Ist2012 aussenac-ontologieAnnotationweb

Donner du sens à des documents semi-
structurés : De la construction d'ontologies
à l'annotation sémantique
Nathalie Aussenac-Gilles, DR CNRS, aussenac@irit.fr

À l’heure du web des données :
1. Donner du sens à des documents pour des logiciels
2. Pourquoi des ontologies ?
3. Comment ? apports du traitement automatique des langues
4. Annotation sémantique, extraction d’information : convergences
5. Web des données : nouveaux enjeux, problèmes connus

Oct 2012 - IST De la construction d'ontologies à l'annotation sémantique - N. Aussenac-Gilles 1

1 - Donner du sens à des
documents pour des logiciels

Qu’est que cela signifie ?
… à l’heure du web sémantique
… avec des ontologies
… à l’heure du web des données


Donner du sens à des documents numériques
 Rendre accessible à un programme leur “contenu”
 … les informations, les connaissances que l’humain y reconnait
 … pour les traiter en tenant compte de ce contenu

href
<CV>
<nom>
</nom> href
<adresse>
</adresse>
<experience>

</experience>
<formation>
 Description documentaire
</formation>  Schemas et DTD pour unifier
</CV>


… à l’heure du web sémantique
 Normaliser les tags et faire référence à une ontologie pour
échanger, comparer, mettre en relation
 Être précis, se mettre d’accord sur le sens
 Raisonner, exploiter des connaissances non explicites

Onto:collaboreAvec Foaf
<CV> dc:estAuteurDe
P1 rdf:Type foaf:person
P1 foaf:name ”‫”ﮇﮠﭿ‬
P1 foaf:adress ”‫”ﭰﭜﭪﮇﮠﭿ‬
Expe1 rdf:Type onto:experience Onto
P1 onto:aExperience Expe1

….
</CV>


Comment produire les annotations ?


Indexation classique

3rd European Semantic Web Conference (ESWC2006)

The 3rd Annual European Semantic Web Conference (ESWC2006) will be held
in Budva, Montenegro from the 11th - 14th June, 2006.
It will present the latest results in research and application in Semantic Web
technologies (including knowledge markup languages, Semantic Web
services, ontology management and more).
ESWC 2006 will also feature a special industry-oriented event providing
European industry with an opportunity to become even more familiar with
these technologies. It will offer a tutorial program, focusing on the latest in
Semantic Web technologies.


Indexation classique -> indexation sémantique

Europe European [geographic area:Europe] Semantic
Technol Semantic
Semanti
Includi Web [semantic Web]
Web Web [semantic Web]
Knowled Conference [conference]
Technology [technology]
Confere Including [to include]
Annual Markup Annual
Languag European [geographic area:Europe] Knowledge [knowledge]
Europe
Semanti Semanti Semantic Markup
Web Web Web Language [Markup Language]
Confere Conference [conference] Semantic
Service Budva [City:Budva]
Budva Ontolog Web [semantic Web]
Montene Montene [geographic
managem area:Montenegro] Service
present Ontology [Ontology]
Feature present [to present]
results
Special results [result] management [management]
Researc
Applica Industr Research [research] Feature [to feature]
Application [application] Special
Semanti Oriente
Web event Industrial [industrial]
Oriented
… Event [event]
…


Une représentation sémantique de la page web


… à l’heure du web des données

 2 défis
 Extraire les triplets
 Les associer à des données existantes

Onto:collaboreAvec Foaf
<CV>
(hasValue,”‫ ,”ﮇﮠﭿ‬foaf:name) dc:estAuteurDe
(hasValue,”‫,”ﭰﭜﭪﮇﮠﭿ‬foaf:adress)
(rdf:Type, P1, foaf:person)
(rdf:Type, Expe1, onto:experience)
(onto:aExperience, P1, Expe1) Onto

….
</CV>


Reconnaître des données existantes

 Des mots à des triplets
spécifiques
 De triplets à des classes,
des types
 Des triplets à des
instances

 Reconciliation d’instances
 Alignement de concepts


2 – Pourquoi des ontologies ?

Nécessité de référentiels pour relier les données entre elles
Nécessité de la formalisation pour raisonner


Est-ce la fin des ontologies ?
===========================================
1st International Workshop on
Ontology Engineering in a Data-Driven World –OEDW 2012

Full-day workshop at EKAW 2012 (Galway, Ireland)
October 8th or 9th, 2012
http://granvia.dia.fi.upm.es/oedw2012/
===========================================
* Motivation*
- Is the current data-driven world going to kill ontologies?
- Are we navigating towards a shallow Web of Data?
* Topics *
- Guidelines, methods, and tools for Linked Data engineering
- Methods for ontology/vocabulary reuse in the Linked Data context
- Methods and techniques for ontology/vocabulary mapping and alignment in
the Linked Data context
- Guidelines, methods, and tools for RDB to RDF mappings
- Life cycle management in the context of Linked Data
- Creation of knowledge out of Linked Open Data
- Ontology/vocabulary repositories
- Empirical findings and statistics about ontologies underlying Linked Data
…


