Télécharger la présentation
La présentation est en train de télécharger. S'il vous plaît, attendez
Publié parMichelle Gaulin Modifié depuis plus de 9 années
1
La création d’index à partir d’articles de presse pour apporter une aide à l’indexation audiovisuelle Estelle Le Roux – INA / LIMSI Séminaire LIR – 11 juin 2002
2
11/06/02 Estelle Le Roux - INA/LIMSI2 Plan L’INA : les nouveaux enjeux de l’indexation Utiliser le contenu des documents pour apporter une aide aux documentalistes de l’INA ? Création d’index basés sur le contenu d’articles de presse
3
11/06/02 Estelle Le Roux - INA/LIMSI3 Plan L’INA : les nouveaux enjeux de l’indexation Utiliser le contenu des documents pour apporter une aide aux documentalistes de l’INA ? Création d’index basés sur le contenu d’articles de presse
4
11/06/02 Estelle Le Roux - INA/LIMSI4 Institut National de l’Audiovisuel Un peu plus de 100 documentalistes ; Deux parties : Inathèque ; département des archives. Répondre aux demandes faites par les professionnels de l’audiovisuel, les chercheurs, les étudiants.
5
11/06/02 Estelle Le Roux - INA/LIMSI5 Quel type de demandes faites à l’INA ? Accidents de TGV ; Le sculpteur Calder ; Maurice Papon en tant que ministre du budget en 1978 ; « Je recherche une action de J.P. Bastiat dans un match France-Angleterre ou Angleterre-France (détente pour frapper le ballon derrière les poteaux et le remettre en jeu). Je continue les recherches pour en savoir plus. L’info est de Bastia lui-même mais il ne se souvient pas trop… » (Service des sports de France Télévision).
6
11/06/02 Estelle Le Roux - INA/LIMSI6 Exemple d’informations demandées dans un domaine - images du duel entre Poulidor et Anquetil ; - images des cyclistes en contre-emploi ; - le maillot jaune a abandonné, existe-t-il d’autres cas similaires ? ; - quels sont les différents vainqueurs français de l’étape ayant lieu le 14 juillet ? ; - qui est passé en tête à tel col ; - le moment où Virenque aurait payé Ullrich pour gagner une étape.
7
11/06/02 Estelle Le Roux - INA/LIMSI7 Comment répondre à ces demandes ? Archiver et indexer les documents audiovisuels (AV) indexation manuelle à l’aide d’un thésaurus créé en 1975 ; 8 600 descripteurs, hiérarchisés sur 6 niveaux au maximum.
8
11/06/02 Estelle Le Roux - INA/LIMSI8 Exemple issu du thesaurus concernant le cyclisme Acteur-Cyclisme Caravane du Tour Commissaire de course Coureur cycliste Grimpeur Peloton Sprinteur Déroulement des épreuves Abandon Bonification Départ fictif Départ réel Échappée Outil lourd et difficile à faire évoluer
9
11/06/02 Estelle Le Roux - INA/LIMSI9 Nouveaux enjeux à l’INA Capture et donc indexation et archivage des chaînes câblées en plus des chaînes hertziennes ; Thématisation des fonds de l’INA ; Amélioration de l’outil de recherche et de constitution de corpus pour les chercheurs, les étudiants et les professionnels.
10
11/06/02 Estelle Le Roux - INA/LIMSI10 Nouveaux enjeux à l’INA L’indexation telle qu’elle existe maintenant ne permet par réellement de répondre à ces nouveaux enjeux.
11
11/06/02 Estelle Le Roux - INA/LIMSI11 Comment répondre à ces nouveaux enjeux ? Rendre l’indexation et l’archivage des documents AV le plus (semi-)automatisé possible et en établissant des liens entre : l’image ; le son ; l’écrit.
