Documente Academic
Documente Profesional
Documente Cultură
Reprise de slides de T. Poibeau (CNRS et U. Paris 13), de W. Cohen (CMU), de Julien Lemoine (Exalead)
Antoine Rozenknop
6 fvrier 2009 e
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
1 / 29
Sources
Sources des Slides Thierry Poibeau : (CNRS UMR 7030 et Universit Paris13) e Disponible sur http://www-lipn.univ-paris13.fr/ poibeau/laics/ W.Cohen (Carnegie Mellon U.) Disponible sur http://www.cs.cmu.edu/ wcohen/
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
2 / 29
Plan
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
3 / 29
Plan
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
4 / 29
Premi`re campagne dvaluation dans le TLN e e Message Understanding Conferences: 7 confrences de 1987 ` 1998 e a Organises par le DARPA et le NOSC (Naval Ocean System Center) e Objectif : mesurer et encourager la recherche dans le traitement automatique de messages (objectif militaire, initialement) valuation rguli`re des avances scientiques e e e e Mode dvaluation ouvert et coopratif (comparaison des rsultats et e e e des technologies) introduction des mesures de rappel/prcision e
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
5 / 29
Droulement dune valuation MUC e e Un domaine est dabord x par les valuateurs e e
messages de la marine amricaine e rcits dattentats terroristes en Amrique du Sud e e messages concernant les joint-ventures
tape de prparation (annotation des donnes, adaptation des e e e syst`mes) e une tape dvaluation par un syst`me de bo noire (comparaison e e e te automatique des rsultats fournis par les syst`mes avec ceux fournis e e par un expert) une tape dchange entre concepteurs de syst`mes e e e
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
6 / 29
Bref historique des campagnes MUC MUCK-1, 1987 : messages de US Navy MUCK-2, 1989 : formulaire de dix champs ` remplir, premi`res a e mesures dvaluation e MUC-3: 1991: 18 champs, rcits dattentats terroristes en Amrique e e du Sud, anement des mesures dvaluation e MUC-4: 1992: 24 champs, corpus similaire ` MUC-3 a
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
7 / 29
Bref historique des campagnes MUC MUC-5: 1993: 47 champs, en anglais et japonais, messages concernant des joint-ventures et de la microlectronique. e
Premi`re tentative damliorer la portabilit (multi-linguisme, e e e multi-domaines)
MUC-6: 1995: messages concernant les changements dans les postes de direction dentreprises ; 4 tches sont dnies : reconnaissance a e dentits nommes, co-rfrence, formulaire des entits, formulaire e e ee e des scnarios. e
dnit des modules gnriques et rutilisables par del` les domaines e e e e a
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
8 / 29
Analyse locale gnralement eectue par un syst`me de e e e e transducteurs appliqus en cascade e Anement des mesures dvaluation e
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
9 / 29
Les confrences MUC e Les scores Rappel/Recall ( = surdit ) e Rappel = R = nb. r e ponses correctes nb. total de r e ponses attendues
Limitations des syst`mes MUC e Les rsultats semblent avoir atteint un plafond e
la plupart des syst`mes taient bass sur une analyse de surface ` base e e e a de transducteurs ` tats nis. ae
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
11 / 29
Plan
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
12 / 29
Principaux probl`mes de la comprhension de texte e e Qualit moyenne (Tacitus: F-mesure de 57 ` MUC3) e a Bonne prcision mais mauvais rappel e Temps de traitement (36 heures pour 100 dpches) e e Dicile ` adapter ` un nouveau domaine a a Syst`mes plus simples e Cibls sur de linformation pertinente e Bass sur des transducteurs ` tats nis e ae Exemple: Passage de Tacitus (Hobbs et al., 1991) vers Fastus (Appelt et al., 1993)
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
13 / 29
