Analyse de Textes et Extraction d'Information · → Analyse de Textes et Extraction d'Information Master 2 Recherche Diversité des besoins d'information (1/2) (Meadow et al., 2000.)

Xavier [email protected]

Traitement Automatiquedes Langues

Master 2 Recherche

Analyse de Textes et Extraction d'Information

mailto:[email protected]

Traitement Automatique des Langues → Analyse de Textes et Extraction d'Information Master 2 Recherche

Plan général

• Introduction à l'extraction d'information

• Reconnaissance des entités nommées

• Résolution d'anaphores

• Analyse temporelle



Master 2 Recherche

Introduction à l'Extraction d'Information



Besoin d'information

• "Disposer des bonnes informations par rapport à une question ou à un problème donnés"

• Importance accrue de la veille scientifique, technologique, commerciale, culturelle, etc.

• Un besoin très grand public• Au départ, un besoin d'accès aux informations internes, mais

l'accès aux informations externes est maintenant tout aussi important


Diversité des besoins d'information (1/2)

(Meadow et al., 2000.)

1. La recherche d’un élément connu – L’utilisateur sait exactement quels éléments il recherche. Il sait

reconnaître les éléments désirés s’il les voit. – Ex : recherche d'une citation bibliographique précise.→ SQL, XQuery, etc. (bases de données)

2. La recherche d’une information spécifique – L’utilisateur recherche une information spécifique mais ignore sous

quelle forme elle se présente.– Réponse partielle impossible– Ex : À quelle date le président Kennedy atil été assassiné ?

→ Extraction d'information et Systèmes de QuestionsRéponses


Diversité des besoins d'information (2/2)

(Meadow et al., 2000.)

3. La recherche d’une information générale – L’utilisateur recherche une information sur un sujet en général. Il

existe de nombreuses façons de décrire le sujet. – Il est possible que l’information pertinente ne soit pas reconnue– Cette information peut ne satisfaire l’utilisateur que de façon

partielle.→ Recherche d'information

4. L’exploration – Le but n’est pas de répondre à une question en particulier, mais de

parcourir l’ensemble des données pour découvrir quels types d’informations concernant un sujet ou un domaine sont présents.

→ Navigation


Définition (1/2)

• Aux origines du TAL, une barre placée trop haut– Des modèles génériques de compréhension des textes– Des problèmes à la fois théoriques et pratiques

• Couverture insuffisante des grammaires• Ambiguïtés non levées trop nombreuses• Difficultés pour collecter, mais aussi pour manipuler les connaissances

sémantiques et pragmatiques suffisantes• L'approche générique de compréhension est pour l'instant une utopie

• L'extraction d'information :– ne cherche plus à comprendre les textes dans leur ensemble– vise à extraire d'un texte donné des éléments pertinents

• Le type d'information pertinente pour une application donnée est définie à l'avance par le modèle


Définition (2/2)

• "L'activité qui consiste à remplir automatiquement une banque de données à partir de textes écrits en langue naturelle" (T. Poibeau)

• Une approche guidée par le but : – Identifier les occurrences d'événements particuliers– En extraire les arguments impliqués– En donner une représentation structurée

• L'analyse s'effectue au niveau local• Seule une partie du texte est considérée

(10 à 20 % de texte utile pour un tâche spécifique)


Exemple 1 (1/3)

• Cadres :

MATCH

équipe1 :équipe2 :

vainqueur :score :

BUTEURS


EVENEMENT

sport :lieu :


Exemple 1 (2/3) avec patrons sémantiques

• Lexique :

• Patrons :

Finlande → EQUIPECanada → EQUIPEHockey sur glace → SPORT...

EQUIPE1 battre2 EQUIPE3 → match.équipe1 = 1, match.équipe2 = 3, match.vainqueur = 1

NOMBRE1 a2 NOMBRE3 → match.score = 13SPORT1 → événement.sport = 1...


.

.

Exemple 1 (3/3) avec patrons sémantiques

• Entrée :La Finlande a battu le Canada 2 à 0 lors d'un match du premier tour du tournoi masculin de hockey sur glace.

• Résultat :

MATCH


vainqueur :score :

BUTEURS


EVENEMENT

sport :lieu :

FinlandeCanadaFinlande20

Hockey/glace?

.

.

