{ "paper_id": "F13-1025", "header": { "generated_with": "S2ORC 1.0.0", "date_generated": "2023-01-19T09:41:04.902108Z" }, "title": "Inf\u00e9rences d\u00e9ductives et r\u00e9conciliation dans un r\u00e9seau lexico-s\u00e9mantique", "authors": [ { "first": "Manel", "middle": [], "last": "Zarrouk", "suffix": "", "affiliation": { "laboratory": "", "institution": "LIRMM", "location": { "addrLine": "161, rue ADA", "postCode": "34095", "settlement": "Montpellier Cedex 5 R\u00c9SUM\u00c9" } }, "email": "" }, { "first": "Mathieu", "middle": [], "last": "Lafourcade", "suffix": "", "affiliation": { "laboratory": "", "institution": "LIRMM", "location": { "addrLine": "161, rue ADA", "postCode": "34095", "settlement": "Montpellier Cedex 5 R\u00c9SUM\u00c9" } }, "email": "" }, { "first": "Alain", "middle": [], "last": "Joubert", "suffix": "", "affiliation": { "laboratory": "", "institution": "LIRMM", "location": { "addrLine": "161, rue ADA", "postCode": "34095", "settlement": "Montpellier Cedex 5 R\u00c9SUM\u00c9" } }, "email": "" } ], "year": "", "venue": null, "identifiers": {}, "abstract": "La construction et la validation des r\u00e9seaux lexico-s\u00e9mantiques est un enjeu majeur en TAL. Ind\u00e9pendamment des strat\u00e9gies de construction utilis\u00e9es, inf\u00e9rer automatiquement de nouvelles relations \u00e0 partir de celles d\u00e9j\u00e0 existantes est une approche possible pour am\u00e9liorer la couverture et la qualit\u00e9 globale de la ressource. Dans ce contexte, le moteur d'inf\u00e9rences a pour but de formuler de nouvelles conclusions (c'est-\u00e0-dire des relations entre les termes) \u00e0 partir de pr\u00e9misses (des relations pr\u00e9existantes). L'approche que nous proposons est bas\u00e9e sur une m\u00e9thode de triangulation impliquant la transitivit\u00e9 s\u00e9mantique avec un m\u00e9canisme de blocage pour \u00e9viter de proposer des relations douteuses. Les relations inf\u00e9r\u00e9es sont propos\u00e9es aux contributeurs pour \u00eatre valid\u00e9es. Dans le cas d'invalidation, une strat\u00e9gie de r\u00e9conciliation est engag\u00e9e pour identifier la cause de l'inf\u00e9rence erron\u00e9e : une exception, une erreur dans les pr\u00e9misses, ou une confusion d'usage caus\u00e9e par la polys\u00e9mie.", "pdf_parse": { "paper_id": "F13-1025", "_pdf_hash": "", "abstract": [ { "text": "La construction et la validation des r\u00e9seaux lexico-s\u00e9mantiques est un enjeu majeur en TAL. Ind\u00e9pendamment des strat\u00e9gies de construction utilis\u00e9es, inf\u00e9rer automatiquement de nouvelles relations \u00e0 partir de celles d\u00e9j\u00e0 existantes est une approche possible pour am\u00e9liorer la couverture et la qualit\u00e9 globale de la ressource. Dans ce contexte, le moteur d'inf\u00e9rences a pour but de formuler de nouvelles conclusions (c'est-\u00e0-dire des relations entre les termes) \u00e0 partir de pr\u00e9misses (des relations pr\u00e9existantes). L'approche que nous proposons est bas\u00e9e sur une m\u00e9thode de triangulation impliquant la transitivit\u00e9 s\u00e9mantique avec un m\u00e9canisme de blocage pour \u00e9viter de proposer des relations douteuses. Les relations inf\u00e9r\u00e9es sont propos\u00e9es aux contributeurs pour \u00eatre valid\u00e9es. Dans le cas d'invalidation, une strat\u00e9gie de r\u00e9conciliation est engag\u00e9e pour identifier la cause de l'inf\u00e9rence erron\u00e9e : une exception, une erreur dans les pr\u00e9misses, ou une confusion d'usage caus\u00e9e par la polys\u00e9mie.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Abstract", "sec_num": null } ], "body_text": [ { "text": "D\u00e9velopper un r\u00e9seau lexico-s\u00e9mantique pour le TAL est l'un des enjeux majeurs du domaine. La plupart des ressources existantes ont \u00e9t\u00e9 construites \u00e0 la main, comme dans le cas de WordNet (Miller et al., 1990) . Bien entendu, quelques outils sont g\u00e9n\u00e9ralement utilis\u00e9s pour la v\u00e9rification de la coh\u00e9rence, mais cependant la t\u00e2che reste co\u00fbteuse en temps et en prix. Des approches enti\u00e8rement automatis\u00e9es sont g\u00e9n\u00e9ralement limit\u00e9es \u00e0 la co-occurrence des termes car l'extraction des relations s\u00e9mantiques pr\u00e9cises entre termes \u00e0 partir d'un texte reste difficile. De nouvelles approches impliquant l'externalisation ouverte (crowdsourcing) \u00e9mergent dans le TAL sp\u00e9cialement avec l'av\u00e8nement de Amazon Mechanical Turk ou plus largement avec Wikip\u00e9dia et le Wiktionnaire pour ne citer que les plus connus. Wordnet ((Miller et al., 1990) et (Fellbaum et Miller, 1998) ) est un r\u00e9seau lexical bas\u00e9 sur des synsets qui peuvent \u00eatre globalement consid\u00e9r\u00e9s comme des concepts. (Vossen, 1998) avec EuroWordnet, une version multi-langues de Wordnet et (Sagot et Fier, 2008) avec WOLF, une version fran\u00e7aise de Wordnet, ont utilis\u00e9 des croisements automatiques de Wordnet avec d'autres ressources lexicales suivi d'une v\u00e9rification manuelle partielle. (Navigli et Ponzetto, 2012) a construit BabelNet, un grand r\u00e9seau lexical multilingue \u00e0 partir de l'encyclop\u00e9die Wikip\u00e9dia mais en se basant sur les co-occurences entre termes. Dans le domaine de l'intelligence artificielle, Cyc (Lenat, 1995) est un exemple de base de connaissances tr\u00e8s redondante ayant demand\u00e9 un effort manuel particuli\u00e8rement important. Hownet (Dong et Dong, 2006) est un autre exemple d'une grande base de connaissances bilingue (anglais et chinois) contenant des relations s\u00e9mantiques entre les formes de mots, les concepts et les attributs. Dans Hownet, il existe d'avantage de types de relations diff\u00e9rents que dans Wordnet bien que les deux projets aient d\u00e9marr\u00e9 pendant les ann\u00e9es 80 et aient \u00e9t\u00e9 manuellement construits par des linguistes et des psychologues.", "cite_spans": [ { "start": 188, "end": 209, "text": "(Miller et al., 1990)", "ref_id": "BIBREF13" }, { "start": 813, "end": 835, "text": "((Miller et al., 1990)", "ref_id": "BIBREF13" }, { "start": 839, "end": 865, "text": "(Fellbaum et Miller, 1998)", "ref_id": "BIBREF2" }, { "start": 971, "end": 985, "text": "(Vossen, 1998)", "ref_id": "BIBREF19" }, { "start": 1044, "end": 1065, "text": "(Sagot et Fier, 2008)", "ref_id": "BIBREF15" }, { "start": 1243, "end": 1270, "text": "(Navigli et Ponzetto, 2012)", "ref_id": "BIBREF14" }, { "start": 1472, "end": 1485, "text": "(Lenat, 1995)", "ref_id": "BIBREF9" }, { "start": 1608, "end": 1628, "text": "(Dong et Dong, 2006)", "ref_id": "BIBREF2" } ], "ref_spans": [], "eq_spans": [], "section": "Introduction", "sec_num": "1" }, { "text": "Un r\u00e9seau lexico-s\u00e9mantique tr\u00e8s lexicalis\u00e9 peut contenir des concepts, mais aussi des termes, des formes de mots ainsi que des expressions compos\u00e9es comme points d'entr\u00e9e vers des sens ou des usages. L'id\u00e9e elle-m\u00eame de sens du mot issue de la tradition lexicographique, peut \u00eatre discutable dans le cas de ressources pour le TAL et l'analyse s\u00e9mantique, et on pr\u00e9f\u00e8rera g\u00e9n\u00e9ralement consid\u00e9rer les mots dans leurs usages. Par usage des mots, on entend que le raffinement d'un mot donn\u00e9 est clairement identifiable par les locuteurs mais qu'il peut ne pas \u00eatre s\u00e9par\u00e9 totalement des autres usages de la m\u00eame entr\u00e9e. Un usage de mot met l'accent sur le contexte d'utilisation utilis\u00e9 par les locuteurs. Un terme polys\u00e9mique peut avoir beaucoup d'usages substantiellement diff\u00e9rents des d\u00e9finitions classiquement trouv\u00e9es dans un dictionnaire. Un usage donn\u00e9 peut aussi avoir plusieurs raffinements. Par exemple, fr\u00e9gate peut \u00eatre un oiseau ou un bateau. Une fr\u00e9gate>bateau peut \u00eatre distingu\u00e9e comme un bateau moderne ou un navire \u00e0 voiles ancien. Dans le contexte d'une approche collaborative, une telle ressource lexicale peut \u00eatre consid\u00e9r\u00e9e comme \u00e9tant constamment en cours de construction. Pour un terme polys\u00e9mique, certains raffinements peuvent manquer et une r\u00e8gle g\u00e9n\u00e9rale est de n'avoir aucune certitude autour de l'\u00e9tat d'une entr\u00e9e. Il est presque impossible (sauf par inspection manuelle) de savoir si l'ensemble des raffinements d'une entr\u00e9e est exhaustif, voire m\u00eame si cette question a vraiment du sens dans le contexte d'une ressource dynamique.