cours sur le traitement automatique des langues la sémantique (4)

Cours sur le traitement automatique des langues :La sémantique (1b)

Violaine PrinceUniversité de Montpellier 2LIRMM-CNRS

2

Plan de l’exposé Classement des approches

sémantiques Par granularité Par paradigme

Sémantique vectorielle : un modèle trans-granularité

Conclusion et perspectives

3

Classement des approches sémantiques

La notion de granularité : Taille du segment interprétable.

Sublexical (les sèmes) Lexical (le mot) Syntagmatique (syntagmes/groupes) Phrastique (phrase/proposition) Textuel (ensemble de phrases) Document (texte complet) Collection

4

Les granularités définies

Le niveau sublexical est peu décrit : Théories linguistiques de type sémantique

structurale (Pottier, Greimas) Travaux informatiques :

M. Gross : constitution de dictionnaires (Intex/ Sylberstein)

Informatisation des travaux de F. Rastier (P; Beust)

5

Sémantique structurale Ecole Française de Bernard Pottier et

ses élèves (Greimas, Rastier) Le mot est un « ensemble » de

« sèmes » ou signes de sens. La structuration sémantique est une

« superstructure » de la structuration sémique.

Deux unités sont différenciées : le sème (signe) et le sémantème (unité de sens)

6

Représentation sémantique structurale

appareil

appareil à essenceaspiration liquide

1.

2.

les propriétés de l’essence

essence pour véhicule3. lieu consacré à la ventestation d’essence

4.

Une « partie » du mot « pompe »

entreprise

7

Le niveau lexical (sémantique lexicale) est très riche.

Mots ou groupes de mots inséparables. Exemples :

Pomme Pomme-de-terre

Sert de base aux dictionnaires Plusieurs paradigmes défrichent ce

niveau.

8

Niveau syntagmatique/groupe : les sémantiques n-grammes (bi ou trigrammes)

Expression syntagmatique nominale : N1 de N2 (B. Habert)

• Moulin à café (quasi-lexicalisé)• Médecin de famille • Fleur des champs, fleur de pommier…

Peu de travaux sur les groupes verbaux (sauf en anglais en raison des suffixes)

En gros, des sémantiques de type « opérationnel » à base fréquentielle (Zipf, Harris…)

9

Le niveau propositionnel est le domaine privilégié des modèles sémantiques logiques.

La proposition est « complète » en termes de sens Elle est évaluable L’évaluation se fait après décomposition (en éléments

constitutifs) et recomposition du sens Le rapport entre phrase et proposition n’est pas toujours

très clair (la majorité des exemples de phrases sont des propositions).

Les expressions figées : lexicalisation (E. Laporte). Balayer devant sa porte. Tourner autour du pot (to beat around the bush).

10

Le niveau textuel sémantique commence à se confondre avec le niveau thématique. Un texte = un énoncé = un ensemble de

phrase. N’est pas une unité « complète » Possède un « thème » (ou plusieurs) De quoi parle le texte ?

11

Travaux sur les liens entre phrases (inter-phrastiques).

Anaphore pronominale : attachement syntaxe-sémantique.. Parfois fondé sur des connaissances extra-sémantiques.

• Le médecin est venu voir Pierre. Il avait 39 de fièvre.• Le médecin est venu voir Pierre. Il avait une sacoche

noire bourrée.• Le médecin est venu voir Pierre. Il est arrivé une heure

et demie après notre appel.• Le médecin est venu voir Pierre. Il était enrhumé.

12

Travaux de Grosz et Sidner (1986) : « focus and attention »

L’attachement pronominal se fait majoritairement avec le dernier nom de même genre et nombre.

• Le médecin est venu voir Pierre. Il avait 39 de fièvre• (1/4 exact)

Sinon, il dépend du « thème » général du texte. Thème médecin : personne spécialiste, faisant des visites, à

l’appel des malades, portant une sacoche.• Le médecin est venu voir Pierre. Il avait une sacoche noire

bourrée.• Le médecin est venu voir Pierre. Il est arrivé une heure et

demie après notre appel.• 2/4 exact.

