Anne-Laure Ligozat Séminaire LIR 22 novembre 2005 Etat des lieux Anne-Laure Ligozat Séminaire LIR 22 novembre 2005

Ma thèse Question-Réponse: Au-delà de la phrase pour une meilleure exploitation des documents Rendre un système plus fiable En vérifiant au maximum les réponses données En présentant à l’utilisateur des éléments de contexte Tirer parti au maximum des documents/Aller au-delà de la phrase pour répondre Répliquer une recherche de réponse manuelle Agrandir ou rétrécir la question Rendre un système plus fiable En vérifiant au maximum les réponses données En présentant à l’utilisateur des éléments de contexte

Comment tout a commencé… Stage de DEA: Appariement syntaxique pour le système de Question-Réponse du groupe LIR But Améliorer l’extraction de la réponse en prenant en compte les relations syntaxiques Etapes Evaluation des outils syntaxiques disponibles Grammaire des questions françaises Premiers tests d’appariement Difficultés Qualité des analyseurs en particulier sur les questions Choix des relations à rechercher Prise en compte des variantes

Question-Réponse multi-phrases

Question-Réponse multi-phrases Modélisation de l’inférence et application à un système de Question-Réponse (QR) Constat: pour répondre à certaines questions, il est nécessaire de rassembler des éléments provenant de plusieurs phrases Actuellement les systèmes de QR ne trouvent la réponse que si sa justification est dans une petite portion de texte

Quelques précisions phrase réponse réponse justification Nommez un film qui a gagné un Ours d’Or au Festival du Film de Berlin. phrase réponse réponse ‘Music Box' gagne l’Ours d’Or au 40ème Festival du Film de Berlin Le film américain "Music Box" justification

Motivations Nécessité de travailler sur plusieurs phrases: [Burger et al., 2001] et [Moldovan et al., 2003] Considérée pour les questions «à listes» (“Citez un ...”) ou instructions (“ Comment faire pour…”) Point de vue un peu différent : on s’intéresse aux questions factuelles dont les éléments de justification sont répartis sur plusieurs phrases, et non pas aux questions attendant une réponse longue

Pertinence de l’approche De nombreuses questions ont des justifications réparties sur plusieurs phrases Par exemple, la phrase réponse peut ne pas contenir: Le type attendu de la réponse: Dans quelle vallée le Traité de paix entre la Jordanie et Israël a-t-il été signé ? Le contexte temporel: Simple: dépêches  souvent dans le titre Complexe: Qui a félicité Indurain pour sa « capacité de sacrifice, sa clase et son sain esprit de compétition lorsqu’il a remporté le Tour de France pour la 4ème fois ? D’autres informations comme la nationalité: « Quel coureur espagnol a gagné une étape du Tour de France en 2003 ? » Pour toutes les questions on peut être amené à traiter ce type de réponses

Questions multi-phrases Définition: Question considérée multi-phrases si dans la phrase réponse manquent: Un contexte (temporel, spatial, événementiel…) Le type attendu de la réponse Une relation syntaxique Remarques: On considère que les anaphores sont étiquetées dans notre corpus Cette définition dépend à la fois de la question ET de la réponse Remarque : dans « LA » phrase réponse = dans toutes les phrases réponses en fait ? Ou au moins une ?

Corpus Etude de corpus pour distinguer les informations pouvant manquer dans la phrase réponse Corpus: Questions d’Equer et AnswerBus Documents de CLEF Objectif: éliminer biais Entre questions et documents Des connaissances des organisateurs des campagnes d’évaluation

Catégories de questions multi-phrases Catégories détectées précédemment, pour lesquelles manquent Type attendu de la réponse Contexte temporel simple ou complexe Mais également Questions sous-spécifiées par rapport au corpus Contexte temporel sous-spécifié A qui des prix Nobel ont-ils été attribués pendant la seconde guerre mondiale ? Liste de prix Nobel + dates de la seconde guerre mondiale Type attendu (au sens large) Quel âge a le président français ? Le président français François Mitterrand + Mitterrand, 78 ans Quand est né le 42ème président des Etats-Unis ? Bill Clinton, 42ème président des Etats-Unis + né en juillet 1946, George W. a six mois de plus que Bill Clinton Questions « doubles » Qui a été désigné comme prix Nobel mais a dû le refuser ? Le lauréat russe du prix Nobel (…) Boris Pasternak + Boris Pasternak, soviétique (obligé de refuser le prix)

Travaux sur les questions « complexes » Peu de systèmes gèrent les réponses multi-phrases, mais des éléments de traitement multi-phrases peuvent être trouvés dans plusieurs travaux Validation du type attendu en utilisant connaissances ou redondance [Schlobach et al., 2004] Which is the biggest city in the world ? Contexte temporel simple recherché sur plusieurs phrases [Moldovan et al., 2005] What country controlled Syria in 1930? Contexte temporel complexe par décomposition des questions [Saquete et al., 2004] Where did Bill Clinton study before going to Oxford University? Questions « sous-spécifiées » décomposées en fonction de syntaxe et connaissances linguistiques [Katz et al., 2005] When was the 20th President of the U.S. born? Mais Pas de stratégie unifiée Pas de définition des questions considérées comme complexes Traitements indépendants du corpus