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Introduction", "sec_num": "1" }, { "text": "La construction d'un r\u00e9seau lexical collaboratif (ou de n'importe quelle ressource similaire) peut \u00eatre cat\u00e9goris\u00e9e selon deux strat\u00e9gies. Premi\u00e8rement, comme un syst\u00e8me contributif du type Wikip\u00e9dia o\u00f9 des volontaires compl\u00e8tent les entr\u00e9es (cas du Wiktionnaire). Dans un second cas, les contributions sont faites indirectement par l'entremise de jeux, connus sous le nom de GWAP (Game With A Purpose) (von Ahn et Dabbish, 2008) . Dans ce cas, les joueurs n'ont pas sp\u00e9cialement besoin d'\u00eatre conscients qu'ils sont en train de participer \u00e0 la construction d'une ressource lexicale. En aucun cas il ne faudrait croire que le r\u00e9seau construit serait d\u00e9pourvu d'erreurs, erreurs qui sont corrig\u00e9es au fur et \u00e0 mesure de leur d\u00e9couverte. L'exp\u00e9rience montre que les joueurs/contributeurs compl\u00e8tent le r\u00e9seau sur ce qui leur parait int\u00e9ressant. Ce faisant, un grand nombre de relations triviales ne sont pas pr\u00e9sentes bien qu'elles demeurent pourtant n\u00e9cessaires \u00e0 un r\u00e9seau de qualit\u00e9 devant \u00eatre utilis\u00e9 dans diverses applications du TAL dont notamment l'analyse s\u00e9mantique. Par exemple, les joueurs n'indiquent que rarement pour un type d'oiseau particulier que celui-ci peut voler tant cela parait une g\u00e9n\u00e9ralit\u00e9 \u00e9vidente. Seuls les faits notables et peu facilement d\u00e9ductibles sont renseign\u00e9s par les contributeurs. Les exceptions sont \u00e9galement renseign\u00e9es par les contributeurs, et prennent la forme d'une relation ayant un poids n\u00e9gatif (voler", "cite_spans": [ { "start": 403, "end": 429, "text": "(von Ahn et Dabbish, 2008)", "ref_id": "BIBREF18" } ], "ref_spans": [], "eq_spans": [], "section": "Introduction", "sec_num": "1" }, { "text": "agent:\u2212100 \u2212\u2212\u2212\u2212\u2212\u2212\u2192 autruche).", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Introduction", "sec_num": "1" }, { "text": "Afin de consolider le r\u00e9seau lexical issu du projet JeuxDeMots, nous utilisons une approche par inf\u00e9rence qui permet de d\u00e9duire de nouvelles relations \u00e0 partir de celles existantes. L'approche est uniquement endog\u00e8ne en ce qu'elle ne s'appuie sur aucune ressource externe. Les relations inf\u00e9r\u00e9es sont soumises aux contributeurs pour vote et par la suite soumises \u00e0 une validation ou invalidation par un expert. Une grande majorit\u00e9 des inf\u00e9rences se r\u00e9v\u00e8le correcte. Toutefois, une part non n\u00e9gligeable se r\u00e9v\u00e8le fausse et il convient de d\u00e9terminer pourquoi. Ce processus d'explication constitue la r\u00e9conciliation entre le moteur d'inf\u00e9rences et le validateur, men\u00e9 \u00e0 l'aide d'un dialogue lui permettant d'expliciter en quoi la relation consid\u00e9r\u00e9e est incorrecte. Les causes possibles sont de trois ordres : erreur dans une des pr\u00e9misses, exception, ou confusion li\u00e9e \u00e0 la polys\u00e9mie.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Introduction", "sec_num": "1" }, { "text": "Dans cet article, nous pr\u00e9sentons tout d'abord les principes de construction du r\u00e9seau lexical par externalisation ouverte et GWAP (games with a purpose ou human-based computation game) et nous les illustrons gr\u00e2ce au projet JeuxDeMots. Ensuite, nous d\u00e9taillons un mo- ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Introduction", "sec_num": "1" }, { "text": "Il existe beaucoup de m\u00e9thodes pour construire un r\u00e9seau lexical en tenant compte des facteurs principaux tels que la qualit\u00e9 des donn\u00e9es, le co\u00fbt et le temps de d\u00e9veloppement. En marge des strat\u00e9gies manuelles et automatiques, les approches contributives connaissent une popularit\u00e9 croissante en ce qu'elles se r\u00e9v\u00e8lent \u00e0 la fois peu co\u00fbteuses et efficaces en qualit\u00e9. Plus pr\u00e9cis\u00e9ment, l'int\u00e9r\u00eat donn\u00e9 aux GWAP (Thaler et al., 2011) comme m\u00e9thode d'acquisition de tels r\u00e9seaux augmente consid\u00e9rablement. Le r\u00e9seau de JeuxDeMots (JDM) est un r\u00e9seau lexical construit \u00e0 partir d'un ensemble de jeux en ligne. Dans ces jeux, les joueurs sont invit\u00e9s \u00e0 faire des associations entre termes qui se traduisent en relations lexicales et s\u00e9mantiques entre les noeuds d'un graphe. Les informations dans le r\u00e9seau JDM sont r\u00e9colt\u00e9es via un accord non n\u00e9goci\u00e9 entre les joueurs qui sont les acteurs d'une externalisation ouverte 1 .", "cite_spans": [ { "start": 413, "end": 434, "text": "(Thaler et al., 2011)", "ref_id": "BIBREF17" }, { "start": 919, "end": 920, "text": "1", "ref_id": null } ], "ref_spans": [], "eq_spans": [], "section": "R\u00e9seau lexical et externalisation ouverte", "sec_num": "2" }, { "text": "Lanc\u00e9 en septembre 2007, JeuxDeMots 2 (Lafourcade, 2007) est un GWAP 3 associant les joueurs par paires, et visant \u00e0 construire un grand r\u00e9seau lexico-s\u00e9mantique. Le r\u00e9seau lexical contruit est compos\u00e9 de termes (noeuds) et de relations typ\u00e9es (arcs). Il contient des termes potentiellement raffin\u00e9s de mani\u00e8re analogue aux synsets de WordNet. Il y a plus de 50 types de relations et chaque occurrence de relation est pond\u00e9r\u00e9e indiquant une force d'association. Une occurrence de relation peut \u00e9ventuellement avoir un poids n\u00e9gatif indiquant dans ce cas que la relation est fausse bien que pertinente (ex : une autruche ne vole pas).", "cite_spans": [ { "start": 38, "end": 56, "text": "(Lafourcade, 2007)", "ref_id": "BIBREF6" } ], "ref_spans": [], "eq_spans": [], "section": "JeuxDeMots : un GWAP pour la construction d'un r\u00e9seau lexical", "sec_num": "2.1" }, { "text": "1. http ://fr.wikipedia.org/wiki/Crowdsourcing 2. http ://www.jeuxdemots.org/ 3. http ://en.wikipedia.org/wiki/Human-based_computation_game Quand un joueur A commence une partie, une consigne concernant le type de la relation lexicale (synonymie, antonymie, domaine, etc.) est affich\u00e9e, ainsi qu'un terme cible T choisi dans le r\u00e9seau lexical. Ce joueur A a un temps limit\u00e9 pour saisir des termes qui, selon lui, correspondent au terme T et \u00e0 la relation lexicale qu'indique la consigne. Le nombre maximum des termes que le joueur peut saisir lors d'une partie est limit\u00e9, ce qui l'incite \u00e0 r\u00e9fl\u00e9chir soigneusement \u00e0 ses choix. Le m\u00eame terme T, avec les m\u00eames instructions, est donn\u00e9 ult\u00e9rieurement \u00e0 un autre joueur B, pour qui le processus est identique. Pour rendre le jeu plus amusant, les deux joueurs obtiennent des points pour les mots qu'ils ont donn\u00e9 en commun. Le calcul du score est expliqu\u00e9 dans (Joubert et Lafourcade, 2008) et est con\u00e7u pour augmenter \u00e0 la fois la pr\u00e9cision et le rappel lors de la construction du r\u00e9seau. Les r\u00e9ponses pr\u00e9sent\u00e9es par les deux joueurs sont affich\u00e9es, celles en commun sont mises en \u00e9vidence ainsi que leur score.", "cite_spans": [ { "start": 908, "end": 937, "text": "(Joubert et Lafourcade, 2008)", "ref_id": "BIBREF5" } ], "ref_spans": [], "eq_spans": [], "section": "JeuxDeMots : un GWAP pour la construction d'un r\u00e9seau lexical", "sec_num": "2.1" }, { "text": "Pour un terme cible T, les r\u00e9ponses communes entre les deux joueurs sont ins\u00e9r\u00e9es dans la base de donn\u00e9es. Celles donn\u00e9es seulement par un seul des deux joueurs ne le sont pas ce qui r\u00e9duit consid\u00e9rablement le bruit et les chances de d\u00e9gradation du r\u00e9seau. Le r\u00e9seau s\u00e9mantique est donc construit par des termes connect\u00e9s par des relations typ\u00e9es et pond\u00e9r\u00e9es valid\u00e9es par paires de joueurs. Ces relations sont \u00e9tiquet\u00e9es selon les instructions donn\u00e9es aux joueurs et sont pond\u00e9r\u00e9es selon le nombre de paires de joueurs ayant choisi ces relations. Initialement et avant la mise du jeu en ligne, la base de donn\u00e9es a \u00e9t\u00e9 remplie avec des termes, cependant si une paire de joueurs sugg\u00e8re un terme non-existant, le noeud correspondant \u00e0 ce dernier est ajout\u00e9 \u00e0 la base de donn\u00e9es.