Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Jean Veronis - 2010 Seo Campus

16,332 views

Published on

Conférence sur la reconnaissance des entités nommées à SEO Campus 201

Published in: Technology

Jean Veronis - 2010 Seo Campus

  1. 1. Entités nommées<br />Jean Véronis<br />SeoCampus 2010<br />
  2. 2. C’est quoi ?<br />jvTech • Jean Véronis Technologies<br />
  3. 3. Extraction d’information<br />En France, il est interdit d’accrocher les mots “travailler”, “gagner” “plus” et “moins”, sur une façade. <br />C&apos;est ironique,<br />quand on est un artiste chinois, <br />d&apos;être censuré en France pour subversion politique. Critiquer Hu Jintao à Pékin, c&apos;est possible. Mais Nicolas Sarkozy à Paris, ça non, c&apos;est interdit. L&apos;artiste Siu Lan Ko, 33 ans, en a fait les frais hier matin. Son installation a été décrochée en toute hâte de la façade des Beaux-Arts de Paris à la demande de son directeur Henry-Claude Cousseau…<br />Télérama – 11 février 2010<br />jvTech • Jean Véronis Technologies<br />
  4. 4. ~Noms propres<br /><ul><li>Personnes, lieux, marques, entreprises, organismes, etc.
  5. 5. France
  6. 6. Hu Jintao
  7. 7. Pékin
  8. 8. Nicolas Sarkozy
  9. 9. Paris
  10. 10. Siu Lan Ko
  11. 11. Beaux-Arts
  12. 12. Henry-Claude Cousseau</li></ul>jvTech • Jean Véronis Technologies<br />
  13. 13. Mais pas seulement…<br />Pourcentages, dates, montant monétaires, etc.<br />La faiblesse de la croissance en zone euro au quatrième trimestre 2009 (+0,1%) et la stagnation du Produit intérieur brut (PIB) en Allemagne sur la même période a déprimé les valeurs automobiles: Volkswagen a lâché 1,91% à 56,06 euros, BMW -1,66% à 29 euros, Daimler -0,95% à 32,46 euros.<br />jvTech • Jean Véronis Technologies<br />
  14. 14. Tâche mal définie<br />Pourquoi entités « nommées » si on ne se limite pas aux noms propres ?<br />Où s’arrête-t-on ?<br />Dépend fortement de l’application<br />La faiblesse de la croissance en zone euro au quatrième trimestre 2009 (+0,1%) et la stagnation du Produit intérieur brut (PIB) en Allemagne sur la même période a déprimé les valeurs automobiles: Volkswagen a lâché 1,91% à 56,06 euros, BMW -1,66% à 29 euros, Daimler -0,95% à 32,46 euros.<br />jvTech • Jean Véronis Technologies<br />
  15. 15. A quoi ça sert ?<br />jvTech • Jean Véronis Technologies<br />
  16. 16. Buzz<br /><ul><li>Navigation
  17. 17. SEO</li></ul>jvTech • Jean Véronis Technologies<br />
  18. 18. Veille, suivi de tendances<br />polémique<br />Polanski<br /><ul><li>Exemples</li></ul>propos sur l’Auvergnat…<br />Brice Hortefeux ~ Frédéric Mitterand<br />jvTech • Jean Véronis Technologies<br />
  19. 19. <ul><li>marques</li></ul>épisode de la F1<br />Renault ~Peugeot<br />jvTech • Jean Véronis Technologies<br />
  20. 20. <ul><li>e-reputation</li></ul>vague de suicides<br />France Télécom ~ Suicides<br />jvTech • Jean Véronis Technologies<br />
  21. 21. Moteurs de recherche<br />actu<br />jvTech • Jean Véronis Technologies<br />
  22. 22. Moteurs de recherche<br />pas d’actu<br />jvTech • Jean Véronis Technologies<br />
  23. 23. Nombreuses autres applications<br /><ul><li>Traduction automatique</li></ul>Guillaume Portes a conçu le logiciel Fenêtres<br />jvTech • Jean Véronis Technologies<br />