Nécessité de référentiels pour lier les données

 Enjeux pour lier les données
 Reconnaître la même instance dans le même document
 Reconnaître la même classe dans une collection
 Reconnaître la même instance dans une collection
Geonames:city
??:books
 Phénomènes linguistiques associés
 Calcul de références
 Polysémie (quel est le sens d’une occurrence de terme ? Quel
type sémantique lui associer ?)
 Synomymie (savoir qu’on parle de la même entité ou du même
concept avec des termes différents)


Ontologies : motivations

 Réutilisation

 Partage de la connaissance et communication
 Interopérabilité entre différents SBC
 Échange de connaissances entre systèmes

 Premières initiatives
 Infrastructure comme support à la réutilisation de connaissance
 «Knowledge Sharing Effort », ONTOLINGUA,...
 INTERLINGUA (KIF) comme langage pivot pour la traduction
d’un langage vers un autre


Ontologies : historique

Ontologie PHILO. Partie de la métaphysique qui s’applique à l’être en
tant qu’être, indépendamment de ses déterminations particulières
(Le Petit Robert).
Taxinomie 1.DIDACT. Étude théorique des bases, lois, règles,
principes, d’une classification. 2. Classification d’éléments (Le Petit
Robert).
 Taxinomies en sciences naturelles
référant
Concept
Depuis Aristote : essence des choses,
points communs et différences évoque
Refère à

Triangle sémiotique : signe, référant, référé
signe
Forme Référé
Dénomme
“Jaguar“

[Odwen, Richards, 1923]


Ontologies en Ingénierie des Connaissances

Ontologie Spécification normalisée représentant les classes des
objets reconnus comme existant dans le domaine. Construire
une ontologie, c’est aussi décider d’une manière d’être et
d’exister des objets.

 Modèles des connaissances d’un domaine pertinentes pour une
application, une tâche donnée FOND
 Conceptualisation de ces connaissances en classes génériques, relations
et règles
 Application de principes de normalisation, de « bonne construction » et/ou
référence à des classes ontologiques
 Réseau sémantique + axiomes
FORME


D’un formulation linguistique à une représentation
formelle (1)


D’un formulation linguistique à une représentation
formelle : si on utilisait une ontologie ? (2)


Une ontologie permet de typer les données (3)


Une ontologie pour repérer les ambigüités (4)

 Exploiter les contraintes de l’ontologie formelle


Une ontologie pour définir avec précision (5)

:NationalitéFrançaise rdfs:subClassOf :nationalité
:français#1 rdf:type :NationaliteFrançaise


Autres intérêts d’utiliser une ontologie (5)

 Représenter les connaissances sous une forme plus
synthétique (ex des proprités)
:Homme rdfs:subClassOf :Personne
:Femme rdfs:subClassOf :Personne
:apourProfession rdfs:domain :Personne rdfs:range :Profession
Regroupe les 2 définitions
:apourProfession rdfs:domain :Homme rdfs:range :Profession
:apourProfession rdfs:domain :Homme rdfs:range :Profession

 Pouvoir définir des classes par leurs propriétés :
 Définir “journaliste français”
Soit p tel que :
Personne(p) et (p : apourProfession :journaliste) et
(p :apourNationalité :NationalitéFrançaise),
alors :JournalisteFrançais(p)


Ontologie vs thésaurus
Thésaurus SRLF et de la SFAR

hémopéritoine


hémopéritoine : « épanchement hématique localisé au niveau du péritoine »
Hiérarchie de concepts Hiérarchie de relation
ETAT_PATHOLOGIQUE ANATOMIE
ETAT_PATHOLOGIQUE_LOCAL … LOCALISATION
LESION ANA_TISSU_ENVEL à_côté_de
adénopathie capsule à_l'extérieur_de
… duremère au_dessus_de
épanchement mésentère …
épanchement gazeux peau au_niveau_de
épanchement liquidien …
épanchement de pus péritoine
épanchement hématique

Liens
LESION (LOCALISATION) ANATOMIE

Concept défini
épanchement hématique (au_niveau_de) péritoine


fracture à la base du crâne
Hiérarchie de concepts Hiérarchie de relations
LESION SITUATION LOCALISATION OBJET
épanchement angle à_côté_de …
fracture base à_l'extérieur_de DE
bord au_dessus_de …
ANATOMIE_OBJET …
OS au_niv_de
crâne …

Liens
LESION (LOCALISATION) SITUATION

SITUATION (OBJET) ANATOMIE_OBJET

Concept défini
fracture (au_niveau_de) base (DE) crâne


Une ontologie respecte des principes de
structuration … en principe …
 Fixer préalablement et précisément (Guarino 94)
– les engagements ontologiques généraux : point de vue
– les catégories de haut-niveau : appellations et significations (DOLCE)
– le processus de raffinement de ces engagements et définitions des
catégories
– la spécialisation de ces catégories