??

normalisation

normalisation


Exemple 2

• Texte : San Salvador, 19 avril 1989 (ACANEFE) – Le président du San Salvador

Alfredo Cristani a condamné l'assassinat d'origine terroriste du ministre de la justice Roberto Garcia Alvarado et a accusé du meurtre le Front de Libération National Farabundo Marti.

• Cadre :

INCIDENT

date :lieu :

auteur :victime :

19 avril 1989El Salvador : San Salvador (CITY)Front de Libération National Farabundo MartiRoberto Garcia Alvarado


Exemple 3 : information (semi)structurée

Titre Responsable artistique Web senior (H/F)

Expérience au moins 5 ans dans l'univers du web première expérience significative en management

Qualités qualités relationnelles sensibilité marketing

Technique Photoshop Flash Dreamweaver CSS


Exemple 4 : information structurée








Exemple 4 : comment résumer les informations

AGRÉGATION

NORMALISATION

CHOIX

(minimum)

CALCUL


Exemple 4 : le résultat

Calcul

NormalisationChoix


Exemple 4 : le résultat

Agrégation


Les variantes

• Morphologiques– capitale de l'Europe / capitale européenne

• Lexicales– la reine de Hollande / des PaysBas

• Syntaxiques– Moscou compte 9 millions d'habitants /

Les 9 millions d'habitants de Moscou

• Sémantiques– M. Ayoub a acheté le Phocéa /

Bernard Tapie a vendu le Phocéa à Mouna Ayoub– Adolf Hitler est mort / s'est suicidé


Niveaux d'analyse utilisés (ou pas) 1/2

achèteraacheterachètent

a acheté

achats → achat

acheterrachatacheté

achat

Morphologie

La Finlande a battu le CanadaDET NAM AUX V DET NAM_____NP ___VP _____NP

SUJET OBJET

Syntaxe

Entités nomméesGaël Montfils a remporté l'open de Metz en 2009

PERSON LIEU(ville) DATE(année)

SUJET(battre, X) & OBJET(battre, Y) → match(X, Y), vainqueur(X), vaincu(Y)

Sémantique

fonctionsverbes

prénomsproduits

pays

Lexiques


Niveaux d'analyse utilisés (ou pas) 2/2

Liste des codes pays :<ul> <li>EE – Estonie</li> <li>ET – Éthiopie</li> <li>FK – Maldives</li> <li>FR – France</li></ul>

Indications de mise en forme

Mécanismes d'inférence

"Federer a réalisé un superbe coup droit gagnant lors d'une balle de match en sa faveur."

point(P) & coup_gagnant(P, J)→ vainqueur(J, P)

balle_de_match(B, P)→ point(P)

match(J1, J2) & balle_de_match(B, J1) & vainqueur(J1, B)→ vainqueur(J1), vaincu(J2)


Acquisition symbolique vs. statistique

• Le développement de patrons par des experts est long et coûteux

• Le traitement statistique a besoin de nombreux exemples annotés à la main par des experts... ce qui est long et coûteux

• Les arguments habituels...• Le problème est d'autant plus important que les systèmes

sont dédiés à une application donnée

• Les voies hybrides ont vite été explorées


Acquisition semiautomatique de patrons

• Exemple 1 : les attentats– Utilisation d'entités déjà annotées :

• "Alfredo Crastani" est une <victime>

• "Al Qaïda" est un <auteur>

• "Les nationalistes" est un <auteur>

– Analyse syntaxique : collection de patrons• <sujet> <verbe_passif> (Alfredo Crastani a été assassiné)

• <sujet> <verbe_actif> (Al Qaïda a attaqué...)

• <sujet> <verbe verbe_inf> (Les nationalistes ont tenté de tuer...)

– Déduction de patrons sémantiques :• <victime> a été assassiné

• <auteur> a attaqué

• <auteur> a tenté de tuer


Acquisition semiautomatique de patrons

• Exemple 2 : les achats d'entreprises– Partir d'un patron déjà déterminé :

• <company1> acheter <company2>

– Trouver des exemples d'entités instanciant ce patron• <company>IBM</company> a acheté <company>Lotus</company>▸ achat(IBM, Lotus)

– Collection de nouveaux patrons grâce aux connaissances acquises• Lotus a été acquis par IBM▸ <company2> être acquis <company1>

• L'achat de Lotus par IBM▸ L'achat de <company2> par <company1>


Expansion de patrons

• Étude sur corpus • IBM cherche à embaucher de nouveaux candidats.