13

Thème « Pierre est malade » Il a de la fièvre, il est enrhumé.

• Le médecin est venu voir Pierre. Il avait 39 de fièvre• Le médecin est venu voir Pierre. Il était enrhumé.• 2/4 exact.

Double thème : le médecin et Pierre est malade. Les quatre énoncés sont interprétables Cependant, le médecin peut-être lui aussi enrhumé.

14

Les anaphores nominales : la relation de synonymie ou de proximité sémantique lexicale. Pierre est allé voir un ophtalmologiste. Le

spécialiste lui a donné une ordonnance pour une nouvelle paire de lunettes.

Qu’avez-vous fait à Marie-Hélène ? Cette femme n’arrête pas de téléphoner.

15

Dès lors qu’on dépasse en granularité le niveau propositionnel, des « niveaux » d’analyse autres que sémantiques semblent être sollicités.

Trois dimensions semblent co-exister et interagir: La syntaxe (règles de composition) La sémantique (règles de pré-interprétation) La pragmatique (stratégies d’interprétation => opérer des

choix dans les pré-interprétations sémantiques)

16

Au niveau du document : On passe complètement dans des structures d’analyse

ou de représentation « stylistiques » ou de contenu. Les travaux informatiques sur le document ne

concernent que : Sa structuration (formalisée ou pas) Ses liens (hypertextes…) Sa pertinence par rapport à une requête (recherche

d’information) Sa thématique représentable par des mots clés

(indexation) Sa catégorisation (par rapport à un thème fourni) Sa classification (par rapport à un thème, une collection

ou un autre document)

17

La collection : complètement dans une vision thématique Collection de textes Collection d’ouvrages qui sont eux-mêmes

des collections de texte Les travaux informatiques sont ceux de la

recherche documentaire (Salton et dérivés).

18

Conclusion sur la notion de granularité

La sémantique s’efface avec l’augmentation de la granularité, graduellement, au profit de la thématique.

La sémantique apparaît plus non pas comme un choix univoque d’interprétation (fonction) que comme un choix ensembliste (application d’un élément vers une partie d’ensemble). On parle plutôt de « champ sémantique ».

19

En réalité, la sémantique est un mécanisme de comparaison beaucoup qu’un mécanisme d’affectation de valeur. Au niveau sublexical : pompe : « proche »

d’appareil, d’appareil à essence, de station, d’entreprise… proche aussi d’aspiration (appareil aspirant) d’air(fusil à pompe), de mouvement haut et bas (faire des pompes)….

20

Au niveau lexical : quel terme exact choisir pour remplacer « pompe » …

Au niveau syntagme/groupe : savoir si le syntagme à un sens différent de la composition des sens des constituants. Composition non commutative ;

Voile de Bateau différent de Bateau à voile Valeur des moyennes différent de moyenne des

valeurs

21

Composition souvent non intègre Moulin à paroles -> bavard Pomme-de-terre -> rien à voir avec la

pomme et la terre Les formalismes n-grammes ne

conservent pas toujours la nature même du lien

22

Au niveau propositionnel : L’évaluation à la valeur de vérité n’est absolument

pas pertinente. Une phrase est interprétée linguistiquement si on

en reconnaît le thème et on sait l’associer à des objets du monde (interprétation extra-sémantique)

Une phrase est interprétée informatiquement si et seulement si elle est transcrite dans un formalisme sans perte d’information intrinsèque, qui conserve ses relations de proximité et son appartenance thématique.

23

référent : objet linguistique

référé: objet mental objet référé: objet du monde

Langue

mondeindividu

triangle aristotélicientriangle aristotélicienL’interprétation linguistique associe :• pour un individu donné • Un référent donné (objet linguistique)• À un objet du monde

24

L’ « interprétation informatique » associe, - pour un objet linguistique donné- - un objet mathématique- Calculable par une machine -

.