 Déterminer une ontologie revient à fixer la signification
attendue des primitives d’un domaine (Guarino 96)
– les primitives n’existent pas en tant que telles dans un domaine
d’expertise


Modéliser, c’est faire des choix

1. Quelle différence entre patient et
patiente ?

2. Un concept « primitif » (patient), deux
caractéristiques différentes,
différenciant ainsi les deux concepts
« définis ».
3. La différence est
explicitement liée à un
attribut (sexe) dont la
valeur diffère.


Principes de normalisation d’Archonte
(Bachimont 2000)

 Principes de différenciation
 Point commun entre 1 concept et son père
 Différence entre 1 concept et son père
 Points communs entre 1 concept et ses frères
 Différences entre un concept et ses frères
 Les différences ne sont pas forcément
représentées à l’aide de propriétés mais au
moins par des commentaires


Ontologies - Quelques exemples en 2006
 Ontologies générales ou génériques (haut niveau)
 WordNet / EuroWordNet, http://www.cogsci.princeton.edu/~wn
 The Upper Cyc Ontology, http://www.cyc.com/cyc-2-1/index.html
 IEEE Standard Upper Ontology, http://suo.ieee.org/
 DOLCE, http://www.loa-cnr.it/ontologies/DLP_397.owl
 LRI-Core: a core ontology for law

 Ontologies de domaine ou spécifiques à des applications
 RDF Site Summary RSS, http://groups.yahoo.com/group/rss-dev/files/schema.rdf
 UMLS, http://www.nlm.nih.gov/research/umls/
 RETSINA Calendering Agent, http://ilrt.org/discovery/2001/06/schemas/ical-full/hybrid.rdf
 AIFB Web Page Ontology, http://ontobroker.semanticweb.org/ontos/aifb.html
 Web-KB Ontology, http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-11/www/wwkb/
 Dublin Core, http://dublincore.org/

 Meta-Ontologies
 Semantic Translation, http://www.ecimf.org/contrib/onto/ST/index.html
 Evolution Ontology, http://kaon.semanticweb.org/examples/Evolution.rdfs

 Ontologies au sens large
 Agrovoc, http://www.fao.org/agrovoc/
 Art and Architecture Thesaurus, http://www.getty.edu/research/tools/vocabulary/aat/
 UNSPSC, http://eccma.org/unspsc/
 DTD standardizations, e.g. HR-XML, http://www.hr-xml.org/


Ontologies pour le web des données
 DBPedia, une ontologie à l’échelle du web !
 Construction
 à partir des Info-box de Wikipedia
 Extraction d’information à partir de documents semi-structurés
 L’ontologie
 359 classes
 800 object properties
 859 datatype properties
 116 specialized datatype properties
 45 owl:equivalentClass, 31 owl:equivalentProperty mappings
 La base de connaissances (pour l’anglais) = 3.77 million things
 2.35 million are classified in a consistent Ontology
 764,000 persons, 573,000 places, 333,000 creative works (including
112,000 music albums, 72,000 films and 18,000 video games),
192,000 organizations (including 45,000 companies and 42,000
educational institutions), 202,000 species and 5,500 diseases.
 Versions disponibles en 111 langues = 20.8 million things, out of
which 10.5 mio are interlinked with concepts from the English
DBpedia.
http://wiki.dbpedia.org/About

Vocabulaires pour le web des données
 Dmoz
The Open Directory Project is the largest, most comprehensive human-
edited directory of the Web. It is constructed and maintained by a vast,
global community of volunteer editors.

 Associé au web2.0 et à l’annotation collaborative
 Organiser les rubriques, les catégories d’annotation
 structure.rdf.u8.gz - category hierarchy information
 http://www.dmoz.org

 Freebase
Freebase is an open, Creative Commons licensed graph database with
more than 23 million entities. An entity is a single person, place, or thing.
Freebase connects entities together as a graph.
 Structure : données structurées selon un SCHEMA en domaines
/ types (concepts) / properties
 Pas vraiment de sémantique des types


Ontologies pour le web sémantique

 Écrites en OWL ou RDFs
 Accessibles sur le web
 Identifiants : URI
 Importent d’autres ontologies

<owl:Class rdf:ID= “wineOnto:Winery”/>
<owl:Class rdf:ID= wineOnto:PotableLiquid »/>

<owl:Class rdf:ID="Wine">
<rdfs:subClassOf rdf:resource="food:PotableLiquid"/>
<rdfs:label xml:lang="en">wine</rdfs:label>
<rdfs:label xml:lang="fr">vin</rdfs:label> ...
</owl:Class>