↳ embaucher(IBM, candidats)

• Dans Wordnet :IBM Société Entreprise commerciale Organisation

• Nouvelle règle : ↳ embaucher (<organisation>, candidats)

• Générateur de bruit et de silence


Exemples d'applications

• Veille technologique, économique, politique– Outils d'aide à la décision– Mise en évidence d'éléments pertinents dans les textes– Maintenance possible par l'utilisateur

• Analyse de bases textuelles en génomique– Remplissage de bases de gènes, d'interaction entre les gènes, de liens

entre gènes et maladies...

• Analyse de courrier pour le support en ligne– Permet d'orienter les demandes vers le bon service– Améliore la productivité des employés– Problème du style de rédaction des courriers électroniques

• Analyse d'un fil d'agence de presse


Applications au LIMSI

• Systèmes de questionsréponses (teaser)– En domaine ouvert : impossibilité de définir des patrons trop précis– Sur le Web : problèmes de propreté des documents, de respect de la

langue, de spam, de confiance, etc. (voir le cours de RI)– Utilisation de l'analyse syntaxique (un tout petit peu de sémantique)

et des entités nommées– Plus de détails le 21 janvier !

• Extraction d'événements et d'informations temporelles• Extraction de relations

– Plus de détails... après la pause.


Les conférences MUC

• MUC : Message Understanding Conference

• 7 campagnes d'évaluation de 1987 à 1998• Financées par le DARPA

• Comme souvent, des événements moteurs de la recherche dans le domaine

• L'évolution des campagnes marquent l'évolution de la tâche d'extraction d'information

• Par la suite, conférences MET, IREX, ESTER, ACE, SenseEval puis SemEval, ...


Les conférences MUC

• 1987 : session pionnière ; corpus au style télégraphique de la Navy ; pas de tâche claire

• 1989 : apparition du formulaire et des mesures d'évaluation (précision et rappel)

• 1991, 1992, 1993 : corpus journalistique ; affinement des techniques jusqu'au plafond des 60 % ; la tâche devenue trop complexe doit être fragmentée

• 1995, 1998 : structuration en soustâches (entités nommées, coréférence, formulaire des entités, formulaires des scénarios, puis formulaire de relation) ; nécessité de systèmes portables et modulaires


Références

• Extraction automatique d'information, du texte brut au web sémantique, Thierry Poibeau, 2003.

• Information Extraction : Techniques and Challenges. R. Grishman. In SCIE’97 : International Summer School on Information Extraction, 1997.

• Information extraction (a multidisciplinary approach to an emerging information technology), M.T. Pazienza, 1997.

• Les actes des conférences MUC4 (1992), MUC5 (1993), MUC6 (1994), MUC7 (1995).



Master 2 Recherche

Reconnaissance desEntités Nommées

avec l'aide de Maud Ehrmann...



Définitions (1/3)

• Entités nommées :– Unités lexicales particulières– Ex : noms de personnes, noms d'organisation, noms de lieux... dates,

unités monétaires, pourcentages...

• Reconnaissance des entités nommées :– Identifier ces unités dans un texte– Les catégoriser– Éventuellement, les normaliser


Définitions (2/3)

L’ancien premier ministre socialiste Lionel Jospin a confirmé, jeudi 28 septembre, sur RTL, qu’il ne sera pas candidat à

l’investiture socialiste pour la présidentielle de 2007.

• Identification : Lionel Jospin, jeudi 28 septembre, RTL, 2007.• Catégorisation :

L’ancien premier ministre socialiste <PERS>Lionel Jospin </PERS> a confirmé, <DATE>jeudi 28 septembre</DATE>, sur <ORG>RTL</ORG>, qu’il ne sera pas candidat à l’investiture socialiste pour la présidentielle de <DATE>2007</DATE>.

• Normalisation : L. Jospin Lionel Jospin


Définitions (3/3)

• Plus de finesse ?<PERS><FONCTION>L’ancien premier ministre socialiste</FONCTION> Lionel Jospin</PERS> a confirmé, <DATE val="20060928">jeudi 28 septembre </DATE>, sur <ORG type="radio">RTL</ORG>, qu’il ne sera pas candidat à l’investiture socialiste pour la présidentielle de <DATE val="2007">2007</DATE>.