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "JeuxDeMots : un GWAP pour la construction d'un r\u00e9seau lexical", "sec_num": "2.1" }, { "text": "Afin de pr\u00e9server la qualit\u00e9 et la consistance du r\u00e9seau lexical, il a \u00e9t\u00e9 d\u00e9cid\u00e9 que le processus de la validation implique des joueurs anonymes jouant ensemble. Une relation est consid\u00e9r\u00e9e valide si et seulement si elle est propos\u00e9e par au moins une paire de joueurs. Ce processus de validation est similaire \u00e0 celui utilis\u00e9 par (von Ahn et Dabbish, 2008) pour l'indexation des images et par (Lieberman et al., 2007) pour la collecte de la connaissance du \"sens commun\" et (Siorpaes et Hepp, 2008 ) pour l'extraction de connaissance. A notre connaissance, cette technique n'a jamais \u00e9t\u00e9 utilis\u00e9e lors de la construction des r\u00e9seaux s\u00e9mantiques. Dans le TAL, d'autres jeux accessibles via le web existent, comme Open Mind Word Expert (Mihalcea et Chklovski, 2003) qui vise a cr\u00e9er un grand corpus \u00e9tiquet\u00e9 s\u00e9mantiquement avec l'aide des utilisateurs du Web ou comme SemKey (Marchetti et al., 2007) qui utilise WordNet et Wikip\u00e9dia pour d\u00e9sambigu\u00efser les formes lexicales se r\u00e9f\u00e9rant \u00e0 des concepts, ainsi identifiant les mots-cl\u00e9s s\u00e9mantiques. Plus de 1300000 parties ont \u00e9t\u00e9 jou\u00e9es depuis le lancement pour environ 25000 heures de temps cumul\u00e9 de jeu.", "cite_spans": [ { "start": 394, "end": 418, "text": "(Lieberman et al., 2007)", "ref_id": "BIBREF10" }, { "start": 475, "end": 498, "text": "(Siorpaes et Hepp, 2008", "ref_id": "BIBREF16" }, { "start": 735, "end": 764, "text": "(Mihalcea et Chklovski, 2003)", "ref_id": "BIBREF12" }, { "start": 874, "end": 898, "text": "(Marchetti et al., 2007)", "ref_id": "BIBREF11" } ], "ref_spans": [], "eq_spans": [], "section": "JeuxDeMots : un GWAP pour la construction d'un r\u00e9seau lexical", "sec_num": "2.1" }, { "text": "Diko est un outil bas\u00e9 sur le web permettant d'afficher les informations contenues dans le r\u00e9seau lexical JDM ainsi qu'un outil contributif. La n\u00e9cessit\u00e9 de ne pas d\u00e9pendre seulement de jeux pour construire le r\u00e9seau lexical vient du fait qu'une part non n\u00e9gligeable des types de relations de JDM soit sont difficiles \u00e0 saisir pour un joueur non expert ou soit sont peu contributifs (il n'existe pas beaucoup de termes qui peuvent lui \u00eatre associ\u00e9s). En outre, le besoin d'un outil contributif vient historiquement des joueurs eux-m\u00eames qui ont voulu devenir des contributeurs du r\u00e9seau JDM.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Diko : un outil contributif pour le r\u00e9seau JDM", "sec_num": "2.2" }, { "text": "Le principe du processus de la contribution est qu'une proposition faite par un joueur sera soumise aux votes des autres joueurs. Une fois un certain nombre de votes donn\u00e9s, un expert validateur est averti et finit par inclure (ou \u00e9ventuellement exclure) la relation propos\u00e9e dans le r\u00e9seau. L'expert peut rejeter totalement une proposition de relation ou l'inclure dans le r\u00e9seau avec un poids n\u00e9gatif s'il trouve cela pertinent. Un syst\u00e8me de points et de classement encourage les contributeurs non seulement \u00e0 proposer de nouvelles relations mais \u00e9galement \u00e0 voter pour (ou contre) celles des autres. Les contributeurs les plus prolifiques d\u00e9passent les 150000 relations propos\u00e9es ou vot\u00e9es (depuis septembre 2010). Les contributions peuvent aussi \u00eatre propos\u00e9es par un processus automatique pour \u00eatre v\u00e9rifi\u00e9es et vot\u00e9es ult\u00e9rieurement par des utilisateurs. Ce que nous proposons dans cet article se range sous cette cat\u00e9gorie de sc\u00e9nario.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Diko : un outil contributif pour le r\u00e9seau JDM", "sec_num": "2.2" }, { "text": "En janvier 2013, le r\u00e9seau de JDM contient environ 250000 termes et plus de 1500000 relations (dont environ 15000 qui sont n\u00e9gatives). Plus de 4500 termes ont quelques raffinements (usages vari\u00e9s) pour un total d'environ 15000 usages. Bien que JDM ait des relations ontologiques, il ne constitue pas une ontologie proprement dite avec des concepts ou des termes soigneusement hi\u00e9rarchiques. Un terme donn\u00e9 peut avoir une collection substantielle d'hyperonymes qui couvre une large partie de la cha\u00eene ontologique jusqu'aux concepts sup\u00e9rieurs. Par exemple : hyperonyme(chat) = {f\u00e9lin, mammif\u00e8re, \u00eatre vivant, animal de compagnie, vert\u00e9br\u00e9, ...}. Dans la liste d'hyperonymes pr\u00e9c\u00e9dente, nous avons omis les poids pour simplifier, mais en toute g\u00e9n\u00e9ralit\u00e9, les termes les plus lourds sont ceux consid\u00e9r\u00e9s par les utilisateurs comme les plus pertinents.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Quelques caract\u00e9ristiques du r\u00e9seau JDM", "sec_num": "2.3" }, { "text": "Les travaux sur l'inf\u00e9rence dans les r\u00e9seaux lexicaux sont curieusement assez peu r\u00e9pandus, en particulier si on les compare aux approches concernant diverses formes de d\u00e9duction logique dans les textes (pour la d\u00e9termination du r\u00e9f\u00e9rent dans les groupes circonstanciels, ou la r\u00e9solution d'anaphores, par exemple). Dans (Blanco et Moldovan, 2011) , des relations s\u00e9mantiques entre concepts pr\u00e9sents dans des textes sont inf\u00e9r\u00e9es. Les termes du texte sont consid\u00e9r\u00e9s de facto comme des concepts en ignorant de fa\u00e7on quelque peu artificielle tout probl\u00e8me li\u00e9 \u00e0 la polys\u00e9mie lexicale. Dans (Harabagiu et Moldovan, 1998) du raisonnement par inf\u00e9rence est effectu\u00e9 sur le WordNet \u00e9tendu o\u00f9 non seulement les synsets mais \u00e9galement les termes des d\u00e9finitions associ\u00e9s sont des concepts d\u00e9lexicalis\u00e9s.", "cite_spans": [ { "start": 321, "end": 347, "text": "(Blanco et Moldovan, 2011)", "ref_id": "BIBREF0" }, { "start": 589, "end": 618, "text": "(Harabagiu et Moldovan, 1998)", "ref_id": "BIBREF4" } ], "ref_spans": [], "eq_spans": [], "section": "Inf\u00e9rence et r\u00e9conciliation dans un moteur d'\u00e9licitation", "sec_num": "3" }, { "text": "Pour augmenter le nombre de relations dans le r\u00e9seau lexical JDM, nous avons con\u00e7u un syst\u00e8me d'\u00e9licitation 4 ayant deux principales composantes : (1) un moteur d'inf\u00e9rences et (2) un r\u00e9conciliateur. Le moteur d'inf\u00e9rences propose des relations, tout comme un contributeur, qui vont \u00eatre \u00e9valu\u00e9es