Langue

machine

Formalisme InterprétablePar un individuEt représentablePar ce dernier

25

En machine on ne fait que re-présenter et non pas interpréter

On délègue à la machine le processus de calcul des similitudes et des proximités (entre énoncés)

Quand il y a de GRANDES MASSES de données

26

Les paradigmes (de calcul)

Le paradigme symbolique logique On traduit l’énoncé en langue en un énoncé logique

que l’on manipule ensuite selon ses propres lois Au lieu d’interpréter en valeur de vérité absolue, on

vérifie que l’énoncé est valide par rapport aux « ontologies ».

On appelle ontologie une structure de connaissances qui :

Relie des concepts entre eux Leur associe des propriétés Possède des propriétés exploitables par des opérateurs

27

Exemple : ontologie de schémas (Minsky)

C1n

valeurs par défaut pour C1n sous forme d ’{attribut

(facette, valeur)}

C1n-1

C11

lien « is-a »

SchémadeC1

n

Schéma de C1

1

Schémade

C1n-1

28

Exemple Chaise :

chaise-à-porteur

chaise

meublecomposé de:pieds (3, 4)dosseret (oui,non)barreaux :( oui,non)assise :matière

fait en :matière (organique, minérale)type (naturelle, artificielle)prix:origine :

17ème sièclemode de transport

fauteuil

29

Formalismes d’ontologies : Treillis(de Galois) Arborescences Réseaux (sémantiques)

Ont du mal a différencier le statut « langue» du statut « formalisme » au niveau lexical « dictionnaires », « thésaurus »

30

Les modèles de données

Les « ontologies » arborescentes après l ’échec d’une structuration trop

importante et trop large restriction des années 90

à une application à un domaine, de préférence technique et défini à une structure arborescente

plusieurs « arbres de connaissance » plutôt qu ’un seul réseau

31

Exemple (1) domaine : chimie application : enseignement secondaire de la

chimie atomique: agrégats « partie-de »

particule

atome

molécule substance

32

Exemple (2)

domaine : chimie application : enseignement secondaire de la

chimie atomique: agrégat « sorte-de »

particuleparticulechargée particule neutre

proton électronneutron

33

Propriétés structurelles

relations typées sorte-de selon un critère sorte-de : inclusion de classe sorte-de : membre-de partie-de

Les ontologies arborescentes supposent :

un mot un sens ce qui correspond qu ’à un sous-

ensemble très faible du langage naturel

34

Les modèles multi-structure

Les graphes conceptuels (Sowa 1984) l ’idée que l ’esprit et le langage s ’organisent

de la même manière (ressemblance des contextes linguistique et mental)

il existe une représentation en lambda-calcul du contexte mental

application à la langue

35

Graphes conceptuels Modèle de données

Un treillis de concepts Un treillis de relations

Lambda-formules Graphe canonique Graphe de définition Graphe de phrase

36

Fonction des modèles symboliques logiques

Actions « sémantiques » réalisées: Transformer la phrase en LN :

La chaise est bleue En sa structure logique (ou sa lambda-expression):

Chaise (x) couleur (x, « bleu ») Vérifier dans l’ontologie

Que chaise existe Qu’elle peut avoir une couleur Que la couleur « bleu » existe Qu’il n’existe pas de contrainte contre la couleur

bleue pour une chaise

37

Limites en LN Reste le problème de savoir : S’il s’agit d’un exemplaire de chaise répertorié

dans l’ensemble des connaissances x0 X/ chaise(x0) couleur(x0, « bleu »)

S’il s’agit d’un nouvel exemplaire x chaise(x) couleur(x, « bleu ») => x X

S’il s’agit d’une assertion concernant la classe des chaises x X chaise(x) => couleur(x, « bleu »)

38

Beaucoup de connaissances à intégrer Problème des sens figurés du mot:

jouer aux chaises musicales mener une vie de bâton de chaise

Et de certains de ses dérivés : ambitionner le fauteuil présidentiel.