• Le niveau dépend des capacités du systèmes mais aussi de l'application

• La reconnaissance d'entités nommées est issue de la tâche plus générale de l'extraction d'information


. .

Applications "internes" (1/2)

• Analyse syntaxique– Aide à la segmentation et à la morphosyntaxe

• HyOx, Inc.• Seat and Porsche had fewer registration in July 1996.

– Aide à l'analyse syntaxique• He will be replaced by Eliahu BenAlissar, a former israeli envoy to <LOC>Egypt</LOC> and <LOC>Jordan</LOC>.

• He will be replaced by Eliahu BenAlissar, a former israeli envoy to <LOC>Egypt</LOC> and <ORG>Likud party</ORG> politician.

– Acquisition de dépendances "sémantiques"• They met in <LOC>Baghdad</LOC>.

LOCATION


Applications "internes" (2/2)

• Coréférence– <PERS>John</PERS> bought a new computer. It was able to process

XML.

• Traduction– <PERS>Jack London</PERS> was an American writer.

▸ Jack London était un auteur américain.– <LOC>London</LOC> is where I lived my best years.

▸ C'est à Londres que j'ai vécu mes meilleures années.

• Désambiguïsation lexicale


Applications "directes"

• L'extraction d'information et la veille– Remplir des bases de données sur une entité ou un type d'entités

donnés– Signaler de nouveaux documents concernant cette entité ou ce type

d'entités

• La tâche de questionsréponses– Permet d'identifier le type de réponse attendu– cf. cours questionsréponses

• L'anonymisation


Le choix des classes

• Gouvernées au départ par les conférences MUC...• Les valeurs sûres ("ENAMEX") :

– ORGANISATION– LIEU– PERSONNE

• Celles qui reviennent souvent :– TIMEX (date, expressions temporelles)– NUMEX (valeur monétaire, pourcentage...)

• On peut ajouter des classes et les subdiviser à l'infini• Certaines applications nécessitent une granularité

hétérogène


Un exemple de hiérarchie (QALC, LIMSI)

Entité nommée

Nom propre

Nombre

Entité numérique

Expression temporelle

Personne

Organisation

Lieu

AgeDurée

Jour

PériodeDate

Poids

Vitesse

Volume

Longueur

Physique

Température

Montant financierPourcentage


Identification des EN : preuves internes

• Majuscule (à manipuler avec précaution)• Prénoms ou marqueurs générationnels (personnes) :

– Lionel Jospin– L. Jospin– Benoît XVI

• Mots ou affixes de type classifiant (lieux et organisations) :– la Banque Populaire– Microsoft Inc.– L'avenue des ChampsElysées– le Mont Valérien

• Sigles ou esperluettes (organisations) :– Crédit Agricole SA


Identification des EN : preuves externes

• Contexte d'apparition des entités nommées• Informations supplémentaires ou propriétés spécifiques

(titre, grade, ...)– Monsieur Jospin– Mme Denise– Général Leclerc– l'entraîneur Aimé Jacquet– le groupe SanofiAventis– the CocaCola company

• Souvent précisées lors de la première occurrence de l'EN dans le texte, d'où l'importance d'une propagation de ces informations


Identification des EN : utilisation de lexiques

• En général, de simples listes de mots :– liste de prénoms– liste de villes, pays, fleuves...– liste de métiers– liste de marques– ...

• Construits manuellement ou automatiquement• Très utiles pour les noms de lieux, d'intérêt discuté pour les

autres• Confrontés au problème classique des ressources :

pas assez de mots, c'est inutile ; trop de mots, c'est ambigu


Annotation des EN (1/2)

• Méthodes symboliques :– À base de règles contextuelles– Patrons d'extraction écrits à la main– Exploitation des informations :

• morphosyntaxiques• lexicales (issues des lexiques)

– Exemples :• Prénom + Mot avec une majuscule = Personne• Mot inconnu + "Inc." = Organisation• Nom Propre + '&' + Nom Propre = Organisation• Lieu + verbe d'action = Organisation


Annotation des EN (2/2)

• Méthodes à base d'apprentissage :– Résultat : des règles logiques, un arbre de décision, un modèle

numérique...– Nécessitent de larges corpus annotés– Il n'est pas toujours possible d'intervenir sur les résultats après coup

• Approches mixtes– Apprentissage de règles puis révision par un expert– Élaboration de règles par un expert puis extension automatique de la

couverture

• Performances comparables mais avantages et inconvénients de chacun à prendre en compte


Un système symbolique : LaSIE

• Gaizauskas et al., 1995 (MUC 6).• Sortie : représentation sémantique du texte en termes

d'entités nommées, de coréférence, de scénario...