par la suite par un autre contributeur humain. Dans le cas d'invalidation d'une relation inf\u00e9r\u00e9e, le r\u00e9conciliateur est appel\u00e9 pour essayer d'\u00e9valuer pourquoi la relation a \u00e9t\u00e9 trouv\u00e9e fausse. L'\u00e9licitation est ici le processus de formalisation de connaissances implicites de l'utilisateur en relations explicites dans le r\u00e9seau lexical.", "cite_spans": [ { "start": 108, "end": 109, "text": "4", "ref_id": null } ], "ref_spans": [], "eq_spans": [], "section": "Inf\u00e9rence et r\u00e9conciliation dans un moteur d'\u00e9licitation", "sec_num": "3" }, { "text": "Les id\u00e9es principales sous-tendant le moteur d'inf\u00e9rences sont les suivantes. Inf\u00e9rer pour le moteur c'est d\u00e9river des conclusions logiques sous la forme de relations entre les termes \u00e0 partir de pr\u00e9misses (les relations existantes dans le r\u00e9seau). Les inf\u00e9rences candidates peuvent \u00eatre logiquement bloqu\u00e9es en se basant sur la pr\u00e9sence ou l'absence de quelques autres relations. Les inf\u00e9rences candidates peuvent \u00e9galement \u00eatre filtr\u00e9es et rejet\u00e9es de prime abord en se basant sur le niveau de force de l'\u00e9valuation. Les conclusions faites par le moteur sont suppos\u00e9es \u00eatre correctes, mais une fois propos\u00e9es \u00e0 un validateur humain peuvent s'av\u00e9rer tout aussi bien incorrectes, correctes avec un degr\u00e9 de pr\u00e9cision (polys\u00e9mie), correctes dans certains cas (exception) ou correctes mais pas pertinentes. Dans cet article, le type d'inf\u00e9rence qui nous int\u00e9resse est bas\u00e9 sur la transitivit\u00e9 de la relation ontologique is-a (hyperonyme). Si un terme A est un type de B et B a une relation R avec le terme C, alors on peut esp\u00e9rer que A entretienne la m\u00eame relation avec C. Le sch\u00e9ma de l'inf\u00e9rence est le suivant : Plus formellement on peut \u00e9crire : ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Moteur d'inf\u00e9rences", "sec_num": "3.1" }, { "text": "\u2203 A is\u2212a \u2212\u2212\u2212\u2212\u2192 B \u2227 \u2203 B R \u2212\u2212\u2192 C \u21d2 A R \u2212\u2212\u2192 C Par exemple, chat is\u2212a \u2212\u2212\u2192 f\u00e9lin \u2227 f\u00e9lin has\u2212par t \u2212\u2212\u2212\u2212\u2192 griffe \u21d2 chat has\u2212par t \u2212\u2212\u2212\u2212\u2192", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Moteur d'inf\u00e9rences", "sec_num": "3.1" }, { "text": "Bien s\u00fbr, le sch\u00e9ma ci-dessus est tr\u00e8s na\u00eff, sp\u00e9cialement si nous tenons compte de la ressource que nous traitons. En effet, B est possiblement un terme polys\u00e9mique et des m\u00e9thodes pour bloquer les inf\u00e9rences certainement fausses peuvent et doivent \u00eatre con\u00e7ues. Si le terme B reli\u00e9 \u00e0 la premi\u00e8re et la deuxi\u00e8me relation a deux sens distincts, alors probablement l'inf\u00e9rence est fausse. La condition pour proposer l'inf\u00e9rence peut \u00eatre formalis\u00e9e comme suit (la relation raff-of correspondant \u00e0 celle de raffinement/usage pour un terme) : Par ailleurs, si l'une des pr\u00e9misses est annot\u00e9e comme \"correcte mais pas pertinente\", l'inf\u00e9rence est bloqu\u00e9e, \u00e9vitant ainsi de propager des inf\u00e9rences certes vraies mais ne pr\u00e9sentant a priori que peu d'int\u00e9r\u00eat en pratique.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Filtrage logique", "sec_num": "3.1.2" }, { "text": "\u2203 A is\u2212a \u2212\u2212\u2212\u2212\u2192 B \u2227 \u2203 B R \u2212\u2212\u2212\u2212\u2192 C \u2203 B i ra f f \u2212o f \u2212\u2212\u2212\u2212\u2192 B \u2227 \u2203 B j ra f f \u2212o f \u2212\u2212\u2212\u2212\u2192 B ( \u2203 A is\u2212a \u2212\u2212\u2212\u2212\u2192 B i \u2228 \u2203 B j R \u2212\u2212\u2212\u2212\u2192 C ) \u21d2 A R \u2212\u2212\u2212\u2212\u2192 C En d'autres termes, l'inf\u00e9rence est bloqu\u00e9e si le terme central B poss\u00e9de deux raffinements distincts B i et B j tels que A is\u2212a \u2212\u2212\u2212\u2212\u2192 B i et B j R \u2212\u2212\u2212\u2212\u2192 C (sch\u00e9ma pr\u00e9sent\u00e9 \u00e0 la figure 2). w 1 w 3 w 2 FIGURE 2 -Sch\u00e9ma d'", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Filtrage logique", "sec_num": "3.1.2" }, { "text": "Il est possible d'\u00e9valuer un niveau de confiance (ou d'intensit\u00e9) pour les inf\u00e9rences produites, de fa\u00e7on \u00e0 ce que les inf\u00e9rences douteuses puissent \u00eatre filtr\u00e9es et rejet\u00e9es. Le poids P d'une relation inf\u00e9r\u00e9e est la moyenne g\u00e9om\u00e9trique des poids des pr\u00e9misses (relations (1) et (2) dans figure 1). Si ce poids est trop faible, l'inf\u00e9rence est rejet\u00e9e. Si la deuxi\u00e8me relation a une valeur n\u00e9gative, le poids n'est pas calculable et la proposition est rejet\u00e9e. Puisque la moyenne g\u00e9om\u00e9trique est moins tol\u00e9rante aux petites valeurs que la moyenne arithm\u00e9tique, les inf\u00e9rences qui ne sont pas bas\u00e9es sur deux relations de poids raisonnables ne vont probablement pas passer ce type de filtrage.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Filtrage statistique", "sec_num": "3.1.3" }, { "text": "P(A R \u2212\u2212\u2192 C) = (P(A is\u2212a \u2212\u2212\u2192 B) * P(B R \u2212\u2212\u2192 C)) 1/2 \u21d2 w3 = (w1 * w2) 1/2", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Filtrage statistique", "sec_num": "3.1.3" }, { "text": "Le raisonneur propose des inf\u00e9rences d\u00e9duites et ces relations inf\u00e9r\u00e9es sont pr\u00e9sent\u00e9es au validateur pour d\u00e9cider si elles sont \"plut\u00f4t vraies\" , \"plut\u00f4t fausses\", \"possibles\" ou \" vraies mais pas pertinentes\". Dans le cas d'invalidation, le r\u00e9conciliateur essaie de diagnostiquer les raisons : erreur (une des relations d\u00e9j\u00e0 existantes sur lesquelles le moteur s'est bas\u00e9 pour inf\u00e9rer est fausse), exception (un cas rare), polys\u00e9mie (l'inf\u00e9rence est faite en se basant sur un terme de milieu polys\u00e9mique) ou un \"cas g\u00e9n\u00e9ral\" qui va \u00eatre rencontr\u00e9 principalement lors des premi\u00e8res validations. Cela est r\u00e9alis\u00e9 par un dialogue avec l'utilisateur dont le but ici est de d\u00e9couvrir les raisons de l'invalidation et essayer de r\u00e9concilier le r\u00e9seau avec des informations issues de l'utilisateur en rapport avec une relation inf\u00e9r\u00e9e invalid\u00e9e. Ce dialogue doit \u00eatre aussi minimal que possible (le moins possible de questions/le plus possible d'informations tir\u00e9es). Pour savoir dans quel ordre proc\u00e9der, le r\u00e9conciliateur d\u00e9termine si les poids des relations (1) et (2) sont relativement forts ou faibles et ce en comparant chaque poids au seuil de confiance correspondant \u00e0 son terme (Figure 3 ). Par exemple, le terme A \u00e9colier ; B humain ; C visage ; relation 1 : \u00e9colier is\u2212a \u2212\u2212\u2212\u2212\u2192 humain La figure 3 est la courbe de poids/distributions pour toutes les relations sortantes ayant comme terme source A (qui est dans notre cas \u00e9colier) avec un pic s\u00e9parant en deux parts \u00e9gales la surface sous la courbe. Le seuil de confiance est l'intersection entre la courbe de distribution et ce pic (valant ici 70). ", "cite_spans": [], "ref_spans": [ { "start": 1182, "end": 1191, "text": "(Figure 3", "ref_id": "FIGREF2" } ], "eq_spans": [], "section": "Moteur de r\u00e9conciliation", "sec_num": "3.2" }, { "text": "Dans le cas o\u00f9 les deux relations de base (1) et (2) sont des relations vraisemblables, le r\u00e9conciliateur essaie en premier lieu, en entamant un dialogue avec les validateurs/utilisateurs, de v\u00e9rifier si la relation R inf\u00e9r\u00e9e est une exception. Si ce n'est pas le cas, il v\u00e9rifie si le terme B (terme central) est polys\u00e9mique. Finalement si aucun des deux cas pr\u00e9c\u00e9dents ne s'av\u00e8re vrai, il demande si c'est un cas d'erreur. Ce cas d'erreur est v\u00e9rifi\u00e9 en dernier lors de cette d\u00e9marche car les niveaux de confiance des deux relations les rendent plut\u00f4t vraisemblables. Soit l'exemple suivant : A :autruche ; B :oiseau ; C :voler ; R :carac Dans cet exemple, il est plut\u00f4t vrai que (1) \"l'autruche est un oiseau\" et que (2) \"un oiseau peut voler\" d'o\u00f9 les deux relations ont probablement des niveaux de confiance d\u00e9passant le seuil. Or la relation inf\u00e9r\u00e9e (3)\" l'autruche peut voler \" est fausse et constitue une exception.