3 – Comment ? Apports du TAL

Le problème : donner du sens à des documents
Hypothèses :
 c’est articuler langue et représentations sémantiques

 les représentations sémantiques sont mieux définies dans

une ontologie
L’approche : extraire des informations/connaissances des textes
Les outils : logiciels de Traitement Automatique des langues


Construire vs peupler une ontologie
Ontology Learning
Construction d‘ontologie Ontology Creation & Development
Construction d‘ontologie
Identifier des indices de prédicats
Analyse linguistique pour extraire des
(catégories, attributs, propriétés)
prédicatsde leur représentation dans
Décider (catégories, attributs,
propriétés) à partir de textes
l’ontologie Extraire
Classes & Relations

Peuplement d‘ontologie Extraire (Annoter)
Instances
Extraire des indices linguistiques
d’instances de concepts de
l’ontologie
Annoter
Ontology Population
Knowledge Base Generation


Construire vs peupler une ontologie
Hugo est heureux que son grand-père René l’accompagne pour
retrouver sa mère Rosie.

Je crée l’ontologie Je décris des instances
 Classes  Classes / propriétés connues

 Propriétés des classes  Personne
 Relations binaires
 PereDe; MereDe
 GrandParentDe

 Personne
 Instances identifiées
 Hugo, René, Rosie
 PereDe ou MereDe
 GrandParentDe  Relations entre instances
 AppartientMemeFamilleQue  GrandPereDe(René, Hugo)
 MereDe(Rosie,Hugo)
 PereDe(René, Rosie)


Les textes pour construire ou peupler
 Construire le schéma
Ontologie
Indices
linguistiques

RTO : ressource termino-ontologique
 Peupler par des instances Où stocker les indices linguistiques ??
Et les patrons/ logiciels pour les trouver ?

Ontologie
Indices
linguistiques
Instances
RTO


Trouver les formulations linguistiques
Ressource

LESION LOCALISATION ANATOMIE CONCEPT

épanchement hématique (au_niveau_de) péritoine

système
hémopéritoine terme

texte
L'échographie abdominale retrouve une contusion splénique et un hémopéritoine. Traumatisme abdominal avec une fracture de rate et un
hémopéritoine abondant, ayant nécessité une splénectomie en urgence. Un nouvel état de choc apparaît associé à syndrome
compartimentaire abdominal (hémopéritoine + hématome rétropéritonéal)) justifiant la laparotomie exploratrice. L'évacuation de
l'hémopéritoine ne permet pas de mettre en évidence une cause nette au saignement ;Instabilité hémodynamique initiale, avec TA 80 / 60
et fréquence cardiaque à 120 / min en relation avec des pertes sanguines sur les foyers de fractures (échographie abdominale normale,
absence d‘ hémopéritoine ou de lésion viscérale intrapéritonéale évidente)).deux échographies abdominales successives un
hémopéritoine évolutif, sans pneumopéritoine, ainsi qu'un décollement péricardique postérieur.un traumatisme thoraco-abdominal avec
fracture des arcs postérieurs des 7e, 8e et 9e côtes droites, contusion hépatique au niveau des segments VI-VII, hémopéritoine de
moyenne abondance, contusion splénique,Instabilité hémodynamique nécessitant remplissage, transfusion de culots globulaires, PFC et
plaquettes dans le cadre d'un hémopéritoine sur fracture du bassin.


Trouver les variantes de formulation
RTO

sevrage (OBJET) Noradrénaline CONCEPT
sevrage_Noradrénaline

sevrage en noradrénaline sevrage de la noradrénaline termes

sevrage Adj? [de|en] la? noradrénaline système
sevré de noradrénaline patrons

noradrénaline être Adv? sevré

texte
sevrage en noradrénaline le 23 / 10. Stabilité cardiorespiratoire, le sevrage de la Noradrénaline est fait à J5 de la
réintervention et l'extubation est réalisée à J6. Evolution favorable avec sevrage rapide en Noradrénaline le 20 / 06 /
99. Stabilité hémodynamique initiale correcte avec sevrage progressif en Noradrénaline obtenu à J3. Les suites du
choc hypovolémique hémorragique sont simples, avec sevrage de noradrénaline à J3 et extubation à J2. L'évolution
est alors favorable avec Instauration d'une corticothérapie ayant permis un sevrage rapide de la Noradrénaline, La
patiente est sevrée de noradrénaline le 16 / 06 / 00. Le patient est sevré de Noradrénaline le 13 / 05 / 00. La
Noradrénaline est sevrée dans la nuit du 20 au 21 / 01. Après remplissage vasculaire par 1000 cc de Plasmion et
1000 cc d'Elohes, la Noradrénaline est rapidement sevrée


Couches de TAL pour construire une ontologie
(Buitelaar, EACL 2006)