• 3 phases :1. Traitement lexical : segmentation en mots, en parties du discours,

lemmatisation, étiquetage d'EN sur la base de lexiques et de déclencheurs.

2. Analyse sémantique : règles de grammaire hors contexte en Prolog (200 règles pour les EN)

3. Analyse du discours : représentation en instance, résolution de coréférence, propagation du typage des EN.


Un système statistique : MENE

• Borthwick et al., 1998 (MUC 7).• Utilisation du principe de l'entropie (théorie de

l'information)• Nécessité de déterminer des traits (features) sur lesquels le

système apprend. Ici :– Traits binaires : capitale, caractères numériques, ...– Traits lexicaux, issus du contexte lexical (déclencheurs)– Traits textuels, sur la structure du texte (présence de l'unité dans le

titre, le résumé...)– Traits issus de dictionnaires (noms de personne, d'organisations,

d'universités, de régions, ...)– Traits externes (issus d'autres systèmes de reconnaissance d'EN)


Un système mixte : [Lin 1998]

• Lin, 1998 (MUC 7).• Utilisation de l'analyseur syntaxique Minipar• Constitution d'une base de collocations par relation

syntaxique :– [review, N:nn:N, admission = 2]– [review, V:comp1:N, acquisition = 3]

• Détection des régularités du corpus pour déduire des règles :– Exemple : sur 33 occurrences de noms propres apparaissant en tant

que prémodifieurs du syntagme “managing director”, 26 sont des organisations.

– 3600 règles sont ainsi mises en place

• Utilisation d'un classifieur bayésien pour les entités inconnues



Master 2 Recherche

Résolution d'Anaphores



Les ambiguïtés sémantiques : l'anaphore

• L'anaphore pronominale– Nicolas

1 était furieux. Il

1 était secondé par des imbéciles.

– Ségolène1 rencontra Martine

2 à un congrès. Elles

1+2 se réconcilièrent.

– Nicolas1 rencontra Dominique

2 dans un couloir. Il

? lui

? en voulait

toujours.

– Pierre1 empoisonna Sam

2. Il

2 mourut.

– Pierre1 empoisonna Sam

2. Il

1 fut arrêté.

• Autres– La cage du gorille s’ouvrit. Sa serrure devait être mal fermée.– Le gorille accélèra le pas vers le juge. Le quadrumane avait une idée

derrière la tête.– Je ne peux donner la suite de l’histoire. Cela serait pourtant délectable.


..

..

..

Résolution d'anaphore pronominale

• Indice n° 1 : le pronom est après son antécédent– Marie m'a dit qu'elle voulait partir.

– Elle m'a dit que Marie voulait partir.

– Pourtant : Dans ses rêves, Julien vole de continents en continents.

• Indice n° 2 : il doit y avoir correspondance en genre et en nombre– Quand Roméo a vu Juliette, il est tombé amoureux d'elle.– Quand Roméo a vu Juliette, ils sont tombés amoureux.– Encore fautil connaître le genre...


.

Algorithme très naïf

• Construction d'une liste des référents potentiels :– Du plus récent (contexte local courant) au plus ancien– Pour les pronoms : noms propres et syntagmes nominaux

• Lorsqu'on rencontre un pronom :– On prend le référent le plus récent– On vérifie les contraintes (genre, nombre, réflexivité)– Exemple d'autres contraintes : un pronom non réfléchi ne peut

référer à un élément du même groupe nominal complexeEdmond Hillary gravit l'Everest avec l'aide de son sherpa

– Si les contraintes sont vérifiées, on choisit ce référent– Sinon, on passe au suivant

• Dans la moitié des cas, un seul candidat proche est présent

.


.. .

..

Algorithme naïf (Hobbs 78)

• On effectue une analyse syntaxique de surface• Lorsqu'on rencontre un pronom (non réfléchi), on choisit le

dernier NP de la phrase courante– Mr. Smith saw a driver in his truck.

• À défaut, on choisit le premier NP des phrases précédentes– Mr. Smith saw a driver. He was in his truck.