A éviter en recherche d’information ou indexation

39

Autres paradigmes Le paradigme symbolique numérique

Le modèle connexionniste Le modèle vectoriel (non saltonien)

Le paradigme statistique/probabiliste Modèle vectoriel de Salton La co-occurrence de Church Les mesures de similarité ou de similitude La sémantique distributionnaliste (Harris) Les chaînes de Markov Le modèle de Markov caché

40

Plusieurs approches connexionistes de la sémantique

Sémantique Lexicale Calculer le sens d’un mot en contexte (par rapport

aux autres mots co-occurents). Un réseau mono ou bi-couche de

n cellules ayant chacune une variable d’état xn Des arcs entre ces cellules avec un poids qui affecte

les états des cellules qu’ils relient Des équations d’état pour qui sont des gradiants d’une

fonction d’énergie F(x,p,t))= grad_x(E(x,p,t)). Un mécanisme d’apprentissage sous forme d’équation

de modification de poids/ p’=L(x,p,t).

Le modèle connexionniste

41

Les cellules représentent des mots Ils sont reliés en fonction de leur présence dans

un contexte donné (fenêtre) Les poids sont définis initialement. Les changements d’état interviennent entre un

état initial correspondant à une définition et un état final correspondant à la position en contexte dans une phrase donnée.

Le mécanisme d’apprentissage recalcule le poids en fonction de la phrase apprise.

42

Modèles connexionnistes en sémantique : limites

Le réseau mono-couche « perd » la définition initiale.

Le réseau bi-couche la conserve et permet de mesurer la différence entre un sens « dictionnairique » et un sens « en corpus », mais il est limité en taille…

Les modèles mono-couche risquent de modifier très fortement les relations entre les mots en fonction des corpus rencontrés. On peut « oublier » des sens rares On peut apprendre de manière biaisée.

43

Les modèles vectoriels Le modèle vectoriel sera présenté dans le prochain

cours. Modèle à famille génératrice de taille fixe (équipe TAL

du LIRMM) Issu du TAL. Modèle sémantique.

Modèle à base de taille variable (modèle de Salton). Issu de la recherche documentaire. Problème de la

pertinence d’un texte par rapport à une requête Non TAL Non sémantique

44

La co-occurrence de Church: Formule de l’information mutuelle (n-grammes)

Modèle fondé sur des probabilités conditionnelles

Notion de fréquence d’apparition commune entre des termes.

Si x et y sont tous deux des mots, l’information mutuelle I(x,y) est donnée par la formule :

Où, si N est le nombre total de mots : p(x) = freq(x)/N p(y) = freq(y)/N p(x,y) = freq(x,y)/N

I(x,y) = log2 [p(x,y)/(p(x)p(y))]

45

On remarque que plusieurs bi-grammes sont de fréquence très basse.

L’information mutuelle a des valeurs exagérémment élevées pour des bigrammes de basse fréquence , cad qu’elle considère comme associés des termes qui ne le sont pas tellement.

Formule du maximum de vraisemblance log[ (freq(x,y)/N)/(freq(x)/N)(freq(y)/N) ]

Quand on passe aux n-grammes , la fréquence diminue encore.

46

Les mesures de similarité ou de similitude Plusieurs mesures existent. Elles définissent

La proximité d’un document par rapport à un autre en fonction des termes qu’ils contiennent

La pertinence thématique d’un document par rapport à un index, un mot-clé, une requête

Elles proviennent d’une approche « recherche documentaire »/statistique (vs IA/logique ou IA/connexionniste)

47

Les mesures de similarité ou de similitude Produit scalaire (cosinus) ou similarité de

Salton. Mesure géométrique de type

distance : cos(d,d’)= d.d’/(IIdIIxIId’II) Coefficient de Jaccard

Mesure ensembliste ou {d} est l’ensemble des unités linguistiques du document d

jaccard(d,d’)= I{d}{d’}I/(I{d} {d’}I) 1- jaccard(d,d’) vérifie l’inégalité triangulaire et

donc se comporte comme une distance.