Toute personne a au plus 1 mère Axiomes, règles
Disjoint(personne, ville) Schémas d’axiomes
estParentDe(Personne, personne) ;
habiteDans(personne, ville)
Autres relations
PèreAdoptif est_un père Hiérarchie de concepts
personne est_un êtreVivant
C:père = {René,…}, {personne qui a 1 enfant} Concepts
{père, papa, géniteur} Synonymes (multilingues)
{mari, conjoint, époux}
Personne, père, père adoptif, Termes
enfant, grand-parent
Séquence de mots (texte)


Extraire des termes

 Termes
 Unité lexicale complexe qui fait sens dans le domaine
 Candidats
 Père connaissance
 Père adoptif acquisition de connaissances
 Père adoptif de l’enfant Acquisition de K du domaine
 . Acquisition de connaissances du jour

 Difficultés
 Trop de candidats : comment sélectionner ?
 Quels sont les bons termes pour mon ontologie ?
 Notion de termhood (« termitude ») = importance, représentativité
du candidat dans le domaine


Techniques pour identifier des termes

 Linguistiques
 = caractériser la syntaxe des termes par des patrons
N, N prep det N, Adj N; N adj, …
 Exploiter les frontières : det, prep, verbes
 Exploiter les noms propres, mots vides …
 Statistiques
 Co-occurrences, segments répétés
 Comparaison de la fréquence dans le corpus % à la langue
générale
 Hybrides
 Utiliser les statistiques pour filtrer les termes
 Combiner patrons + co-occurrences pour trouver des candidats


Extracteurs de termes « linguistiques »

 Patrons appris sur corpus annoté : ANA (Daille)
 Frontières négatives Lexter ( Bourigault, 2000)
 Patrons exploitant les dépendances grammaticales :
SYNTEX (Bourigault, 2003)


TermoStat (Drouin, 2007) : ex de patrons

 TermoStat Web
http://olst.ling.umontreal.ca/~drouinp/termostat_web/

Termostat : score de spécificité


Termostat : Critères de sélection des termes
 Fréquence Spécificité
 Relations syntaxiques entre termes /productivité



Autres relations
De la construction d'ontologies à l'annotation sémantique -
Oct 2012 - IST N. Aussenac-Gilles 50

Recherche de synonymes en français

 Ressources exploitables
 Dictionnaires de synonymes (Dicosyn (U. de Caen, ~200 000
couples)
 Ressources lexicales (Synset de Wordnet)
 Logiciel SYNOTERM (Hamon, 2006) :
 Exploiter la structure des termes et des dictionnaires de
synonymes + vérifier en corpus:
 Si A et B sont synonymes,
 Si NA et NB existent en corpus
 Alors proposer NA synonyme de NB
 Problème : la relation de synonymie est contextuelle
 Identifier des relations de synonymie pertinentes
 pour le domaine
 pour l’application


Synonymie inter-langue

 Techniques statistiques
 Clustering
 Classer les termes selon leur distribution
 2 termes sont groupés dans une classe s’ils sont utilisés dans les
mêmes contextes
 Classification
 Associer des candidats termes à des classes déjà définies
 Exploiter des corpus parallèles
 Même texte exprimé dans 2 langues


(Buitelaar, EACL 2006)

Autres relations


Typologie des méthodes de structuration

 Méthodes structurelles
 Exploitent sur la structure syntaxique interne des candidats
termes («endotermes»)
 Composition syntaxique
 Variation morpho-syntaxique, lexicale

 Méthodes contextuelles
 Exploitent les contextes de co-occurrence des candidats termes
(«exotermes»)
 Locales : une relation extraite pour une occurrence
 Patrons
 Globales : des relations extraites à partir d’un ensemble
d’occurrences
 Cooccurrence statistique
 Analyse distributionnelle


Méthode structurelle : dépendance syntaxique

 Dépendance syntaxique
 Chaque terme complexe se décompose en une Tête et une
Expansion
 Séries paradigmatiques

ontologie ~ ~ de base de connaissance
T ---- disponible E ---- concepteur
---- définie ---- conception
---- explicite ---- construction
---- formelle ---- maintenance
---- référentielle ---- raffinement
---- régionale ---- structure
---- résultante ---- usage
---- spécialisée ---- validation
---- universelle ---- vérification


« Tous les Nom Adj sont des Nom » est faux
CT : syndrome ~ Taxinomie de concepts
38 syndrome septique SYNDROME
35 syndrome infectieux SYNDROME_CLINIQUE
anasarque
29 Syndrome alvéolaire
apnée du sommeil
28 syndrome dépressif …
27 syndrome confusionnel syndrome bronchique
23 syndrome de défaillance
syndrome cave
syndrome confusionnel
19 syndrome bilatéral …
18 syndrome inflammatoire SYNDROME_MIXTE
17 Syndrome fébrile état de mort encéphalique
rhabdomyolyse
16 syndrome de défaillance multiviscérale
…
14 syndrome pyramidal syndrome de défaillance multiviscérale
14 syndrome alvéolaire bilatéral syndrome de détresse respiratoire aiguë
14 Syndrome abdominal
…
SYNDROME_PARACLINIQUE
14 syndrome occlusif syndrome alvéolaire
11 syndrome de sevrage syndrome alvéolo-interstitiel
… … …


