La narration en génération automatique de texte IFT6010 TALN La narration en génération automatique de texte Pierre-Luc Vaudry 18 décembre 2012

Plan Génération automatique de texte (NLG) Narration en NLG Applications Phases de traitement Narration en NLG Le problème Améliorations Ressources à exploiter

Génération de texte (NLG) Intelligence artificielle et linguistique informatique Entrée : données sous forme non linguistique Connaissance de la langue Connaissance du domaine Sortie : texte en langue naturelle Produit : rapports, messages d'aide, pages web, etc.

Applications de NLG Rapports et bulletins météorologiques Description de modèles orientés objet Lettres personnalisées pour l'arrêt du tabagisme Résumés par abstraction d'articles de presse Rapports médicaux à partir de données temporelles discrètes et continues Dialogue libre dans un jeu vidéo

Phases de traitement en NLG IA Dépendant du domaine Linguistique Indépendant du domaine

Planification du document Sélection du contenu But communicatif, public cible, données disponibles, contraintes de longueur, etc. Trier les données par importance Structuration du document Regroupements Relations ➝ sélection de contenus reliés Ordre

Microplanification Lexicalisation Unités lexicales Structures syntaxiques Génération d’expressions référentielles Coréférence : anaphores, désignations variées Deixis : contexte d’énonciation Aggrégation Décider quoi factoriser Comment le factoriser

Réalisation de surface Réalisation linguistique Syntaxe Morphologie Morphophonologie Espacement, ponctuation, casse Text-to-speech Réalisation de la structure du document Paragraphes, sections, titres, sous-titres

Narration en NLG Données temporelles ➝ événements Présentation des données Graphique : courbes à interpréter Textuelle : récit fournit une interprétation Prise de décision Texte rédigé par spécialiste > graphique Particulièrement pour les novices Texte généré ≈ graphique Diagnostic : structure narrative déficiente

Améliorer la narration Situation initiale et situation finale Acteurs principaux au premier plan Marqueurs temporels Détails de mise en contexte Enchaînement des thèmes (topical flow)

Réalisation de la narration Sélection du contenu Structure du document Marqueurs de relation Selon les relations découlant de la structure Structure syntaxique Actants exprimés et mis au premier plan Coréférence

Approche ascendante insuffisante Histoire Événements importants

Un problème apparenté Génération de scénarios de fiction (Story plot generation) BD de trames narratives provenant d’histoires existantes Requête pour créer une nouvelle histoire Chercher des trames narratives semblables Modifier et combiner avec BD et ontologie Générer le texte

Ressources pour l’anglais RST Discourse Treebank Structure hiérarchique (arbre) Pas de distinction entre les niveaux Noyau ➝ Satellite Feuilles : propositions (21,789 EDU) Penn Discourse Treebank Marqueurs de relation explicites (16K) et implicites (20K) Prédicats discursifs entre deux événements, états ou propositions

Ressource pour le français Corpus ANODIS 2 annotations relations rhétoriques structures multi-échelles 4 sources, dont : Est Républicain Genre brèves, type narratif 39 articles, 10 000 mots, 250 mots/texte

Utilisation des corpus Apprentissage automatique Taille suffisante, généralisation Marqueurs de relation Microplanification (sentence planning) Occurence, sélection, positionnement Structure narrative Proposition : modèle de structure discursive Planification descendante-ascendante

Conclusion Relations entre événements Peu d’exemples Règles du domaine Ontologie Marqueurs de relation et structure discursive Corpus disponibles Moins dépendants du domaine Apprentissage automatique possible

Microsoft Excellence en ingénierie Références A Gatt, E Reiter. (2009). SimpleNLG: A realisation engine for practical applications. Proceedings of the 12th European Workshop on Natural Language Generation. ENLG 2009. A McKinlay, C McVittie, E Reiter, Y Freer, C Sykes, R Logie (2010). Design Issues for Socially Intelligent User-Interfaces: A Qualitative Analysis of a Data-to-Text System for Summarizing Clinical Data. Methods of Information in Medicine, 49:379-387. F Portet, E Reiter, A Gatt, J Hunter, S Sripada, Y Freer, C Sykes (2009). Automatic Generation of Textual Summaries from Neonatal Intensive Care Data. Artificial Intelligence, 173:789-816. JR Cristy (2011). SimpleNLG Google Code Wiki Tutorial, Appendix A, [https://code.google.com/p/simplenlg/wiki/AppendixA] (consulté le 17 décembre 2012). Microsoft Confidentiel

Microsoft Excellence en ingénierie Références P Gervás, B Díaz-Agudo, F Peinado, R Hervás (2005). Story plot generation based on CBR. Knowledge-Based Systems, 18:235-242 R Prasad, A Joshi, N Dinesh, A Lee, E Miltsakaki, B Webber (2005). The Penn Discourse TreeBank as a Resource for Natural Language Generation. Proceedings of the Corpus Linguistics Workshop on Using Corpora for Natural Language Generation. Birmingham, U.K., July 2005. L Carlson, D Marcu, ME Okurowski (2001). Building a Discourse-Tagged Corpus in the Framework of Rhetorical Structure Theory. Proceedings of the 2nd SIGDIAL Workshop on Discourse and Dialogue. Eurospeech 2001, Denmark, September 2001. CLLE-ERSS (2012). Corpus ANODIS. [http://redac.univ-tlse2.fr/corpus/annodis/] (consulté le 18 décembre 2012) Microsoft Confidentiel