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Exception \u2192 Polys\u00e9mie \u2192 Erreur", "sec_num": "3.2.1" }, { "text": "Dans le cas o\u00f9 l'une des relations (1) et (2) est douteuse, le r\u00e9conciliateur suspecte que c'est un cas d'erreur et que cette relation avec le faible niveau de confiance est l'origine de l'invalidation de la relation inf\u00e9r\u00e9e. Alors il demande \u00e0 l'utilisateur de la confirmer ou de l'invalider. Dans le cas de l'invalidation de l'une des relations, un cas d'erreur se pr\u00e9sente. Sinon, on proc\u00e8de \u00e0 la v\u00e9rification des deux autres cas : cas d'exception ou de polys\u00e9mie. Soit ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Erreur \u2192 Exception \u2192 Polys\u00e9mie", "sec_num": "3.2.2" }, { "text": "Nous avons men\u00e9 une exp\u00e9rience consistant \u00e0 produire en masse et en une seule fois le nombre maximum d'inf\u00e9rences possible par application du moteur sur le r\u00e9seau lexical JDM. L'objectif est d'\u00e9valuer les productions du moteur ainsi que les m\u00e9canismes de blocage logique et de filtrage. A partir de cet ensemble d'inf\u00e9rences propos\u00e9es, nous en avons s\u00e9lectionn\u00e9 al\u00e9atoirement 400 pour chacun des types de relations et nous les avons soumises au processus de validition/r\u00e9conciliation. Cette exp\u00e9rience a \u00e9t\u00e9 men\u00e9e dans un but d'\u00e9valuation car en pratique le moteur d'\u00e9licitation fonctionne conjointement avec les jeux et l'approche contributive de fa\u00e7on incr\u00e9mentale. Dans cette exp\u00e9rience, une proposition a \u00e9t\u00e9 valid\u00e9e soit manuellement par un contributeur de confiance (un validateur), soit par des joueurs/contributeurs si au moins 4 votes ont \u00e9t\u00e9 effectu\u00e9s avec au minimum 75% de concordance. Les m\u00eames seuils ont \u00e9t\u00e9 appliqu\u00e9s pour la r\u00e9conciliation.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Exp\u00e9rimentation", "sec_num": "4" }, { "text": "Nous avons appliqu\u00e9 le moteur d'inf\u00e9rences sur environ 23000 termes al\u00e9atoirement choisis parmi ceux ayant au minimum un hyperonyme. Environ 1500000 inf\u00e9rences ont \u00e9t\u00e9 produites et 77000 autres ont \u00e9t\u00e9 bloqu\u00e9es. Le seuil de filtrage a \u00e9t\u00e9 fix\u00e9 \u00e0 un poids de 25 (seules les inf\u00e9rences avec un poids \u00e9gal ou sup\u00e9rieur \u00e0 25 ont \u00e9t\u00e9 prises en consid\u00e9ration). Dans la figure 5 la distribution a tendance \u00e0 suivre une loi de puissance, ce qui n'est pas surprenant car la distribution dans le r\u00e9seau lexical des relations est elle-m\u00eame gouvern\u00e9e par une loi de puissance.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Productions du moteur d'inf\u00e9rences", "sec_num": "4.1" }, { "text": "!\"# # #! #!! #!!! #!!!! #!!!!! #!!!!!! ! #!! $!! %!! &!! '!! (!! )!! *!! +,-./01231244,0/54/6", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Productions du moteur d'inf\u00e9rences", "sec_num": "4.1" }, { "text": "753/0/54/18/9:;< 5.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Productions du moteur d'inf\u00e9rences", "sec_num": "4.1" }, { "text": "=,966>54/1?5.@", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Productions du moteur d'inf\u00e9rences", "sec_num": "4.1" }, { "text": "FIGURE 5 -Distribution des inf\u00e9rences propos\u00e9es selon leur poids. La distribution semble une loi de puissance contravariante au poids. En pratique, les relations candidates de tr\u00e8s fort poids sont valid\u00e9es les premi\u00e8res. ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Productions du moteur d'inf\u00e9rences", "sec_num": "4.1" }, { "text": "Le dialogue avec les joueurs permet de d\u00e9terminer le type d'erreur (dans les pr\u00e9misses, exceptions ou \u00e0 cause de la polys\u00e9mie). La \u2212\u2212\u2192 proton). Nous observons que les erreurs dans les pr\u00e9misses sont relativement peu nombreuses, et quoiqu'il en soit ces erreurs peuvent \u00eatre ais\u00e9ment corrig\u00e9es. Bien s\u00fbr, tous les types d'erreur ne sont pas d\u00e9tectables par ce processus. De fa\u00e7on plus int\u00e9ressante, la r\u00e9conciliation permet dans 5% des cas d'identifier les termes polys\u00e9miques et de s\u00e9lectionner ou proposer des raffinements. Globalement, les inf\u00e9rences fausses n\u00e9gatives (celles vot\u00e9es fausses mais valides) et les inf\u00e9rences fausses positives (celles vot\u00e9es vraies mais invalides) sont \u00e9valu\u00e9es \u00e0 moins de 0, 5% du total. Mener le dialogue \u00e0 son terme n'\u00e9tant pas une obligation, les utilisateurs ne sont pas encluns \u00e0 donner des r\u00e9ponses au hasard en cas de difficult\u00e9. Nous avons \u00e9galement men\u00e9 une exp\u00e9rience in vivo et donc moins artificielle o\u00f9 les inf\u00e9rences sont produites \u00e0 la vol\u00e9e sur les termes jou\u00e9s ou contribu\u00e9s par les joueurs, afin de leur pr\u00e9senter des relations pour lesquelles ils peuvent se prononcer. L'exp\u00e9rience a d\u00e9marr\u00e9 en d\u00e9cembre 2012 et se poursuit encore au moment de l'\u00e9criture de cet article (soit une dur\u00e9e de 2 mois). Environ 10000 propositions ont \u00e9t\u00e9 valid\u00e9es et 250 invalid\u00e9es et r\u00e9concil\u00e9es par les contributeurs. Les propositions ayant fait l'objet de votes contradictoires de la part des contributeurs ne portent que sur 8 termes (la d\u00e9cision finale \u00e0 leur rejet a \u00e9t\u00e9 donn\u00e9e par l'expert). Le nombre de votes total correspondant aux relations inf\u00e9r\u00e9es a \u00e9t\u00e9 sup\u00e9rieur \u00e0 32000. Ces donn\u00e9es semblent confirmer la viabilit\u00e9 de la d\u00e9marche consistant \u00e0 solliciter les contributeurs pour valider ou r\u00e9conciler les propositions faites automatiquemment. ", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Quelques donn\u00e9es sur la r\u00e9conciliation", "sec_num": "4.2" }, { "text": "Dans cet article, nous avons pr\u00e9sent\u00e9 quelques enjeux concernant la construction des r\u00e9seaux lexico-s\u00e9mantiques \u00e0 l'aide de jeux et de contributions. Un tel r\u00e9seau est fortement lexicalis\u00e9 et les usages des termes sont d\u00e9couverts incr\u00e9mentalement au fur et \u00e0 mesure de sa construction. Des erreurs sont \u00e9videmment pr\u00e9sentes dans ce type de ressources puisqu'elles peuvent provenir des parties jou\u00e9es sur des relations difficiles, mais elles sont g\u00e9n\u00e9ralement d\u00e9couvertes par les contributeurs, seulement cependant pour les termes qui les int\u00e9ressent. Pour \u00eatre capable d'augmenter la qualit\u00e9 et la couverture du r\u00e9seau lexical, nous avons propos\u00e9 un syst\u00e8me d'\u00e9licitation bas\u00e9 sur des inf\u00e9rences de relations et des r\u00e9conciliations en cas d'invalidation. Les inf\u00e9rences ici sont construites sur la base d'une triangulation simple bas\u00e9e sur la transitivit\u00e9 de l'hyperonymie associ\u00e9e \u00e0 des m\u00e9canismes de blocage logique et de filtrage statistique. La r\u00e9conciliation est appliqu\u00e9e dans le cas o\u00f9 la relation inf\u00e9r\u00e9e est