Exemple Document Bridgestone Sports Co. said Friday it had set up a joint venture in Taiwan with a local concern and a Japanese trading house to produce golf clubs to be supplied to Japan. The joint venture, Bridgestone Sports Taiwan Co., capitalized at 20 million new Taiwan dollars, will start production in January 1990 with production of 20,000 iron and metal wood clubs a month. Patron ` remplir a Relation: TIE-UP Joint Venture: Bridgestone Sports Taiwan Co. Entits: Bridgestone Sport Co., a local concern, a Japanese e trading house Activit: iron and metal wood clubs e Capital: NT $20000000, Date de cration: During january 1990 e
Antoine Rozenknop () Extraction dinformations 6 fvrier 2009 e 14 / 29
Traitements syntaxiques
reconnaissance des groupes nominaux simples reconnaissance des groupes nominaux complexes
Traitement smantique e
reconnaissance des v`nements du domaine e e
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
15 / 29
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
16 / 29
1 - Traitement lexical
Reconnaissance des nombres Reconnaissance des noms propres (listes de prnoms, de lieux . . . ) e Reconnaissance des amorces comme M. (pour Monsieur) ou SA (pour Socit anonyme) ee Reconnaissance et normalisation des sigles comme I.B.M ou I.B.M. (avec ou sans point ` la n) a Etiquetage des mots inconnus et des mots commenant par une c majuscule Utilisation dUnitex
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
17 / 29
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
18 / 29
Groupes nominaux simples Principe Bridgestone Sports Co./CompName said/VG Friday/NG it/NG had set up/VG a joint venture/NG in/PREP Taiwain/Location With/Prep a local concern/NG and/Conj a Japanese trading house/NG Identication de groupes (nominaux, verbaux, . . . ) Pas de rsolution des attachements e
Antoine Rozenknop () Extraction dinformations 6 fvrier 2009 e 19 / 29
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
20 / 29
Figure: Extrait des noms de personnes entrants dans des noms dentreprises ou de lieu
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
21 / 29
Principes Les r`gles sappliquent en respectant certaines heuristiques : e Principe du plus long patron (longest match), Une r`gle ne peut plus sappliquer ` lintrieur dune squence e a e e prcdemment reconnue e e Si deux r`gles de mme longueur peuvent sappliquer, lordre e e dapplication des grammaires joue le rle darbitre o
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
22 / 29
Exemple de Transducteur
Application Apr`s de nombreux essais, la S.N.C.F. gnralisa lusage du T.I.A. en e e e 1942. T.I.A. consiste ` introduire... a
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
23 / 29
Exemple de Transducteur
Application {S}Apr`s de nombreux essais, la S.N.C.F. gnralisa lusage du T.I.A. en e e e 1942. {S}T.I.A. consiste ` introduire... a
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
24 / 29
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
25 / 29
Amliorations proposes dans Fastus e e Rvision dynamique des tiquettes en fonction dun contexte local (theory e e renement, Mooney 1993, Dejean Coling 2000, Brill, ...) Par dfaut, Washington est un nom de lieu e Dapr`s les contextes Consuela Washington et Mrs. Washington, e retypage en noms de personnes des occurrences isoles. e Bien adapt ` des documents courts (domaine de localit) ea e
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
26 / 29
Groupes nominaux complexes Principe gestion de lapposition, par exemple Arizona senator Barry Goldwater won the Republican nomination, Barry Goldwater est un groupe nominal en apposition de Arizona senator. construction de groupes indiquant une mesure conjonction entre groupes nominaux
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
27 / 29
3 - Traitement smantique e
Utilisation de patrons du type : [COMPANY][SET-UP][JOINT-VENTURE] with [COMPANY] [COMPANY][SET-UP][JOINT-VENTURE] (others)* with [COMPANY] ...
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
28 / 29
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
29 / 29
Performances des syst`mes MUC e R`gles/Automates faits mains : jusqu` 6 mois pour un seul domaine e a (MUC-6) Performances :
Reprage dEntits Nommes : jusqu` 0, 9 de P&R. e e e a Scnario : jusqu` 0, 65 de P&R (accord inter-annotateurs : entre 0, 6 e a et 0, 8 de P&R) Est-ce susant en pratique ?
Antoine Rozenknop ()
Extraction dinformations
6 fvrier 2009 e
30 / 29