Méthode structurelle : variation

 Principe général (Daille, 2009)
Si
CT1 = [ A B1 ]
CT2 = [ A B2 ]
Et
B1 REL B2
Alors
CT1 REL CT2
 Exemples
 Variation morphosyntaxique
transférer en réanimation  transfert en réanimation
patient transféré  transfert du patient
 Variation lexicale
hausse de la température  augmentation de la température


Variation morphosyntaxique

 Type de relations
 verbe – nom (transférer un = transfert du)
 nom – adjectif (transfert de / transférable)
 …
 Méthodes exogènes : avec ressources lexicales
 Celex
 Verbaction (ERSS, N. Hathout) : verbe – nom
 Méthodes endogène : sans ressource externe
 Règles de troncation + validation sur corpus


Variation morphosyntaxique : des résultats

 Une productivité réduite, mais des résultats fiables
 Corpus REA : environ 200 couples SV-SN

arrêter les antibiotiques, arrêt des antibiotiques, antibiotiques arrêtés
drainer un pneumothorax, drainage du pneumothorax
lever une atélectasie, levée de l’atélectasie

 Corpus Code Civil : environ 100 couples SV-SN

le conseil de famille autorise, autorisation du conseil de famille
établir la filiation, filiation établie
révoquer la donation, révocation de la donation, donation révoquée


Couches de TAL pour la construction
d’ontologies (Buitelaar, EACL 2006)
Autres relations
C:père = {René,…}, personne qui a 1 enfant} Concepts


Méthodes contextuelles locales :
patrons de relation
 Exemples :
un … est un … qui
tous les …, sauf …,
… et …
 Problèmes
 Généralités vs. spécificité (domaine, type de textes)
 Relations
 Patrons
 Prétraitements : quels indices exploiter ?
 Lexique, POS, relations syntaxiques SUJET-OBJET…,
 Valider des patrons généraux
 Cf. Cameléon
 Acquérir des patrons spécifiques
 Technique itérative (Hearst, 1992)
 Apprentissage automatique

Méthodes contextuelles globales :
cooccurrence

 Méthodes classiques en informatique documentaire
 Création automatique de thesaurus
 Cooccurrence statistique
 1er ordre
 Les unités qui cooccurrent avec le mot pivot dans une fenêtre
donnée (phrase, paragraphe, +- n mots)
 2ème ordre
 Les unités qui ont les mêmes cooccurrents que le mot pivot


Méthode contextuelle globale :
analyse distributionnelle

 Analyse distributionnelle (Zellig S. HARRIS)
 Deux termes sont rapprochés s’ils apparaissent dans les mêmes
contextes syntaxiques.

ontologie taxinomie
contextes
insertion dans ~
classer dans ~
structurer ~
organisation de ~
réaliser ~


Analyse distributionnelle :
choix méthodologiques

 Analyse syntaxique en entrée
 syntagmes nominaux / syntagmes verbaux
 Données (unités rapprochées, contexte)
 structures élémentaires / structures complexes
 Mesures de proximité
 Jaccard / Jaccard pondéré / …
 Types de regroupement
 Couples / classes / cliques / …


Logiciels

 Extraction de relations
 Caméléon -> démo
 Terminoweb http://termino.iit.nrc.ca/index.jsp

 Chaînes de traitements
 text2Onto http://ontoware.org/projects/text2onto/
 Un projet européen : NEON http://www.neon-project.org/
 Un projet pour le français : DAFOE http://dafoe4app.fr/

Oct 2012 - IST 65
De la construction d'ontologies à l'annotation sémantique - N. Aussenac-Gilles

Couches de TAL pour la construction
d’ontologies (Buitelaar, EACL 2006)
Toute personne a au plus 1 mère
Si Pere(x,y) et Pere(y,z) alors GrandPere(X,Z) Axiomes, règles
Autres relations


4 - Annotation sémantique,
extraction d’information :
convergences

La diversité des annotations
L’annotation de documents textuels : de la langue aux
représentations formelles
Quelques logiciels d’annotation
À l’heure du web des données


Annotations et méta-données
 Annotation comme objet
 Information associée à une page existante
 Information manipulable par un système informatique
 Information qui peut être séparée des données annotées

 Annotation vs méta-donnée vs index
 Méta-donnée
 Plutôt normalisée, catégories définies a priori et souvent séparée du
document (fichier à part)
 Ex : Dublin Core
 Annotation
 Plutôt liée au domaine, définie A LA MAIN ou automatiquement, APRES
création du document, complète le document
 Index
 Plutôt lié au contenu, calculé AUTOMATIQUEMENT à partir du document
(APRES création), stocké à part, se substitue au document