• On vérifie bien sûr toujours les contraintes "de base"• Presque 90 % des anaphores pronominales sont résolues par

cet algorithme


Le focus (Sidner 81)

• Distinction entre :– le focus acteur, l'élément jouant un rôle actif à un moment donné du

discours. C'est généralement le dernier constituant ayant eu le rôle d'agent dans la phrase.

– le focus du discours, l'élément le plus important à un moment donné du discours. Il est choisi parmi les éléments non agents.

– Un pronom en position d'agent se référera plutôt au focus acteur– Un pronom dans une autre position sera lié au focus du discours

• Exemples :– Jack drank the wine on the table. It was brown and round.– Jack saw Sam at the party. He went back to the bar to get another

drink.– Nicolas trahit Jacques. Il lui fit ainsi beaucoup de peine.


Audelà : apports sémantiques

• Du plus "simple"...– The castle of Camelot remained the residence of the king until 536

when he moved it to London.– the king = personne on y réfère par "he"– the castle, the residence personne on y réfère par "it"– 536 = date ne peut pas bouger– castle = gros bâtiment ne peut pas bouger

• ... au plus pragmatique :– Si le lait cru ne convient pas à votre bébé, faitesle bouillir. (Jespersen)

– Pierre empoisonna Sam. Il mourut / Il fut arrêté.– Nicolas Sarkozy et Hugo Chavez se sont rencontrés ce matin. Le

président français s'est déclaré satisfait de l'entrevue.



Master 2 Recherche

Analyse Temporelle



Temps et extraction d'information

• Résumé automatique– Résumé d'un document– Synthèse multidocuments

• Extraction d'événements– Je vous propose un rendezvous demain à 10h pour parler de...

• Extraction de connaissances– Jacques Chirac est président de la république ▸ Quand ?– Le mur de Berlin est tombé le 9 novembre 1989

[...] Peu après la chûte du mur de Berlin, ...

• Questionsréponses• Google timeline


Ambiguïtés

• Les temps sont ambigus– Présent de narration vs. présent de généralité vs. Présent futur

proche– Imparfait "activité" vs. imparfait d'événements itératifs

• Il roulait le long du canal quand il vit le corps flottant dans l'eau sombre.• Il roulait le long du canal quand le temps le permettait.

– etc.

• Les signaux temporels sont ambigus• Réunion de 2 heures à 4 heures.• Il court après le temps, Tu tournes après la rivière, Il arrivera après 14 h.


Expressions relatives et floues

• Comme pour les phénomènes de la langue, les expressions temporelles utilisent l'anaphore :– Par rapport au moment de l'énonciation (Hier, il y a 2 jours, bientôt)– Par rapport à un moment de référence (plus tôt, 2 jours avant, le

lendemain)– Par une date relative (le 11 février), la référence étant à déterminer– Mais aussi : trois jours de plus, moins souvent, ...

• La plupart des expressions sont flouesComment interpréter :

• "il y a 2 ans" ? "Une amitié de 30 ans" ?• "tous les mois" ?• "bientôt", "un instant", "J'arrive dans une seconde"... ?• "J'arrive dans 20 minutes" vs. "J'arrive dans 19 minutes"... ?


Connaissances mises en œuvre

• Connaissances linguistiques– Morphologiques (temps des verbes...)– Lexicales (nature du prédicat concerné)– Syntaxiques (attachement des expressions temporelles aux

prédicats)

• Connaissances extralinguistiques– Moment d'énonciation– Connaissances du monde :

• Il s'est levé et a pris son petitdéjeuner (ordre temporel)• Il a bien bu et bien mangé (pas d'ordre)

– Connaissances "encyclopédiques" :• L'URSS s'est effrondrée après la chûte du mur de Berlin


Temps et langue

• L'analyse du temps s'inscrit dans la compréhension globale des textes, et en particulier des événements décrits dans les textes. Elle est sujette aux problèmes :– de modalité ; l'événement atil eu / auratil vraiment lieu ?

• L'équipe de France voulait gagner la coupe en 2006.• La recherche pourrait obtenir plus de moyens.

– d'anaphore • Ce sera pour plus tard.• Jean arriva à la maison de Marie. Sur le chemin, il s'était arrêté pour

acheter quelques fleurs...a) Malheureusement, elles n'ont pas remonté le moral de la jeune femme.b) Il en avait pris des rouges, des blanches et des roses.

– etc.