prouv\u00e9e fausse et ce dans le but d'en identifier la cause. Globalement, nous pouvons conclure que les relations inf\u00e9r\u00e9es sont correctes et pertinentes dans 78% des cas et correctes mais non pertinentes dans 10% des cas. En g\u00e9n\u00e9ral, les inf\u00e9rences fausses suite \u00e0 une faute dans les pr\u00e9misses repr\u00e9sentent 2% des cas, les exceptions autour de 5% des cas et les confusions \u00e0 cause d'une polys\u00e9mie environ 5%. La philosophie de notre approche est de ne jamais valider automatiquement des propositions m\u00eame si bon nombre d'entre-elles semblent certaines, car les exceptions ne sont pas pr\u00e9dictibles. Toutefois, la validation en corpus pour une inclusion dans le r\u00e9seau lexical semble une approche possible \u00e0 l'automatisation. De m\u00eame, la validation temporaire d'inf\u00e9rences \u00e0 niveau de confiance \u00e9lev\u00e9 serait tout \u00e0 fait pertinente lors d'une analyse automatique de textes afin d'aider \u00e0 la mener \u00e0 terme. En plus d'\u00eatre un outil d'augmentation du nombre de relations dans un r\u00e9seau lexical, le syst\u00e8me d'\u00e9licitation est un d\u00e9tecteur efficace d'erreurs et de polys\u00e9mie. Les mesures prises durant la phase de r\u00e9conciliation emp\u00eachent une inf\u00e9rence fausse d'\u00eatre r\u00e9inf\u00e9r\u00e9e en boucle. Une telle approche doit \u00eatre d\u00e9velopp\u00e9e plus avant avec d'autres types de sch\u00e9mas d'inf\u00e9rences et possiblement avec une \u00e9valuation de la distribution des classes s\u00e9mantiques des termes sur lesquels les inf\u00e9rences sont \u00e9labor\u00e9es. En effet, certaines classes comme les objets concrets ou les \u00eatres anim\u00e9s peuvent \u00eatre consid\u00e9rablement plus productives sur certains types de relations que, par exemple, les noms d'objets abstraits ou les termes d'\u00e9v\u00e9nements/processus. Quoi qu'il en soit de telles variations dans la productivit\u00e9 d'inf\u00e9rences m\u00e9ritent certainement d'\u00eatre explor\u00e9es.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "Conclusion", "sec_num": "5" }, { "text": "c ATALA", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "", "sec_num": null }, { "text": ". L'\u00e9licitation en Gestion des Connaissances est l'action d'aider un expert \u00e0 formaliser ses connaissances pour permettre de les sauvegarder et/ou les partager. Celui ou celle qui \u00e9licite va donc inviter l'expert \u00e0 rendre ses connaissances tacites en connaissances aussi explicites que possible.", "cite_spans": [], "ref_spans": [], "eq_spans": [], "section": "", "sec_num": null } ], "back_matter": [], "bib_entries": { "BIBREF0": { "ref_id": "b0", "title": "A model for composing semantic relations", "authors": [ { "first": "E", "middle": [], "last": "Blanco", "suffix": "" }, { "first": "D", "middle": [], "last": "Moldovan", "suffix": "" } ], "year": 2011, "venue": "Ninth International Conference on Computational Semantics (IWCS'11)", "volume": "", "issue": "", "pages": "45--54", "other_ids": {}, "num": null, "urls": [], "raw_text": "BLANCO, E. et MOLDOVAN, D. (2011). A model for composing semantic relations. Ninth International Conference on Computational Semantics (IWCS'11), Oxford, United Kingdom, pages 45-54.", "links": null }, "BIBREF1": { "ref_id": "b1", "title": "Phrase detectives : A web-based collaborative annotation game", "authors": [ { "first": "J", "middle": [], "last": "Chamberlain", "suffix": "" }, { "first": "M", "middle": [], "last": "Poesio", "suffix": "" }, { "first": "U", "middle": [], "last": "Kruschwitz", "suffix": "" } ], "year": 2008, "venue": "Proceedings of the International Conference on Semantic Systems (I-Semantics'08)", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "CHAMBERLAIN, J., POESIO, M. et KRUSCHWITZ, U. (2008). Phrase detectives : A web-based collaborative annotation game. In Proceedings of the International Conference on Semantic Systems (I-Semantics'08).", "links": null }, "BIBREF2": { "ref_id": "b2", "title": "HowNet and the Computation of Meaning", "authors": [ { "first": "Z", "middle": [], "last": "Dong", "suffix": "" }, { "first": "Q", "middle": [], "last": "Dong", "suffix": "" }, { "first": "", "middle": [], "last": "Worldscientific", "suffix": "" }, { "first": "", "middle": [], "last": "London", "suffix": "" }, { "first": "C", "middle": [], "last": "Fellbaum", "suffix": "" }, { "first": "G", "middle": [], "last": "Miller", "suffix": "" } ], "year": 1998, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "DONG, Z. et DONG, Q. (2006). HowNet and the Computation of Meaning. WorldScientific, London. FELLBAUM, C. et MILLER, G. (1998). (eds) WordNet. The MIT Press.", "links": null }, "BIBREF3": { "ref_id": "b3", "title": "Acquiring high quality non-expert knowledge from ondemand workforce", "authors": [ { "first": "D", "middle": [], "last": "Feng", "suffix": "" }, { "first": "S", "middle": [], "last": "Besana", "suffix": "" }, { "first": "R", "middle": [], "last": "Zajac", "suffix": "" } ], "year": 2009, "venue": "Proceedings of the 2009 Workshop on The People's Web Meets NLP : Collaboratively Constructed Semantic Resources, People's Web '09", "volume": "", "issue": "", "pages": "51--56", "other_ids": {}, "num": null, "urls": [], "raw_text": "FENG, D., BESANA, S. et ZAJAC, R. (2009). Acquiring high quality non-expert knowledge from on- demand workforce. In Proceedings of the 2009 Workshop on The People's Web Meets NLP : Collaboratively Constructed Semantic Resources, People's Web '09, Morristown, NJ, USA. Association for Computational Linguistics., pages 51-56.", "links": null }, "BIBREF4": { "ref_id": "b4", "title": "Knowledge processing on an extended wordnet. WordNet : An Electronic Lexical Database", "authors": [ { "first": "S", "middle": [], "last": "Harabagiu", "suffix": "" }, { "first": "D", "middle": [], "last": "Moldovan", "suffix": "" } ], "year": 1998, "venue": "", "volume": "", "issue": "", "pages": "381--405", "other_ids": {}, "num": null, "urls": [], "raw_text": "HARABAGIU, S. et MOLDOVAN, D. (1998). Knowledge processing on an extended wordnet. WordNet : An Electronic Lexical Database, MIT Press., pages 381-405.", "links": null }, "BIBREF5": { "ref_id": "b5", "title": "Jeuxdemots : un prototype ludique pour l'\u00e9mergence de relations entre termes", "authors": [ { "first": "A", "middle": [], "last": "Joubert", "suffix": "" }, { "first": "M", "middle": [], "last": "Lafourcade", "suffix": "" } ], "year": 2008, "venue": "proc of JADT'2008, Ecole normale sup\u00e9rieure Lettres et sciences humaines", "volume": "8", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "JOUBERT, A. et LAFOURCADE, M. (2008). Jeuxdemots : un prototype ludique pour l'\u00e9mergence de relations entre termes. In proc of JADT'2008, Ecole normale sup\u00e9rieure Lettres et sciences humaines , Lyon, France, 12-14 mars 2008, page 8 p.", "links": null }, "BIBREF6": { "ref_id": "b6", "title": "Making people play for lexical acquisition", "authors": [ { "first": "M", "middle": [], "last": "Lafourcade", "suffix": "" } ], "year": 2007, "venue": "Proc. SNLP 2007, 7th Symposium on Natural Language Processing", "volume": "8", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "LAFOURCADE, M. (2007). Making people play for lexical acquisition. In Proc. SNLP 2007, 7th Symposium on Natural Language Processing. Pattaya, Thailande, 13-15 December 2007, page 8 p.", "links": null }, "BIBREF7": { "ref_id": "b7", "title": "Increasing long tail in weighted lexical networks", "authors": [ { "first": "M", "middle": [], "last": "Lafourcade", "suffix": "" }, { "first": "A", "middle": [], "last": "Joubert", "suffix": "" } ], "year": 2012, "venue": "proc of Cognitive Aspects of the Lexicon (CogAlex-III), COLING", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "LAFOURCADE, M. et