Notre système Analyse des questions Normalisation de certaines questions Pour analyse syntaxique et traduction Etiquetage morpho-syntaxique Analyse syntaxique Ecriture de grammaires spécifiques aux questions Repérage des contextes temporels Questions restreintes temporellement de CLEF 05 Reconnaissance du type attendu et de la catégorie de la question Complétion des lexiques existant pour la reconnaissance du type attendu Création de lexiques et patrons dépendant de la langue des questions Création de catégories de questions ad hoc

Notre système (2) Appariement question-réponse Travail avec Vincent sur l’appariement question-réponse: sélection des phrases et extraction de la réponse Algorithme de sélection des phrases réponses en fonction d’une distance syntaxique et non plus linéaire Sélection d’un arbre syntaxique élagué contenant chaque terme de la question ou une variante et une entité nommée du type attendu

Travail réalisé ou en cours 1er objectif: Définir un cadre unificateur pour la décomposition des questions Définition et classification des questions « complexes » Décomposition de ces questions Idée: réduire la question en un ensemble de propriétés que la réponse devra vérifier: Type attendu, action effectuée… en respectant les différents contextes Which liberal politician was Italy's Health Minister from 1989 to 1993? Contexte temporel: from 1989 to 1993 Type attendu: politician (PERSON) Autres relations: liberal, Italy's Health Minister Problèmes: Quelle granularité de ces propriétés ? Prendre en compte toutes les relations ?

Travail réalisé ou en cours (2) Algorithme en cascade pour répondre à des questions à réponses complexes Essayer de trouver les propriétés dans un même segment de texte Sinon utiliser la décomposition de la question jusqu’à sa complète résolution Difficultés (entre autres…): Ordre des relations à vérifier Quel âge a le président français ? = Qui est le président français ? +> Quel âge a François Mitterrand ? Dans quelle vallée a été signé le traité de paix entre Israël et la Jordanie ? = Où a été signé le traité de paix entre Israël et la Jordanie +> Est-ce que Wadi-Araba est une vallée ? Imprécision possible des questions à prendre en compte: Quelle entreprise américaine a introduit un médicament générique dans un pays européen ?  3 inconnues interdépendantes Reconnaissance des différentes formulations des réponses nécessaire

Justification contextuelle des réponses

Justification contextuelle des réponses Hypothèse en QR: un utilisateur préfèrerait avoir une réponse précise plutôt qu’une liste de documents Problème: pas d’élément d’évaluation des réponses Quel contexte donner ? Evaluations: phrases ou référence du document. Assez ? Trop ? « Taj Mahal problem »  nécessité de plus d’informations

Justification contextuelle de la réponse Question: quel éléments d’information donner à l’utilisateur ? Hypothèse de travail: un ensemble d’informations précises Qui a découvert la tombe de Toutankhamon ? Howard Carter et Lord Carvanon Quand ? En 1922 Où ? Dans la Vallée des Rois en Egypte Justification de la réponse En détaillant les raisonnements effectués En donnant un contexte de validité de la réponse

Justification temporelle Restriction aux aspects temporels Justification temporelle d’une réponse: indication temporelle sur cette réponse sous la forme d’une date ou d’une période Exemple: Combien d’habitants la France compte-t-elle ? 58 millions en 1994 Plus ou moins utile selon les questions: « Quel âge a Bill Clinton ? » vs. « Où est la couche d’ozone ? »

Classifications des questions Selon un critère temporel Questions temporelles i.e. comportant une indication temporelle Sous forme d’une date ou d’une période: « en 1994 », « depuis 1972 » Sous forme d’un événement « avant d’être paralysé » Questions attendant une réponse temporelle: Quand/En quelle année… Questions sans contrainte temporelle Problèmes: Ne rejette pas « Où est la couche d’ozone ? » Pas d’analyse de la relation entre la réponse et son contexte temporel

Classification des questions Classification utilisée dans les évaluations Questions de définition Acronymes: What is the ESA? Personnes: Who is Goodwill Zwelithini? Objet ou organisation: What is the Civic Alliance? Questions factuelles Instances: Name a university in Berlin. Personnes: What is the Serbian President's name? Caractéristique: How old is Jacques Chirac? Evénementielles: What did astronomers from Alabama University discover? Descriptives: Which genes regulate the immune system?

Contexte temporel Relation entre la réponse et son contexte Date de l’événement pour événementielles Date/Période à laquelle la réponse est vraie pour les autres Place du contexte Dans la même phrase que la réponse Dans le même paragraphe Dans les méta-données

Travail en cours Module d’exploitation des contextes temporels Création d’un corpus de questions et de documents réponses associés Etiquetage des dates dans les documents Marquage des contextes temporels => Corpus de test Algorithme de reconnaissance du contexte temporel en fonction de la catégorie de la question Définition d’une nouvelle tâche pour CLEF

Merci !