Temps et événements

• Les événements décrits (et que l'on souhaite "fixer" temporellement) peuvent être :– duratifs ou ponctuels– accomplis ou en cours– factuels ou non (ou peutêtre)

• Tous ces points ont une influence sur l'ordre entre les événements.

• Un exemple : le paradoxe de l'imperfectif (Dowty)– Keats écrivait (implique "il a écrit")– Keats écrivait un sonnet (n'implique PAS "il a écrit un sonnet")– (La poule traversait la rue quand elle a rencontré le camion)


Qu'estce qu'une expression temporelle ?

• Une date– Absolue 27 juin 1996– Relative

• Par rapport au moment de l'énonciation il y a 2 ans• Par rapport à un moment de référence deux ans plus tôt

• Une durée– Absolue pendant 3 ans

– Relative• Par rapport au moment de l'énonciation depuis un an• Par rapport à un moment de référence depuis

• Une expression de fréquence tous les ans, le mardi

• Une expression plus complexe après la chute du mur


Qu'estce qu'un événement ? (dans la vie)

• Ce qui se produit, arrive ou apparaît

• Un fait important ou marquant pour un individu ou une communauté humaine

• Fait qui a lieu à un moment précis / pendant une période donnée

• Fait qui attire l'attention par son caractère exceptionnel ou son importance dans l'actualité


Qu'estce qu'un événement ? (dans la langue)

• Un verbe– Il faut distinguer les états des événements– Question de l'aspect (voir plus loin)

• Une entité nommée de type événement


Entité nommée événement (1/2)

• Noms déverbaux– Le débarquement ← débarquer

• Listes finies d'amorces, déclencheurs d'événements– festival → 48ème festival de Cannes– guerre → Guerre de 100 ans

• Noms communs non déclencheurs d'événements habituellement– les caricatures du prophète (l'affaire des caricatures)– le 11 septembre (les attentats du 11 septembre)– le tsunami (razdemarée survenu en Asie en 2004)


Entité nommée événement (2/2)

• Des noms de périodes historiques– l'ancien Régime– la Seconde Guerre mondiale

• Noms propres non déclencheurs d'événements habituellement (ex : toponymes)– Outreau– Tchernobyl– Columbine


Qu'estce qu'un événement ? (dans la pratique 1/2)

• Pour une application temporelle, il faut décider avec les moyens que l'on a

• Par défaut, on a tendance à donner des définitions linguistiques :– Un verbe ? (mais verbes d'état et autres ?)– Un verbe avec ses extensions ? (mais jusqu'où aller ?)– Certains noms ? (mais lesquels)– Des adjectifs, des nombres ???

• Exemple (Hagège et Tannier)

– Tous les verbes– Tous les noms déverbaux– Tous les noms "temporellement marqués" dans les corpus


Qu'estce qu'un événement ? (dans la pratique 2/2)

• On doit également considérer l'événement dans son contexte ; ce qui le déclenche, la phase préparatoire, les conséquences...

• Exemple : (Ritchie, 1979)Quand ils ont construit le pont...

• ... un architecte local a dessiné les plans.• ... ils ont utilisé les meilleurs matériaux.• ... ils ont résolu les problèmes de trafic.

Et puis...• Les commémorations du 11 novembre auront lieu le mercredi 12 novembre.• Nous sommes nés le même jour, mais pas la même année.• Les 6 ans de guerre civile ont fait des milliers de victimes.

noyau

phase préparatoire conséquences


Événements qui n'ont (peutêtre) pas eu lieu (1/2)

• La modalité– La négation

Je n'ai jamais dit que je me retirais définitivement de la vie politique.

– Introduite par des verbes modaux ou d'autres indices lexicaux– Deux types de modalités :

• nécessité, prédiction, possibilité... ("épistémique")– Il est possible, probable, certain que...– Il a dû partir– Il peut être fatigué par le voyage

• permission, capacité, obligation... ("déontique")– Vous devez vous asseoir– Vous pouvez fumer


Événements qui n'ont (peutêtre) pas eu lieu (2/2)

• Les événements introduits par des constructions conditionnelles "contrefactuelles"– Si le cours avait été annulé, je me serais levé plus tard.– Un peu plus, je manquais le train.

• Les événements à l'imperfectif– La poule traversait la route (quand elle a été heurtée par un camion)

• Question : comment représenter et ordonner temporellement des événements qui n'ont (peutêtre) pas lieu ?