JOUBERT, A. (2012). Increasing long tail in weighted lexical networks. In proc of Cognitive Aspects of the Lexicon (CogAlex-III), COLING, Mumbai, India, December 2012, page 16 p.", "links": null }, "BIBREF8": { "ref_id": "b8", "title": "Evaluation et consolidation d'un r\u00e9seau lexical gr\u00e2ce \u00e0 un assistant ludique pour le mot sur le bout de la langue", "authors": [ { "first": "M", "middle": [], "last": "Lafourcade", "suffix": "" }, { "first": "A", "middle": [], "last": "Joubert", "suffix": "" }, { "first": "D", "middle": [], "last": "Schwab", "suffix": "" }, { "first": "M", "middle": [], "last": "Zock", "suffix": "" } ], "year": 2011, "venue": "proc of TALN'11", "volume": "", "issue": "", "pages": "295--306", "other_ids": {}, "num": null, "urls": [], "raw_text": "LAFOURCADE, M., JOUBERT, A., SCHWAB, D. et ZOCK, M. (2011). Evaluation et consolidation d'un r\u00e9seau lexical gr\u00e2ce \u00e0 un assistant ludique pour le mot sur le bout de la langue. In proc of TALN'11, Montpellier, France, 27 juin-1er juillet 2011, pages 295-306.", "links": null }, "BIBREF9": { "ref_id": "b9", "title": "Cyc : A large-scale investment in knowledge infrastructure", "authors": [ { "first": "D", "middle": [], "last": "Lenat", "suffix": "" } ], "year": 1995, "venue": "Communications of the ACM", "volume": "38", "issue": "11", "pages": "33--38", "other_ids": {}, "num": null, "urls": [], "raw_text": "LENAT, D. (1995). Cyc : A large-scale investment in knowledge infrastructure. Communications of the ACM, 38(11):33-38.", "links": null }, "BIBREF10": { "ref_id": "b10", "title": "Common consensus : a web-based game for collecting commonsense goals", "authors": [ { "first": "H", "middle": [], "last": "Lieberman", "suffix": "" }, { "first": "D", "middle": [ "A" ], "last": "Smith", "suffix": "" }, { "first": "A", "middle": [], "last": "Teeters", "suffix": "" } ], "year": 2007, "venue": "Proc. of IUI", "volume": "12", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "LIEBERMAN, H., SMITH, D. A. et TEETERS, A. (2007). Common consensus : a web-based game for collecting commonsense goals. In Proc. of IUI, Hawaii., page 12 p.", "links": null }, "BIBREF11": { "ref_id": "b11", "title": "Semkey : A semantic collaborative tagging system", "authors": [ { "first": "A", "middle": [], "last": "Marchetti", "suffix": "" }, { "first": "M", "middle": [], "last": "Tesconi", "suffix": "" }, { "first": "F", "middle": [], "last": "Ronzano", "suffix": "" }, { "first": "M", "middle": [], "last": "Mosella", "suffix": "" }, { "first": "S", "middle": [], "last": "Minutoli", "suffix": "" } ], "year": 2007, "venue": "Procs of WWW2007", "volume": "9", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "MARCHETTI, A., TESCONI, M., RONZANO, F., MOSELLA, M. et MINUTOLI, S. (2007). Semkey : A semantic collaborative tagging system. in Procs of WWW2007, Banff, Canada, page 9 p.", "links": null }, "BIBREF12": { "ref_id": "b12", "title": "Open mindword expert : Creating large annotated data collections with web users help", "authors": [ { "first": "R", "middle": [], "last": "Mihalcea", "suffix": "" }, { "first": "T", "middle": [], "last": "Chklovski", "suffix": "" } ], "year": 2003, "venue": "Workshop on Linguistically Annotated Corpora (LINC 2003)", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "MIHALCEA, R. et CHKLOVSKI, T. (2003). Open mindword expert : Creating large annotated data collections with web users help. In Proceedings of the EACL 2003, Workshop on Linguistically Annotated Corpora (LINC 2003), page 10 p.", "links": null }, "BIBREF13": { "ref_id": "b13", "title": "Introduction to wordnet : an on-line lexical database", "authors": [ { "first": "G", "middle": [], "last": "Miller", "suffix": "" }, { "first": "R", "middle": [], "last": "Beckwith", "suffix": "" }, { "first": "C", "middle": [], "last": "Fellbaum", "suffix": "" }, { "first": "D", "middle": [], "last": "Gross", "suffix": "" }, { "first": "K", "middle": [], "last": "Miller", "suffix": "" } ], "year": 1990, "venue": "International Journal of Lexicography", "volume": "3", "issue": "4", "pages": "235--244", "other_ids": {}, "num": null, "urls": [], "raw_text": "MILLER, G., BECKWITH, R., FELLBAUM, C., GROSS, D. et MILLER, K. (1990). Introduction to wordnet : an on-line lexical database. International Journal of Lexicography, 3(4):235-244.", "links": null }, "BIBREF14": { "ref_id": "b14", "title": "Babelnet : Building a very large multilingual semantic network", "authors": [ { "first": "R", "middle": [], "last": "Navigli", "suffix": "" }, { "first": "S", "middle": [], "last": "Ponzetto", "suffix": "" } ], "year": 2010, "venue": "Proceedings of the 48th Annual Meeting of the Association for Computational Linguistics", "volume": "", "issue": "", "pages": "216--225", "other_ids": {}, "num": null, "urls": [], "raw_text": "NAVIGLI, R. et PONZETTO, S. (2012). Babelnet : Building a very large multilingual semantic network. In Proceedings of the 48th Annual Meeting of the Association for Computational Linguistics, Uppsala, Sweden, 11-16 July 2010, pages 216-225.", "links": null }, "BIBREF15": { "ref_id": "b15", "title": "Construction d'un wordnet libre du fran\u00e7ais \u00e0 partir de ressources multilingues", "authors": [ { "first": "B", "middle": [], "last": "Sagot", "suffix": "" }, { "first": "D", "middle": [], "last": "Fier", "suffix": "" } ], "year": 2008, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "SAGOT, B. et FIER, D. (2008). Construction d'un wordnet libre du fran\u00e7ais \u00e0 partir de ressources multilingues. TALN 2008, Avignon, France, 2008., page 12.", "links": null }, "BIBREF16": { "ref_id": "b16", "title": "Games with a purpose for the semantic web", "authors": [ { "first": "K", "middle": [], "last": "Siorpaes", "suffix": "" }, { "first": "M", "middle": [], "last": "Hepp", "suffix": "" } ], "year": 2008, "venue": "IEEE Intelligent Systems", "volume": "23", "issue": "", "pages": "50--60", "other_ids": {}, "num": null, "urls": [], "raw_text": "SIORPAES, K. et HEPP, M. (2008). Games with a purpose for the semantic web. In IEEE Intelligent Systems, 23(3):50-60.", "links": null }, "BIBREF17": { "ref_id": "b17", "title": "A survey on games for knowledge acquisition", "authors": [ { "first": "S", "middle": [], "last": "Thaler", "suffix": "" }, { "first": "K", "middle": [], "last": "Siorpaes", "suffix": "" }, { "first": "E", "middle": [], "last": "Simperl", "suffix": "" }, { "first": "C", "middle": [], "last": "Hofer", "suffix": "" } ], "year": 2011, "venue": "STI Technical Report", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "THALER, S., SIORPAES, K., SIMPERL, E. et HOFER, C. (2011). A survey on games for knowledge acquisition. STI Technical Report., page 19.", "links": null }, "BIBREF18": { "ref_id": "b18", "title": "Designing games with a purpose", "authors": [ { "first": "Ahn", "middle": [], "last": "Von", "suffix": "" }, { "first": "L", "middle": [], "last": "Dabbish", "suffix": "" }, { "first": "L", "middle": [], "last": "", "suffix": "" } ], "year": 2008, "venue": "Communications of the ACM", "volume": "51", "issue": "8", "pages": "58--67", "other_ids": {}, "num": null, "urls": [], "raw_text": "von AHN, L. et DABBISH, L. (2008). Designing games with a purpose. Communications of the ACM, 51(8):58-67.", "links": null }, "BIBREF19": { "ref_id": "b19", "title": "Eurowordnet : a multilingual database with lexical semantic networks", "authors": [ { "first": "P", "middle": [], "last": "Vossen", "suffix": "" } ], "year": 1998, "venue": "", "volume": "", "issue": "", "pages": "", "other_ids": {}, "num": null, "urls": [], "raw_text": "VOSSEN, P. (1998). Eurowordnet : a multilingual database with lexical semantic networks. Kluwer Academic Publishers, Norwell, MA, USA, page 200.", "links": null }, "BIBREF20": { "ref_id": "b20", "title": "Wisdom of crowds versus wisdom of