12
11/06/02 Estelle Le Roux - INA/LIMSI12 Plan L’INA : les nouveaux enjeux de l’indexation Utiliser le contenu des documents pour apporter une aide aux documentalistes de l’INA ? Création d’index basés sur le contenu d’articles de presse
13
11/06/02 Estelle Le Roux - INA/LIMSI13 De l’écrit pour l’image (1/2) Existence de documents écrits liés au document AV (ex. : script, conducteur, générique). format papier ; alternance majuscules-minuscules ; diverses abréviations pour un même mot ; etc. informations intéressantes mais format inexploitable pour faire du TAL
14
11/06/02 Estelle Le Roux - INA/LIMSI14 De l’écrit pour l’image (2/2) Écrits indépendants du document AV mais faisant référence à son contenu. informations intéressantes avec un format exploitable pour le TAL
15
11/06/02 Estelle Le Roux - INA/LIMSI15 Le contenu du document AV Pourquoi ? il doit être mentionné, résumé lors de l’indexation car il décrit ce qui se passe à l’écran. Où le trouver ? pour les fictions, magazines, reportages les magazines TV, les sites des chaînes TV ; pour les documents AV événementiels la presse écrite ; pour les émissions de variétés, de jeu, et en direct pratiquement impossible de trouver des écrits.
16
11/06/02 Estelle Le Roux - INA/LIMSI16 Le contenu en aide à l’indexation Quel objectif ? Créer une chaîne de traitement TAL à partir d’articles issus de la presse écrite faisant référence au même événement que les documents AV à indexer. Dans quel but ? Créer des index contenant des termes mais aussi des actions et pouvant par la suite être reliés afin d’obtenir une meilleure indexation.
17
11/06/02 Estelle Le Roux - INA/LIMSI17 Plan L’INA : les nouveaux enjeux de l’indexation Utiliser le contenu des documents pour apporter une aide aux documentalistes de l’INA ? Création d’index basés sur le contenu d’articles de presse
18
11/06/02 Estelle Le Roux - INA/LIMSI18 Quel événement choisir ? Pour savoir si : il est possible d’extraire des index à partir de textes indépendants des documents AV ; ces index sont reconnus pertinents par les gens de métier. le 86ème Tour de France cycliste Création d’un prototype Il faut choisir un événement qui dure assez longtemps, qui soit suffisamment diffusé et traité par la presse écrite.
19
11/06/02 Estelle Le Roux - INA/LIMSI19 Corpus : 86ème Tour de France - articles numérisés issus : des quotidiens Le Monde, Libération, Le Parisien ; du journal sportif L’Equipe ; des dépêches de l’A.F.P. ; - Taille : 558 772 mots ; - 1/3 pour le corpus d’apprentissage.
20
11/06/02 Estelle Le Roux - INA/LIMSI20 Le tour oui… mais quelles sont les informations pertinentes ? -les vainqueurs d’étape et leur portrait ; -les arrivées d’étape ; -les porteurs des maillots jaune, vert, à pois ; -les chutes et crevaisons ; -les abandons ; -le vainqueur du 14 juillet ; -les passages de col ; -les coureurs lors de la pause de la dernière étape ; -les coureurs hors emploi (chants, grimaces) ; -la vie privée des coureurs populaires (Armstrong et son bébé) ; -les bords de route ; -les animaux ; -etc.