Emprunté à Y. Prié, cours M2R 2005-2006


Processus d’annotation sémantique
 2 types d’annotations
 Associer des concepts à tout le document ou à chaque
paragraphe (annotation conceptuelle)
 Localiser précisément les mots correspondant aux concepts
(annotation sémantique)

 2 types de processus / de logiciels
 Manuel : interface pour « poser » des annotations (ex: Magpie,
Notator)
 Automatique : logiciel de production d’un index sémantique


Annotation sémantique de documents textuels
 Annotation comme processus
 But
 Construire une représentation de chaque document
formée de concepts (et de relations entre concepts)
 Les indices linguistiques comme pivots
 Retrouver des traces linguistiques de concepts /
d’instances de concepts / dans les textes
 Retrouver des traces linguistiques de relations

Indices
linguistiques


Processus d’annotation sémantique
 Indices pour annoter
 termes importants ou mots clés
présents dans l’ontologie
 = étiquettes des concepts
(labels ou Id)
 Annoter
 Enregistrer les concepts
associés
 Résultat de l’annotation
(suivant les approches)
 Liste de concepts
 Liste d’instances de concepts
 Graphe de concepts
 Graphe d’instances de
concepts


Graphe d’annotation

 Graphe de relations entre
instances
 Graphe connexe
 Ensemble de triplets
conformes au modèle de
l’ontologie


Processus d’annotation

 Ex de difficultés
 Ontologie : concept « rouler » > comment reconnaître roulage ?
 Ontologie : concepts « perte de puissance » et « puissance » :
comment choisir « perte de puissance » ?
 Ontologie : « perte de puissance » EST-UN « problème » : faut-il
annoter avec le concept le plus spécifique ? Le plus générique ?
Les deux ?
 Phrase : (à haut régime) :
 parenthèses: faut-il en tenir compte ? Comment les interpréter ?
 Fin de phrase : comment savoir que « haut régime » est associé au
moteur et pas à « autoroute » ?


Processus d’annotation : fonctions de TAL
essentielles
 Calculer la distance entre 2 termes
 Distances entre chaînes de caractères (dist lexicales)
 Basée sur des n-grammes, souvent 3-grammes : chat et chaton ont
en commun {cha, hat} (mesure de Lin, 1998)

 Distance d’édition (Levenshtein, 1996)
E(T1,T2) = nbre d’opérations pour passer de T1 à T2
 String matching (Maedche et Staab, 2002)

 Distances entre termes composés de plusieurs mots
 Distance entre vecteurs de mots


Couches de TAL pour l’annotation
sémantique (Buitelaar, EACL 2006)
Autres relations


Annotation sémantique avec TextAnnot
http://themat2i.univ-pau.fr:8080/TextAnnot-WWW/index.jsp

 Le processus
 Projette les termes de la RTO des fiches à annoter
 indexation avec le moteur Lucène
 distance entre termes basée sur des trigrammes
 Génère des instances de termes
 Pour chaque terme, génère une instance DU (seul) concept associé
 Met en relation les instances de concepts reconnus lorsque les termes sont
proches dans la même phrase
 Les met en relation avec le type de relation proposé dans l’ontologie

 Le résultat
 Graphe d’instances, connexe
 Ensemble de triplets d’instances ajoutées à l’ontologie


Annotation sémantique avec TextAnnot
http://themat2i.univ-pau.fr:8080/TextAnnot-WWW/index.jsp


Cycle de vie des annotations
Gestion des évolutions des annotations corpus
Assurer la cohérence entre ontologie / annotation et

Nouveaux documents Nouveaux concepts
Nouvelle terminologie


Outils d’annotation
 Annotation en RDF
 Annotea
 W3C
 Protocole de transfert d’annotation vers/de un serveur central
 Un schéma minimal, extensions possibles, classement des topics
 Implémentations : Amaya
 Annotation sémantique en RDFs
 CREAM (CREAting Metadata)
 Framework pour l’annotation / édition
 Notion de méta-données relationnelle (ie. basées sur les ontologies)
 Ontomat
 http://annotation.semanticweb.org/tools/ontomat
 Annotation sémantique à l’aide de graphes conceptuels
 Web Knowledge Base – http://www.webkb.org/


CREAM


KIM (Kyriakov et al., 2004)

 But = annoter des pages web
 Implémentation = plug-in du navigateur
 Mise à disposition d’une ontologie “générale” qui renvoie
à des noms propres (lieux, personnes, entreprises, etc)
 Disponible à http://www.ontotext.com/kim


KIM


5 – à l’heure du web des données

 Nouveaux enjeux
 Associer données et ontologies
 Annoter avec des ontologies peuplées de données
 Extraire des données pour annoter
 Annoter pour naviguer
 Nouveauté
 Quantité, disponibilité des données
 Continuité des problèmes linguistiques
 Ambigüité, références, variation, …