linguists measuring the semantic relatedness of words", "authors": [ { "first": "T", "middle": [], "last": "Zesch", "suffix": "" }, { "first": "I", "middle": [], "last": "Gurevych", "suffix": "" } ], "year": 2009, "venue": "Natural Language Engineering", "volume": "", "issue": "", "pages": "25--59", "other_ids": {}, "num": null, "urls": [], "raw_text": "ZESCH, T. et GUREVYCH, I. (2009). Wisdom of crowds versus wisdom of linguists measuring the semantic relatedness of words. Natural Language Engineering, Cambridge University Press., pages 25-59.", "links": null } }, "ref_entries": { "FIGREF0": { "uris": null, "num": null, "text": "teur d'\u00e9licitation compos\u00e9 d'un moteur d'inf\u00e9rences et d'un moteur de r\u00e9conciliation. Une exp\u00e9rimentation sur les performances du syst\u00e8me est ensuite rapport\u00e9e.", "type_str": "figure" }, "FIGREF1": { "uris": null, "num": null, "text": "Sch\u00e9ma d'inf\u00e9rence triangulaire simple appliqu\u00e9 \u00e0 la transitivit\u00e9 de l'hyperonymie (la relation is-a). Les relations (1) et (2) sont les pr\u00e9misses et la relation (3) est la conclusion logique propos\u00e9e dans le r\u00e9seau lexical en attendant d'\u00eatre valid\u00e9e.", "type_str": "figure" }, "FIGREF2": { "uris": null, "num": null, "text": "Courbe poids/distribution des relations sortantes du terme A-Si P(A is\u2212a \u2212\u2212\u2212\u2212\u2192 B ) >= seuil-confiance(A) \u21d2 A is\u2212a \u2212\u2212\u2212\u2212\u2192 B est une relation vraisemblable. -Si P(A is\u2212a \u2212\u2212\u2212\u2212\u2192 B ) < seuil-confiance(A) \u21d2 A is\u2212a \u2212\u2212\u2212\u2212\u2192 B est une relation douteuse.", "type_str": "figure" }, "FIGREF4": { "uris": null, "num": null, "text": "l'exemple suivant : A :enfant ; B :humain ; C :aile ; R :has-part (1) : enfant is\u2212a \u2212\u2212\u2212\u2212\u2192 humain (2) : humain has\u2212par t \u2212\u2212\u2212\u2212\u2192 aile \u21d2 (3) : enfant has\u2212par t \u2212\u2212\u2212\u2212\u2212\u2212\u2192 aile Evidemment, la relation enfant has\u2212par t \u2212\u2212\u2212\u2212\u2212\u2212\u2192 aile est fausse et la relation humain has\u2212par t \u2212\u2212\u2212\u2212\u2212\u2212\u2192 aile en est la cause. Sch\u00e9ma de la proc\u00e9dure de validation/r\u00e9conciliation. L\u00e9gende : plut\u00f4t Vrai, Possible, Vrai Non Pertinent, plut\u00f4t Faux. Cas d'erreur dans les pr\u00e9misses Supposons que la relation (1) (figure 1) a un faible poids. Alors le r\u00e9conciliateur demande au validateur si la relation (1) est vraie. Si la r\u00e9ponse est n\u00e9gative, l'oppos\u00e9 du poids actuel de la relation (1) lui est attribu\u00e9 (soit P = -1*(P)) et la r\u00e9conciliation se termine. Si la r\u00e9ponse est positive, le r\u00e9conciliateur demande si la relation (2) est vraie et il proc\u00e8de comme pr\u00e9c\u00e9demment en cas de r\u00e9ponse n\u00e9gative. Sinon enfin, il v\u00e9rifie les autres cas (exception, polys\u00e9mie). (Figure 4) Cas d'exception Dans le cas de deux relations vraisemblables, le r\u00e9conciliateur demande au validateur si la relation inf\u00e9r\u00e9e A R \u2212\u2212\u2192 C constituerait une exception. Si c'est le cas, la relation est stock\u00e9e dans le r\u00e9seau avec un poids n\u00e9gatif mais annot\u00e9e avec une m\u00e9ta-information qui indique que c'est une exception. (Figure 4) Cas de polys\u00e9mie Dans ce cas, le terme B est soit marqu\u00e9 dans le r\u00e9seau comme polys\u00e9mique ou indiqu\u00e9 comme tel par le validateur. Il s'agit alors de lister dans le dialogue les raffinements B 1 , B 2 , ...,B n en les ordonnant selon une fonction de similarit\u00e9 et ainsi de permettre au validateur de choisir le plus appropri\u00e9 selon lui pour les deux relations A is\u2212a \u2212\u2212\u2192 B i et B j R \u2212\u2212\u2192 C. Il est possible \u00e0 l'utilisateur de pr\u00e9ciser un nouveau raffinement en cas d'insatisfaction vis-\u00e0-vis de ceux pr\u00e9sent\u00e9s. Apr\u00e8s cette proc\u00e9dure, le r\u00e9seau sera r\u00e9concili\u00e9 par deux nouvelles relations A is\u2212a \u2212\u2212\u2192 B i et B j R \u2212\u2212\u2192 C qui pourront \u00eatre utilis\u00e9es ult\u00e9rieurement par le moteur d'inf\u00e9rences.(Figure 4)", "type_str": "figure" }, "TABREF1": { "html": null, "text": "inf\u00e9rence d\u00e9ductive triangulaire avec un bloquage logique se basant sur la polys\u00e9mie du terme B du milieu. Les termes B i et B j sont des raffinements/usages de B.", "type_str": "table", "num": null, "content": "" }, "TABREF2": { "html": null, "text": "Les tables 1 et 2 pr\u00e9sentent le nombre de relations propos\u00e9es par le moteur d'inf\u00e9rences. Les diff\u00e9rents types de relations pour la seconde pr\u00e9misse (la relation g\u00e9n\u00e9rique R dans le sch\u00e9ma d'inf\u00e9rence triangulaire) sont productifs \u00e0 des degr\u00e9s divers. Bien entendu, cette variation est en partie due au nombre de relations d\u00e9j\u00e0 existantes pour chaque type dans le r\u00e9seau. La productivit\u00e9 d'un type de relation est le ratio entre le nombre d'inf\u00e9rences propos\u00e9es et le nombre d'occurences de ce type de relations dans le r\u00e9seau.", "type_str": "table", "num": null, "content": "
Type de relationnb propos\u00e9s nb existants productivit\u00e9
est-un91 03791 79999,16%
parties372 68821 8861702,86%
holonyme108 19113 124824,37%
lieu271 71726 3461031,34%
carac203 09524 180839,92%
agent-1198 3596 8202908,48%
instr-124 9574 797520,26%
patient-114 6583 930372,97%
lieu-1145 1598 8351642,99%
lieu-action50 0354 5591097,49%
mati\u00e8re4 3133 097139,26%
" }, "TABREF3": { "html": null, "text": "Productivit\u00e9 des types de relations selon le moteur d'inf\u00e9rences.L'inf\u00e9rence transitive pour is-a est la moins productive ce qui peut sembler surprenant en premi\u00e8re analyse. En fait, la relation is-a est d'ors et d\u00e9j\u00e0 fortement renseign\u00e9e dans le r\u00e9seau lexical JDM, et ce faisant, relativement peu de nouvelles inf\u00e9rences peuvent \u00eatre propos\u00e9es. Les donn\u00e9es sont quelques peu invers\u00e9es pour les autres types de relation qui ne sont pas suffisamment repr\u00e9sent\u00e9s mais qui sont pourtant potentiellement valides.En termes de filtrages, nous constatons une grande disparit\u00e9 entre les types de relations, qui provient essentiellement de la force de transitivit\u00e9 du type de relation, et pour les termes concern\u00e9s du taux de polys\u00e9mie et du poids des relations.Par exemple, is-a est fortement transitive et se retrouve peu bloqu\u00e9e par rapport \u00e0 parties ou holo. Les r\u00f4les s\u00e9mantiques (agent-1, instr-1, etc.), peu productifs par ailleurs car toutes proportions gard\u00e9es peu renseign\u00e9es, semblent peu sensibles aux deux filtrages. c ATALA", "type_str": "table", "num": null, "content": "
Le r\u00f4le s\u00e9mantique d'agent (la relation agent-1) est de loin le type le plus productif,
avec 30 fois plus de propositions que ce qui existe actuellement dans le r\u00e9seau JDM.
La productivit\u00e9 d'une relation est covariante avec deux facteurs : (1) la taille de la
population pour ce type de relation dans le r\u00e9seau et, (2) le nombre d'hyponymes dont
disposent les termes renseign\u00e9s pour cette relation.
" }, "TABREF4": { "html": null, "text": "Statut des inf\u00e9rences propos\u00e9es par type de relation. Bloqu\u00e9 fait r\u00e9f\u00e9rence au filtrage logique et filtr\u00e9 au filtrage statistique.", "type_str": "table", "num": null, "content": "" }, "TABREF5": { "html": null, "text": "", "type_str": "table", "num": null, "content": "
pr\u00e9sente une \u00e9valuation du statut des
" }, "TABREF7": { "html": null, "text": "R\u00e9sultats de la validation/r\u00e9conciliation selon le type de relation inf\u00e9r\u00e9e.", "type_str": "table", "num": null, "content": "" } } } }