21
11/06/02 Estelle Le Roux - INA/LIMSI21 Exemples d’informations pertinentes Armstrong, déjà vainqueur du prologue, a récupéré le maillot jaune de leader endossé pendant deux jours au début de l’épreuve. L’américain Lance Armstrong (Us Postal) a remporté dimanche, la huitième étape du tour de France cycliste, un contre-la-montre individuel disputé autour de Metz (Moselle), et a récupéré le maillot jaune de leader. Victoire et maillot jaune pour Lance Armstrong. même information mais différentes manières de le dire
22
11/06/02 Estelle Le Roux - INA/LIMSI22 La chaîne de traitement Corpus cyclisme Ontologie Dictionnaire sémantique Sous-corpus étiqueté Phr. pertinentes Substitution & Regroupement Programme XSLT Cordial 7 Information balisées Index au format désiré & Validation par les documentalistes Index utilisés par les documentalistes Départ
23
11/06/02 Estelle Le Roux - INA/LIMSI23 L’ontologie du domaine Arbre des concepts : nombre de notions = 86 profondeur maximale = 10 Arbre des relations : nombre de notions = 61 profondeur maximale = 6
24
11/06/02 Estelle Le Roux - INA/LIMSI24 Exemple de l’ontologie du domaine Concepts Relations
25
11/06/02 Estelle Le Roux - INA/LIMSI25 Les dictionnaires sémantiques Deux dictionnaires sémantiques : créés à l’aide du corpus et de l’ontologie ; termes simples 115 termes ; termes composés 290 termes. Exemple : tour_Nc de_Sp France_Np CourseAEtape maillot_Nc jaune_Af MaillotJaune
26
11/06/02 Estelle Le Roux - INA/LIMSI26 Exemples après substitution et regroupement (1/3) [Armstrong _Np ] CoureurCycliste,_Yp déjà _Rg [vainqueur _Af ] Victoire du _Da [prologue _Nc ] ContreLaMontre, _Yp [récupérer _Sv ] Sv le _Da [maillot jaune de leader _Sn ] MaillotJaune [endosser _Sv ] Sv pendant _Sp [deux jour _Sn ] Temps au _Da [début de le épreuve _Sn ] PeriodeEpreuve. _Yp
27
11/06/02 Estelle Le Roux - INA/LIMSI27 Exemples après substitution et regroupement (2/3) le _Da [américain _Sn ] Pays lance _Nc [Armstrong _Np ] CoureurCycliste ( _Yp [us postal _Sn ] Equipe ) _Yp [remporter _Sv ] Sv [dimanche _Nc ] Jour, _Yp le _Da [huitième _Ao ] Numero [étape _Nc ] Etape du _Da [tour de France cycliste _Sn ] CourseAEtape,_Yp un _Da [contre-la-montre individuel _Sn ] ContreLaMontre [disputer _Sv ] Sv autour _Nc de _Sp [Metz _Np ] Ville ( _Yp [Moselle _Np ] ZA ) _Yp, _Yp et _Cc [récupérer _Sv ] Sv le _Da [maillot jaune de leader _Sn ] MaillotJaune. _Yp
28
11/06/02 Estelle Le Roux - INA/LIMSI28 Exemples après substitution et regroupement (3/3) [victoire _Nc ] Victoire et _Cc [maillot jaune _Sn ] MaillotJaune pour _Sp lance _Nc [Armstrong _Np ] CoureurCycliste. _Yp
29
11/06/02 Estelle Le Roux - INA/LIMSI29 Des problèmes pour extraire les informations… Différentes manières de dire la même chose notion de gagner : victoire, remporter, vainqueur. Très peu de phrases importantes sont identiques au niveau structure et/ou nombre d’éléments pertinents qu’elles contiennent.
30
11/06/02 Estelle Le Roux - INA/LIMSI30 … aux patrons d’extraction … Idée : la récupération de toutes les informations pertinentes dans chacune des phrases se fait en remplissant un patron. Exemple : [Lance Armstrong _Sn ] CoureurCycliste [gagner _Sv ] Sv [huitième étape _Sn ] Etape [Metz _Np ] Ville
31
11/06/02 Estelle Le Roux - INA/LIMSI31 … et à la création d’index Création d’index : les patrons sont remplis ; les index sont ensuite extraits au format désiré grâce à un programme XSLT. Intérêts des index : enrichir l’ontologie et les dictionnaires sémantiques ; avoir des liens entre les différentes informations ce qui pourra rendre l’indexation plus riche que ce qu’elle n’est actuellement.
32
11/06/02 Estelle Le Roux - INA/LIMSI32 Problèmes en suspens Comment faire pour indexer les émissions en direct ? Nombres de patrons nécessaires ? Les index extraits des articles sont-ils suffisamment nombreux et pertinents pour pouvoir être utilisés par les documentalistes ? Pour chaque domaine, il faut créer une ontologie, un dictionnaire sémantique, des patrons rentable pour les documentalistes ?
33
11/06/02 Estelle Le Roux - INA/LIMSI33 En attendant … Qui sera le nouveau maillot jaune du Tour de France ?
Présentations similaires
© 2024 SlidePlayer.fr Inc.
All rights reserved.