DBPedia Spotlight

DBpedia Spotlight is a tool for annotating mentions of DBpedia resources
in text, providing a solution for linking unstructured information sources to
the Linked Open Data cloud through DBpedia.
http://en.wikipedia.org/wiki/DBpedia_Spotlight

 Début en Juin 2010, réalisé par les chercheurs du Web Based
Systems Group de la Free University of Berlin
 Disponible pour l’anglais, internationalisation en cours
 Open source web service
 Spotting: Keyphrase Extraction and Named Entity Recognition
 Desambiguation : choisit la bonne classe en fonction du contexte
 Annotation : retourne les résultats de l’annotation avec le “meilleur” concept pour
chaque expression annotée
 Candidats : retourne toutes les possibilités d’annotation de chaque expression
 http://dbpedia-spotlight.github.com/demo/#


Fred : extraire et annoter par des graphes
 FRED http://wit.istc.cnr.it/stlab-tools/fred/
 analyse des phrases en langage naturel
 bien formées en anglais (verbe)
 produit des fragments d'ontologies et de données liées
en RDF/OWL
 Principes
 reconnaissance des relations du verbe (FrameNet et VerbNet)
 représentation logique compatible avec DRT (discourse
representation theory)
 application de patrons de conception d'ontologie (ontology design
patterns) pour bien former les fragments
 Analyseurs utilisés
 C&C http://svn.ask.it.usyd.edu.au/trac/candc
 Boxer http://svn.ask.it.usyd.edu.au/trac/candc/wiki/boxer

Tipalo : extraire des graphes locaux

 Tipalo http://wit.istc.cnr.it/stlab-tools/tipalo/
 But :
 générer un graphe d’entités d’une page Wikipedia
 Sorte « d’annotation » de la page
 Graphe RDF composé de rdf:type, rdfs:subClassOf, owl:sameAs,
et owl:equivalentTo
 Méthode
 Utilise FRED
 Affecte automatiquement un type aux entités nommées


http://en.wikipedia.org/wiki/Isabelle_Huppert


Annoter pour naviguer via les données

 Aemoo http://wit.istc.cnr.it/aemoo/index.html
 But : recherche exploratoire sur le Web.
 Entrée : des mots clés
 Résultat : réseau autour de cette entité
 Sources exploitées :
 Les textes de Wikipedia, Twitter, et Google News
 Plus riche que DBpedia (qui représente seulement 7de
Wikipedia).


Aemoo n’aime que les entités, pas les classes 


Aemoo aime bien les entités 


Inquire : intelligent textbook
http://www.aaaivideos.org/2012/inquire_intelligent_textbook/

 Ontologie de 5000
concepts
 Editeur de graphes
 Annotation
manuelle


Inquire : annotation par des graphes


Inquire : interrogation


Le graphe / concept réponse


Afficher la réponse : document reconstruit


Discussion: web des données, web sémantique
 Le web des données
 Plus de données
 Format homogène
 Processus continu d’enrichissement
 L’espoir / l’illusion : plus réaliste que le web sémantique
 Annotations plus faciles
 Ressources disponibles pour annoter, couvrant tout domaine
 Faire émerger du sens de la quantité
 La réalité
 Typer les données
 Assurer des passerelles entre données (aligner, associer)
 Les problèmes d’annotation demeurent


Convergences : les difficultés qui demeurent

 Sur les données pour annoter
 Relier les données => les typer => ontologies
 Ontologie => point de vue sur le document
 Extraire des triplets vs donner du sens
 Sur l’annotation en général
 Statut des annotations, droits % documents et auteurs
 Qui annote, quand, pour qui
 Place, stockage des annotations

 Sur l’annotation sémantique
 Orientation des interprétations, des usages, requêtes etc.
 Gestion des évolutions
 Guidage par le document (et adaption du schéma) vs par
l’ontologie


Convergences : les difficultés qui demeurent

 Outils d’annotation
 Automatisation => articulation lexique-ontologie et/ou TAL
 Architectures différentes selon usage prévus
 En pleine expansion
 Nécessite des développements en apprentissage et TAL

 Ce que je n’ai pas développé : exploiter le web 2.0
 Les tags sont-ils des annotations ?
 Méta-données ? Mots-clés ou pense-bête ?
 Quel rapport à l’objet documentaire taggé ?
 Folksonomies pour construire / remplacer les ontologies


Ist2012 aussenac-ontologieAnnotationweb

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to Ist2012 aussenac-ontologieAnnotationweb

Similar to Ist2012 aussenac-ontologieAnnotationweb (20)

More from Nathalie Aussenac-Gilles

More from Nathalie Aussenac-Gilles (6)

Ist2012 aussenac-ontologieAnnotationweb