48

La sémantique distributionaliste (Harris)

En France, travaux de Rajman, Habert, Bonnet Ailleurs : Grefenstette, Dagan, Sparck Jones…

Forte corrélation entre les caractéristiques distributionnelles observables des mots et leurs sens.

Les contextes apportent suffisamment d’information pour un lecteur humain pour être en mesure d’affecter un sens à un mot en contexte.

Lemme : Deux unités linguistiques sont sémantiquement similaires si leurs contextes textuels sont similaires.

49

Approches distributionalistes

Intégration de matrices de co-occurrence Interprétation de profils de co-occurrence

probabilistes (Besançon et Rajman) P(tiIuj) ≈ cij= f(tj,ui) / kf(tk, ui) En d’autres termes; la probabilité que le sens porté

par le terme tj soit associé à l’unité linguistique ui est aussi le coefficient dans la matrice de co-occurrence des termes d’indexation avec les contextes (unités linguistiques) du corpus, c’est-à-dire la fréquence d’occurrence du terme par rapport à la somme des fréquences d’occurrences des termes dans cette même unité.

50

Exemple Le X se comporte de façon

individualiste, il a une grande gueule rose quand il baille, et est très soucieux de sa toilette.

Les Egyptiens adoraient le X et lui associaient des qualités de paix du foyer et de miséricorde.

La nuit tous les X sont gris.

X= chat

51

Les chaînes de Markov A eu un impact important dans la statistique

textuelle Usage de la la probabilité conditionnelle (n-

grammes) de manière différente: Plutôt que d'étudier le rapport entre deux variables

X et Y, on cherche à caractériser la relation entre les états (symboles) consécutifs d'une seule variable X.

On parlera alors de probabilité de transition d'un symbole vers un autre: 

P(ai->aj) := P(Xt+1= iXt= j) (probabilité conditionnelle)

où ai, aj A, et Xt représente l'état du système au temps t.

52

On appelle chaîne de Markov d'ordre 1 le modèle défini par une matrice de transition P de composantes

Pij = p(ai ->aj). En généralisant, on peut construire des

modèles d'ordre k≥ 1 avec Pij = p(w i->ai) et wi Ak.

Conseil : http://www.unil.ch/Jahia/site/ling/cache/

offonce/pid/12879

53

Autres modèles Il existe de nombreux modèles mais ils

apparatiennent à une famille. Famille symbolique logique Famille symbolique numérique Famille statistique/probabiliste

54

Synthèse Les modèles symboliques logiques essaient de

représenter le sens par/pour le raisonnement Les modèles symboliques numériques essaient d’utiliser

l’arithmétique, l’algèbre ou la géométrie pour représenter le sens par rapport : À d’autres sens À d’autres mots

Les modèles statistiques ou probabilistes représentent le sens comme une probabilité ou une fréquence d’occurrence d’un motif dans un contexte.

55

Synthèse (fin) Les modèles symboliques logiques essaient de reconstituer

artificiellement le triangle aristotélicien Les modèles symboliques numériques acceptent d’être

exclusivement dans une relation référent(langue)-référent(formalisme) et considèrent que le référé est approché par le morphisme M qui dit que : Si x en L est relié à x1,x2,…,xn alors rep(x) dans F est relié à

rep(x1),rep(x2),…rep(xn) par une fonction sur F. Les modèles statistiques/probabilistes ne travaillent que

dans une relation référent(langue)-référent(langue) où la machine et les algorithmes servent de support de calcul sur de grandes masses de données.