés ou des expressions en LN Les réponses peuvent être atomiques ou narratives Cibler différents types de comportement coopératif  réponses explicatives, conditionnelles, intentionnelles, ‘’warning’’, textuelle… Les réponses coopératives dans WEBCOOP : nos spécifications GENI

8 Relaxation graduelle et minimale
III. Nos spécifications : exemple 1 Partie 1 : Diagnostic de fausses présuppositions Partie 2 : Le composant de savoir-faire coopératif Relaxation graduelle et minimale GENI

9 III. Nos spécifications: exemple2
Partie 1 : Diagnostic de fausses présuppositions Partie 2 : Le composant de savoir-faire coopératif Relaxation intentionalité GENI

10 Interpretation of fuzzy terms
III. Nos spécifications : exemple 3 Cooperative Know How Component Interpretation of fuzzy terms intentionality GENI

11 Le composant de savoir-faire coopératif
Détection de conflits possibles Forme logique de la question Diagnostic de fausses présuppositions oui Relaxation Pas ou peu de réponses non Le composant de savoir-faire coopératif conflits Relaxer(conflits) Intentionnalité Trop de réponses Forme logique des réponses Génération dynamique GENI

12 Le composant de savoir-faire coopératif
Détection de conflits possibles Question Logical Form oui Diagnostic de fausses présuppositions non Le composant de savoir-faire coopératif Trop de réponses conflits Pas de réponses Intentionnalité Relaxation Relaxer(conflits) Forme logique des réponses Génération dynamique GENI

13 VI. 1 Raisonnements pour la détermination de contenu : Diagnostic de fausses présuppositions
L’utilisateur présuppose l'existence d'une entité qui n'existe pas, ou présuppose la présence d'une relation entre deux entités (ou types d'entités) qui est inconsistante avec les faits. Techniques de détection de FP ‘‘Hyper résolution positive’’ [Chang and Lee, 73] ’’merge compatibility’’ entre la question et les CIs de la BC [Gal, 88] GENI

14 Violation de plusieurs CIs
VI.1 Raisonnements pour la détermination de contenu : Diagnostic de fausses présuppositions Conflits dans une question Q=Q1 Q2 ……Qn Absence de faits Violation d’une CI Violation de plusieurs CIs Cause du conflit : (Qi, Ri, CIi) Conflit pertinent GENI

15 VI. 2 Raisonnements pour la détermination de contenu : Le composant de savoir faire
Techniques de description intentionnelles (non traitées ici) Procédures de relaxation intelligentes qui vont au delà des méthodes de généralisation classiques. Règles de coopérativités additionnelles qui utilisent l’ontologie ainsi que les connaissances générales du domaine. GENI

16 VI. 2 Raisonnements pour la détermination de contenu : Le composant de savoir faire
Techniques de généralisation classiques [Gaasterland et ali, 92] (réécriture de prédicats, briser une dépendance…) Relaxation guidée par le(s) conflit(s) détectés Relation de proximité qui utilise les propriétés inhérentes aux objets, une ontologie conceptuelle et des relations de la sémantique lexicale. S’applique sur différents domaines techniques ou ontologique : distance (exp2), prix, capacité(exp1), type de transport… Processus itératif The proximity relation is associated with constraints (e.g. minimal relaxations, conceptually graded relaxations, which are relevant for the intentional component as well) to produce information useful and relevant for the user. It is one of the most productive know-how rule. It is an iterative process running till a flexible solution is found that leads to a non-empty and coherent solution. GENI

17 VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité
Soit T l’ensemble des variables qui apparaissent dans le conflit Soit X l’ensemble des variables qui apparaissent dans les prédicats où un élément de T apparaît Soit F(X,T) l’ensemble des prédicats de la question où au moins une variable de Var=X  T apparaît, et R le reste de la question. The proximity relation is associated with constraints (e.g. minimal relaxations, conceptually graded relaxations, which are relevant for the intentional component as well) to produce information useful and relevant for the user. It is one of the most productive know-how rule. It is an iterative process running till a flexible solution is found that leads to a non-empty and coherent solution. La règles de réécriture générale est Relax(F(Var), T)  R  NewFormule GENI

