l'information numérique et les enjeux de la ... - smsi :: tunis 2005

More documents

Recommendations

Info

Recueil des résumés de communications Thème 2: Les réseaux d'information et les usages des données numériques UNE ANALYSE ROBUSTE POUR L’EXTRACTION DE DESCRIPTEURS EN INDEXATION TEXTUELLE I. Introduction L’indexation des documents d’un corpus consiste à représenter leur contenu de manière à permettre ultérieurement une recherche d’information, c’est-à-dire une sélection des parties de ces documents se rapportant à un sujet déterminé par la requête. Pour les documents textuels, les outils disponibles combinent des techniques statistiques et des techniques linguistiques. Les techniques linguistiques pour le français exploitent en général, une phase d’analyse morphologique permettant de trouver la (ou les) base lexicale à laquelle se rattachent les formes fléchies (les « mots ») du texte. Après une éventuelle phase de désambiguïsation statistique, une analyse syntaxique des phrases composant les textes, est réalisée pour trouver dans les groupes syntaxiques, les candidats au rôle de descripteur. Cependant, d’une part une analyse syntaxique rigoureuse de la phrase est une procédure coûteuse au niveau algorithmique, et d’autre part elle ne peut prendre en compte que les parties textuelles admissibles pour un modèle syntaxique (grammaire) complet. Or soit on dispose d’un modèle linguistique automatisé stricte, soit le relâchement des contraintes syntaxiques Texte original Analyse morphologique Bernadette BADJO MONNET Marc BERTIER conduit à une multiplication des cas ambigus. Pourtant, l’analyse syntaxique complète des phrases n’est pas indispensable pour extraire des candidats descripteurs. Le mécanisme proposé ci-dessous permet de procéder à l’extraction de candidats descripteurs sur des considérations du même ordre que celles de la syntaxe, mais d’une manière rendu bien plus aisée du fait de l’abandon de l’objectif intermédiaire coûteux et inutile ici, que constitue l’analyse exhaustive de la syntaxe des phrases d’un texte. Le mécanisme présenté se limite à un simple automate analysant la séquence des éléments produits par l’analyse morphologique. II. Principe de l’analyse robuste 2.1. L’analyse morphologique Le principe est à cette étape, d’associer à une « forme textuelle », des caractéristiques permettant de repérer la base de cette forme, sous ses représentations diversifiées selon les contextes du discours. L’analyseur relève les variations de chacune des formes et propose, celle qui dans le contexte d’une unité d’information, en l’occurrence la phrase semble la plus pertinente. A titre d’exemple nous donnons ci-après le résultat attendu de l’analyseur de l’équipe CRISTAL sur une phrase extraite d’un corpus technique. (Formes fléchies) (catégorie syntaxique) (base lexicale) (variables) on Y (~pronom) on GRN SNG PE3 IN1 FAI dit v (~verbe conjugué) dire PE3 ORD ISU PST FOR qu'un Q (~conj.sub.) que D (~déterminant) un MAS SNG NNU FAI moteur F (~nom/adj) moteur MAS SNG NOM FOR COM alternatif F alternatif MAS SNG ADJ FFN à P à APO LOC FAI combustion F combustion FEM SNG NOM FOR COM interne F interne GRN SNG NAN FOR 101
Colloque international:L'information numérique et les enjeux de la société d'information 102 Texte original Analyse morphologique (Formes fléchies) (catégorie syntaxique) (base lexicale) (variables) fonctionne v fonctionner P13 ORD ISU PST FOR selon P selon AAU FAI un D un MAS SNG NNU FAI cycle F cycle MAS SNG NOM FOR COM à P à APO LOC FAI deux D deux GRN PLU NUM temps * F temps MAS NBN NOM FOR COM lorsque * W alors FOR PRO …/… 2.2 L’analyse « robuste » Données en entrée Le résultat de l’analyse morphologique se trouve en entrée de notre analyse linguistique robuste. On verra plus bas que seule une petite partie des informations élaborées par l’analyseur morphologique de l’équipe, est conservée. Q que Caractérisation des candidats descripteurs en sortie de l’analyse robuste En sortie, l’analyse robuste a pour objectif de donner une liste des candidats descripteurs avec le repérage du passage de texte d’où ils ont été observés. Suivant un choix classique, les candidats descripteurs sont les groupes nominaux. Ici, la structure syntaxique complexe de groupe nominal est « édulcorée », approchée, à l’aide de la structure suivante adoptée pour les candidats descripteurs. Règle 1 : les candidats consistent en un ou une séquence de lexèmes de catégorie NOM. Exemples : Échappement candidat descripteur réduit à un unique lexème NOM Tour/vilebrequin candidat descripteur composé de deux lexèmes NOM Règle 2 : chaque lexème NOM d’un candidat descripteur peut avoir une liste d’adjectifs joints à lui. Exemples : Gaz (brûlé) un lexème NOM avec un adjectif associé Moteur (alternatif) / combustion (interne) deux lexèmes NOM avec chacun un adjectif Diesel (gros) / temps (deux, marin) deux lexèmes NOM avec respectivement 1 et 2 adjectif(s) 2.3 Automate pour l’analyse robuste Nous utilisons pour réaliser l’extraction des candidats descripteurs un automate à nombre fini d’états. Les constituants qui définissent cet automate sont : le vocabulaire en entrée, les états, les transitions et les actions effectuées au passages des transitions. Vocabulaire en entrée L’ensemble des symboles pouvant apparaître dans la chaîne en entrée est constitué par une sousdétermination des catégories morpho-syntaxiques et des valeurs de variables issues de l’analyse morphologique. Seuls 5 symboles sont distingués : ♦ DET : Les déterminants ♦ ADJ : Les adjectifs ♦ NOM : les noms ♦ Prep DE-A : Les prépositions DE et A ♦ Divers : toutes les autres catégories : verbes, pronoms, relatifs, conjonctions relatives, subordonnées, ponctuation ramènent à l’état initial et composent l’ensemble Divers ISD, Tunis 14-16 avril 2005
Page 1 and 2:
Miiniissttèèrree dee ll' ''eensse
Page 3 and 4:
Colloque international:L'informatio
Page 5 and 6:
Page 7 and 8:
Page 9 and 10:
Page 11 and 12:
Page 13 and 14:
Page 15 and 16:
Page 17 and 18:
Page 19 and 20:
Page 21 and 22:
Page 23 and 24:
Page 25 and 26:
Page 27 and 28:
Page 29 and 30:
Page 31 and 32:
Page 33 and 34:
Page 35 and 36:
Page 37 and 38:
Page 39 and 40:
Page 41 and 42:
Page 43 and 44:
Page 45 and 46:
Page 47 and 48:
Page 49 and 50: Colloque international:L'informatio
Page 99: Colloque international:L'informatio
Page 151 and 152:
Page 153 and 154:
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
Page 167 and 168:
Page 169 and 170:
Page 171 and 172:
Page 173 and 174:
Page 175 and 176:
Page 177:
show all

l'information numérique et les enjeux de la ... - smsi :: tunis 2005

Create successful ePaper yourself

Delete template?

Save as template?