  24. 24. Nombreuses autres applications<br /><ul><li>Classification de documents
  25. 25. « Textmining »
  26. 26. Constitution de bases de faits
  27. 27. etc.</li></ul>jvTech • Jean Véronis Technologies<br />
  28. 28. <ul><li>Exemple:
  29. 29. siloBreaker</li></ul>jvTech • Jean Véronis Technologies<br />
  30. 30. jvTech • Jean Véronis Technologies<br />
  31. 31. jvTech • Jean Véronis Technologies<br />
  32. 32. ClearForestGnosis — projet OpenCalais<br />jvTech • Jean Véronis Technologies<br />
  33. 33. Comment ça marche ?<br />jvTech • Jean Véronis Technologies<br />
  34. 34. Deux problèmes<br />...blabla… Orange …blabla…<br />détection<br />interprétation<br />…<br />jvTech • Jean Véronis Technologies<br />
  35. 35. Détection<br />Le problème semble simple<br />Détection de chaînes dans un texte<br />Exemple :<br />Oui, mais…<br />PARIS - Un bras de fer s&apos;est engagé entre une artiste chinoise auteur d&apos;une oeuvre faisant référence à un slogan du président Nicolas Sarkozy et l&apos;école des Beaux-Arts de Paris, accusée de &quot;censure&quot;.<br />jvTech • Jean Véronis Technologies<br />
  36. 36. Base de données<br />Sources<br />Wikipedia/DBPedia<br />Fichiers d’entreprises<br />Base Geonames<br />etc.<br />Aucune base n’est exhaustive<br />variabilité infinie<br />entités nouvelles<br />
  37. 37. Variabilité<br />Personnes :<br />Ted Kennedy<br />Edward Kennedy<br />Edward M. Kennedy<br />Edward Moore Kennedy<br />Edward Moore Kennedy Sr.<br />Edward Moore &quot;Ted&quot; Kennedy<br />« Ted »<br />jvTech • Jean Véronis Technologies<br />
  38. 38. Variabilité<br />Sociétés :<br />Air France<br />Société Air France (nom officiel)<br />Air France-KLM (groupe)<br />AF (bourse)<br />AFR (code aviation civile)<br />jvTech • Jean Véronis Technologies<br />
  39. 39. Erreurs orthographiques<br />488941 britneyspears<br /> 40134 brittanyspears<br /> 36315 brittneyspears<br /> 24342 britanyspears<br /> 7331 britnyspears<br /> 6633 britenyspears<br /> 2696 brittenyspears<br /> 1807 brineyspears<br /> 1635 brittnyspears<br /> 1479 brinteyspears<br /> 1479 britannyspears<br /> 1338 britinyspears<br /> 1211 britnetspears<br /> 1096 britineyspears<br /> 991 britaneyspears<br /> 991 britnayspears<br /> 811 brithneyspears<br /> 811 brtineyspears<br /> 664 birtneyspears<br /> 664 brintneyspears<br /> 664 briteneyspears<br /> 601 bitneyspears<br /> 601 brintyspears<br /> 544 brittaneyspears<br /> 544 brittnayspears<br /> 364 briteyspears<br /> 364 brittinyspears<br /> 329 brtneyspears<br /> 269 bretneyspears<br /> 269 britneysspears<br /> 244 britnespears<br /> 244 brytneyspears<br /> 220 breatneyspears<br /> 220 britianyspears<br /> 199 britnneyspears<br /> 163 britnryspears<br /> 147 breatnyspears<br /> 147 brittineyspears<br /> 147 brittyspears<br /> 147 brotneyspears<br /> 147 brutneyspears<br /> 133 britteneyspears<br /> 121 bittanyspears<br /> 121 bridneyspears<br /> 121 britainyspears<br /> 121 britmeyspears<br /> 109 brietneyspears<br /> 109 brithnyspears<br /> 109 britnispears<br /> 109 brittantspears<br /> …<br />http://labs.google.com/britney.html<br />jvTech • Jean Véronis Technologies<br />
  40. 40. Pas toujours exceptionnel :<br />Jean-Pierre Pernault ?<br />Jean-Pierre Pernaut ?<br />jvTech • Jean Véronis Technologies<br />