18 VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité -cas1-
Considérer plusieurs objets de même type, au lieu d’un jusqu’à ce que la contrainte soit satisfiable. Exemple : chalet(x)  in(place, x,z)  capacity(x, nb1)  chalet(y)  in(place, y,z)  capacity(y, nb2)  x  y  near(place,x,y,result)  z= Corsica  (nb1+nb2)  15. The proximity relation is associated with constraints (e.g. minimal relaxations, conceptually graded relaxations, which are relevant for the intentional component as well) to produce information useful and relevant for the user. It is one of the most productive know-how rule. It is an iterative process running till a flexible solution is found that leads to a non-empty and coherent solution. GENI

19 VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité -cas2-
Proposer le même type de ressource proche du type de ressource à l’origine de l’échec. Exemple : A la question : flight(x,paris,T)  T = albi est relaxée via flight(x,paris,Z)  T = albi  near(place,T, Z, result)  T  z The proximity relation is associated with constraints (e.g. minimal relaxations, conceptually graded relaxations, which are relevant for the intentional component as well) to produce information useful and relevant for the user. It is one of the most productive know-how rule. It is an iterative process running till a flexible solution is found that leads to a non-empty and coherent solution. GENI

20 VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité -cas3-
3. Relaxation minimale par rapport à une ressource qui rend consistante la contrainte violée. Exemple : la formule logique de l’exemple 1 chalet(x)  in(place, x,y)  capacity(x, nb)  nb=15  y= corsica Est relaxée via : near(typeof(x),x,v,result)  in(place, v ,y)  capacity(v, nb)  nb=15  y= corsica. The proximity relation is associated with constraints (e.g. minimal relaxations, conceptually graded relaxations, which are relevant for the intentional component as well) to produce information useful and relevant for the user. It is one of the most productive know-how rule. It is an iterative process running till a flexible solution is found that leads to a non-empty and coherent solution. GENI

21 V. Génération dynamique de surface de réponses coopératives
Génération dynamique  (1) les problèmes de planification propre aux NLG sont laissés à l’usager, (2) améliore la lisibilité et l’accès à l’information. Le processus de génération s’appui sur : (1) quelques fragments de phrases prédéterminées et (2) sur l’assemblage de fragments sous spécifiés. GENI

22 V. Génération dynamique de surface de réponses coopératives
Les liens hypertextes sont sur des concepts généralisés (souvent NPs) ou sur des termes faisant partie de la réponse et qui correspondent à des concepts non terminaux de l’ontologie. Lexicalisation : garder trace des termes de la question et les utilisées le plus possible. GENI

23 Conclusions Présenter les aspects formelles de la détermination du contenu et quelques éléments de la génération de surface. Composant de savoir-faire basé ’’actuellement’’ sur de la relaxation minimale intelligente formalisée par une relation générique de proximité GENI

24 Conclusions : extensions futurs
Développer de nouvelles stratégies de savoir-faire coopératives ainsi que leurs implémentations (les termes flous ), Analyser l’utilisation des techniques d’argumentation (Horacek, 99), en particulier quand une FP est causée par la violation de plusieurs CIs Spécifier les stratégies pour la génération de réponses intentionnelles dans le composant de savoir-faire, Étudier les aspects externes pour la génération de fragments de textes extrait de page web, en particulier pour les questions nécessitants des réponses narratives tels que des procédures ou des comparaisons. GENI

25 F. Benamara et P. Saint Dizier, Dynamic Generation of Cooperative Natural Language Responses,
Ninth European workshop on Natural Language Generation . EACL, Budapest, Hongrie; Avril 2003. GENI