Sur les expressions temporelles et les événements:

Segmentation Caractérisation Normalisation

Niveau du syntagme

Niveau des phrases

Niveau des documents

Íngrid Betancourt Pulecio est née à Bogotá en Colombie, le 25 décembre 1961. Fille de Gabriel Betancourt, ancien Ministre de l’Éducation et Ambassadeur de Colombie auprès de l'UNESCO à Paris, et de Yolanda Pulecio, une ancienne reine de beauté du département colombien de Cundinamarca, devenue sénateur, elle a vécu la majeure partie de son enfance à l’étranger et surtout en France. Elle y étudie notamment à l’Institut d'Études Politiques de Paris, où enseigne alors Dominique de Villepin avec qui elle se lie d’amitié. Française par son premier mariage, elle milite pour les Droits de l'Homme et contre l’injustice, la corruption et les narcotrafiquants. Elle est otage des FARC depuis le 23 février 2002. Elle bénéficie depuis de l’appui de nombreux comités de soutien et d’une importante médiatisation. Une autre francocolombienne, Aïda Duvaltier, enlevée un an avant Ingrid Betancourt, a été retrouvée morte en 2006.

DATE19611225T-------W521

Étapes principales (1/4)


Traitement raffiné des expressions temporelles et des événements Relations entre prédicats et

expressions temporelles Relations entre prédicats

Niveau de la phrase


Niveau du syntagme


Íngrid Betancourt Pulecio est née à Bogotá en Colombie, le 25 décembre 1961. Fille de Gabriel Betancourt, ancien Ministre de l’Éducation et Ambassadeur de Colombie auprès de l'UNESCO à Paris, et de Yolanda Pulecio, une ancienne reine de beauté du département colombien de Cundinamarca, devenue sénateur, elle a vécu la majeure partie de son enfance à l’étranger et surtout en France. Elle y étudie notamment à l’Institut d'Études Politiques de Paris, où enseigne alors Dominique de Villepin avec qui elle se lie d’amitié. Française par son premier mariage, elle milite pour les Droits de l'Homme et contre l’injustice, la corruption et les narcotrafiquants. Elle est otage des FARC depuis le 23 février 2002. Elle bénéficie depuis de l’appui de nombreux comités de soutien et d’une importante médiatisation. Une autre francocolombienne, Aïda Duvaltier, enlevée un an avant Ingrid Betancourt, a été retrouvée morte en 2006.

during

starts_with


Traitement très raffiné Relations entre les prédicats des

différentes phrases Insertion de connaissances

diverses



Niveau des phrases

Niveau du syntagmeÍngrid Betancourt Pulecio est née à Bogotá en Colombie, le 25 décembre 1961. Fille de Gabriel Betancourt, ancien Ministre de l’Éducation et Ambassadeur de Colombie auprès de l'UNESCO à Paris, et de Yolanda Pulecio, une ancienne reine de beauté du département colombien de Cundinamarca, devenue sénateur, elle a vécu la majeure partie de son enfance à l’étranger et surtout en France. Elle y étudie notamment à l’Institut d'Études Politiques de Paris, où enseigne alors Dominique de Villepin avec qui elle se lie d’amitié. Française par son premier mariage, elle milite pour les Droits de l'Homme et contre l’injustice, la corruption et les narcotrafiquants. Elle est otage des FARC depuis le 23 février 2002. Elle bénéficie depuis de l’appui de nombreux comités de soutien et d’une importante médiatisation. Une autre francocolombienne, Aïda Duvaltier, enlevée un an avant Ingrid Betancourt, a été retrouvée morte en 2006.

before

before



Niveau du syntagme

Niveau des phrases


Analyse multidocuments ?

Analyse "Intelligente" (inférence...) ?

"Backtracking" ?


Références

• Inderjeet Mani, James Pustejovsky and Robert Gaizauskas, The Language of Time: A Reader. 2005.

• Actes de TempEval 2007, Marc Verhagen et al.• Mark Steedman, Temporality. Chapitre de Handbook of Logic

and Language, Van Benthem & Ter Meulen, 1994.• Marc Moens et Mark Steedman, Temporal Ontology and

Temporal Reference, Computational Linguistics, 142, 1988

Documents

Analyse de Textes et Extraction d'Information · → Analyse de Textes et Extraction d'Information Master 2 Recherche Diversité des besoins d'information (1/2) (Meadow et al., 2000.)