Using DBpedia for Spotting and Disambiguating Entities
Extraction de la semantique
1. Challenge DOP
Extraction de la Sémantique
Jonathan Marchand
Julien Plu (@julienplu - plu.julien@gmail.com)
Guillaume Viland
Séminaire Wimmics, Sophia-Antipolis, le 17/01/2014
2. Un vrai challenge…
président , Venezuela, Hugo Chavez
Hugo Chavez, décédé, mardi 5/3/2013
Hugo Chavez, décédé à , Caracas
Hugo Chavez, âge, 58 ans
Hugo Chavez, cause décès, cancer
président , Venezuela, Hugo Chavez
Hugo Chavez, décédé, mardi 5/3/2013
Hugo Chavez, décédé à , Caracas
Hugo Chavez, âge, 58 ans
Hugo Chavez, cause décès, cancer
3. Sémantique : modélisation du sens d'un énoncé (phrase, discours, etc.)
Généralement modélisé formellement en logique du premier ordre
représentable sous forme de graphe
Le chien que Marie aime dort.
Analyse Sémantique
dormir
chienMarie
aime
agent patient agent
4. Exemple avec Lady Gaga
Sujet Prédicat Objet
Lady Gaga etre acoeurdeactu
Lady Gaga devoiler Applause (film)
L'excentrique Lady Gaga est au coeur de l'actu depuis qu'elle a dévoilé son single
"Applause" issu de son quatrième album à découvrir à partir du 11 novembre.
6. Part of Speech Tagger (étiqueteur
morpho-syntaxique) et Parser
stochastiques
Corpus entraîné sur la French
Dependency Treebank (Paris 7)
Analyse syntaxique de surface en
dépendances (sous forme
d’arbre)
ParseText
.txt
Tokenizer
et PoS
Tagger :
Melt
.conll06
.inmalt
Parser :
MaltParse
r
.inmalt
ParseTe
xt
7. Analyse syntaxique
1 L' le D DET n=s|s=def 100 3 det _ _
2 excentrique excentrique A ADJ n=s|s=qual _ 3 mod _ _
3 Lady Lady N NPP s=p _ 5 subj _ _
4 Gaga Gaga N NPP s=p _ 3 mod _ _
5 est être V V m=ind|n=s|p=3|t=pst 1101011 0 root _ _
6 au à P+D P+D s=def 1111111 5 mod _ _
7 coeur coeur N NC g=m|n=s|s=c 11111 6 obj_ _ _
8 de de P P _ 11110 7 dep _ _
9 l' le D DET n=s|s=def 100 10 det _ _
10 actu actualité N NC g=f|n=s|s=c _ 8 obj _ _
11 depuis_qu' depuis_que C CS s=s 1100101 5 mod _ _
12 elle cln CL CLS s=suj 1101110 14 suj _ _
13 a avoir V V m=ind|n=s|p=3|t=pst 1101010 14 aux_tps _ _
14 dévoilé dévoiler V VPP g=m|m=part|n=s|t=past 1100011 11 obj _ _
15 son son D DET n=s|s=poss 1011110 16 det _ _
16 single single N NC g=m|n=s|s=c _ 14 obj _ _
17 « « PONCT PONCT s=w _ 16 ponct _ _
18 Applause Applause N NPP s=p _ 16 mod _ _
19 » » PONCT PONCT s=w _ 16 ponct _ _
20 issu issir V VPP g=m|m=part|n=s|t=past 1100010 16 mod _ _
21 de de P P _ 11110 16 dep _ _
22 son son D DET n=s|s=poss 1011110 24 det _ _
23 quatrième quatrième A ADJ n=s|s=ord 0 24 mod _ _
24 album album N NC g=m|n=s|s=c 11110 21 obj _ _
25 à à P P _ 1100110 14 mod _ _
26 découvrir découvrir V VINF m=inf 1100000 25 obj _ _
27 à_partir_du à_partir_de P P _ 101110 26 mod _ _
28 11 11 D DET s=card _ 29 mod _ _
29 novembre novembre N NC g=m|n=s|s=c 11110 27 obj _ _
30 . . PONCT PONCT s=s _ 5 ponct _ _
8. Ce module fusionne les
informations de la reconnaissance
d’entités nommées avec l’analyse
syntaxique :
> Fusion des noeuds de l’arbre
syntaxique issues d’une même
EN (si possible)
> Association des EN avec leur
identifiant NERD et dbpedia
Module de résoultion d’anaphores
simples des clitiques sujets
Sortie au format RDF
BuildDepGraph
.conll06 .conllsimple.nerd
buildDep
Graph
.depnt
9. Deux heuristisques
> un clitique sujet dans une subordonnée réfère au sujet de la principale.
Résolution des anaphores des clitiques sujets
L'excentrique Lady Gaga est au coeur de l'actu depuis qu' elle a dévoilé son single "Applause »
> un clitique sujet dans une principale réfère au sujet de la proposition
principale de la phrase précédante.
Jean aime les animaux. Il aime aussi les plantes. Mais il n’aime pas les écolos.
11. Ce module sélectionne les triplets RDF à
produire
De manière générale, il faut tuner ce module
pour sélectionner les informations que l'on
souhaite extraire
Dans notre cas, il s’agit de prendre les
triplets qui ont pour sujet une EN
SelectRDF
.fullnt
selectRdf
.nt