  41. 41. Multilinguisme<br />Exemples<br />Benoît XVI (fr)<br />Benedict XVI (en)<br />Benedikt XVI (de)<br />Benedetto XVI (it)<br />Benedicto XVI (es)<br />Londres ~ London<br />jvTech • Jean Véronis Technologies<br />
  42. 42. Translittérations<br />Pékin<br />Beijing<br /><ul><li>Mouhammar
  43. 43. Mohammar
  44. 44. Mouammar
  45. 45. Moammar
  46. 46. Muammar
  47. 47. Mu’ammar
  48. 48.
  49. 49. Kadafi
  50. 50. Algathafi
  51. 51. al-Kadhafi
  52. 52. al-Gaddafi
  53. 53. Al Qadafi
  54. 54. Gueddafi
  55. 55. El-Gueddafi
  56. 56. …</li></ul>X<br />jvTech • Jean Véronis Technologies<br />
  57. 57. Entités inconnues<br />Exemple : actualité<br />inconnu dans Wikipedia<br />12 février 2010<br />jvTech • Jean Véronis Technologies<br />
  58. 58. Heuristiques<br />Typographie : Majuscule, mais…<br />variantes<br />l’Ecole des Beaux-Arts (le Parisien)<br />l’école des Beaux-Arts (l’Express)<br />l’Ecole des beaux-arts (le Monde)<br />noms composés<br />Henri de la Ville de Mirmont<br />Hôtel de Ville de Mirmont<br />Jean Baptiste de la Croix de Chevrières de Saint –Vallier<br />Jean-Baptiste Belley de Saint-Domingue<br />autres langues<br />allemand (majuscule sur tous les noms)<br />arabe, chinois, etc. (pas de majuscules)<br />jvTech • Jean Véronis Technologies<br />
  59. 59. Heuristiques<br />Base patronymes et prénoms connus, mais :<br />Nombreuses ambiguïtés<br />Prénoms: April, Art, Earl, France, Israel, Logan, Noël, Renault, etc.<br />l’œuvre de Noël de Règemorte<br />le marché de Noël de Montbéliard<br />Patronymes: Charpentier, Mer, Vaillant<br />ministre de l&apos;Economie Francis Mer<br />Charpentier fut remarqué et apprécié par Louis XIV<br />Charpentier au talent prometteur, ce compagnon…<br />Inconnus<br />Barack<br />jvTech • Jean Véronis Technologies<br />
  60. 60. Heuristiques<br />Statistiques (contexte)<br />Exemples :<br />le photographe italienPietro Mastrurzo a remporté<br />l’Italien Pietro Mastrurzo a reçu<br />le Français Alexis Contin s’est classé<br />le patineur de vitesse françaisAlexis Contin<br />jvTech • Jean Véronis Technologies<br />
  61. 61. Interprétation<br />Deux problèmes liés :<br />Désambiguïsation<br />Orange, Total, Opium, etc.<br />Catégorisation<br />Personne<br />Entreprise<br />Toponyme<br />etc.<br />jvTech • Jean Véronis Technologies<br />
  62. 62. page d’homonymie<br />Wikipedia :<br />Orange<br />jvTech • Jean Véronis Technologies<br />
  63. 63. Très difficile<br />Noms communs/marques<br />La majuscule ne suffit pas<br />Personnes/marques<br />etc.<br />Yves Saint Laurent lance Opium<br />Shangaï : Opium, jeux, prostitution<br />la turbulente histoire de la Chine depuis la Guerre de l&apos;Opium<br />Alain Chamfort met Yves Saint Laurent en musique<br />il rend hommage à Yves Saint Laurent<br />Yves Saint Laurent lance une édition collector du parfum Elle<br />jvTech • Jean Véronis Technologies<br />
  64. 64. Typologie<br />Personnes, lieux, et…..?<br />Difficultés pour l’humain :<br />Orange = marque / entreprise ?<br />iPhone = produit / marque ?<br />Dépend de l’application<br />classification de Sekine<br />jvTech • Jean Véronis Technologies<br />
  65. 65.
  66. 66. tant vont les fleuves à la mer<br />et la mer n’est jamais remplie…<br />jvTech • Jean Véronis Technologies<br />

×