Syntaxe et analyse syntaxique Rseaux smantiques Eric Laporte

Syntaxe et analyse syntaxique Réseaux sémantiques Eric Laporte Institut Gaspard-Monge Université Paris-Est Marne-la-Vallée France http: //igm. univ-mlv. fr/~laporte/

Syntaxe et analyse syntaxique Réseaux sémantiques Unification Analyse syntaxique par l'algorithme d'Earley Réseaux sémantiques Relations sémantiques Word. Net

Accord grammatical (1/4) P --> GN attend Le public attend Le GN est obligatoirement au singulier : * Les spectateurs attend P --> GN attendent Les spectateurs attendent Le GN est obligatoirement au pluriel : * Le public attendent On veut éviter d'avoir deux symboles distincts pour les GN au singulier et les GN au pluriel

Accord grammatical (2/4) P P --> GN attendent { GN. nombre = "singulier" } { GN. nombre = "pluriel" } On considère les traits du GN comme des attributs du symbole GN On ajoute des attributs aux symboles et des équations aux règles On veut éviter d'avoir deux règles distinctes

Accord grammatical (3/4) P --> GN <attendre> { GN. nombre = <attendre>. nombre ; GN. personne = <attendre>. personne ; } Le public attend - Les spectateurs attendent - Vous attendez On considère les traits de attendre comme des attributs aussi

Accord grammatical (4/4) Vérification des équations P --> GN <attendre> { GN. nombre = <attendre>. nombre ; GN. personne = <attendre>. personne ; } On ne sait pas si on connaîtra la valeur de GN. nombre avant celle de<attendre>. nombre ou le contraire On veut pouvoir vérifier l'équation avant de connaître aucun des deux attributs On vérifie les équations par unification

Unification (1/7) Unification entre GN. nombre et<attendre>. nombre Avant : GN. nombre = x <attendre>. nombre = "singulier" Après : GN. nombre = "singulier" <attendre>. nombre = "singulier" Les valeurs à unifier peuvent être des constantes ou des variables

Unification (2/7) Avant : Après : GN. nombre = x <attendre>. nombre = y GN. nombre = x <attendre>. nombre = x En fait, après unification, les deux valeurs sont représentées par des objets distincts mais équivalents Plus tard, si une autre unification précise l'une des deux, cela changera automatiquement l'autre aussi Avant unification, chaque valeur n'est équivalente qu'à elle-même

Unification (3/7) Formalisation de l'équivalence Chaque valeur a un champ "ensemble" qui contient un pointeur GN. nombre. ensemble : = 0 <attendre>. nombre. ensemble : = GN. nombre Dans chaque classe d'équivalence, une seule des valeurs est choisie comme élément canonique Pour la valeur canonique, le champ ensemble est le pointeur nul Pour toutes les autres valeurs, le champ ensemble pointe directement ou indirectement sur la valeur canonique

Unification (4/7) Unification entre GN. nombre et<attendre>. nombre Avant : GN. nombre = "pluriel" <attendre>. nombre = "singulier" Après : GN. nombre = "pluriel" <attendre>. nombre = "singulier" L'unification peut échouer L'algorithme d'unification renvoie un booléen L'unification est destructrice : elle peut changer les deux valeurs à unifier, même si l'unification échoue

Unification (5/7) Unifier deux valeurs a et b, c'est construire une valeur qui contient toutes les restrictions de a et de b en vérifiant qu'elles sont compatibles

Unification (version 1) booléen unifier(valeur a, valeur b) { A : = trouver-canonique(a) ; B : = trouver-canonique(b) ; si (A = B) { renvoyer vrai ; } sinon si (A et B sont la même constante) { renvoyer vrai ; } sinon si (A ou B est une variable) { unir(A, B) ; renvoyer vrai ; } sinon { renvoyer faux ; } } unir(valeur A, valeur B) { si A n'est pas une variable { B. ensemble : = A ; } sinon { A. ensemble : = B ; } }

Unification (7/7) trouver-canonique(valeur a) Renvoie l'élément canonique de la classe d'équivalence de a unir(valeur A, valeur B) Fusionne les classes d'équivalence de A et B Préconditions : - A et B sont les éléments canoniques de leurs classes d'équivalence - L'unification entre A et B réussit Si l'une des deux valeurs est une constante, c'est elle qui doit être devenir l'élément canonique de l'autre Cela revient à remplacer la variable par la constante

Accord grammatical (1/2) P --> GN <attendre> { GN. nombre = <attendre>. nombre ; GN. personne = <attendre>. personne ; } si (unifier(GN. nombre, <attendre>. nombre) et unifier (GN. personne, <attendre>. personne)) { l'analyse syntaxique peut continuer }

Accord grammatical (2/2) GN --> Dét N { Dét. nombre = N. nombre ; GN. personne = "3" ; } si (unifier(Dét. nombre, N. nombre) et unifier(GN. personne, "3")) { l'analyse syntaxique peut continuer } On a l'impression que GN. personne = "3" est une simple affectation Si on connaît GN. personne par une autre équation avant de traiter cette règle, c'est bien une équation à vérifier

Avec des RTN On attache les attributs - à des noeuds du graphe : $$. nombre - au graphe : nombre, personne Fonctionnalité disponible avec Outilex, pas encore avec Unitex

Unification d'arbres (1/3) P --> GN <attendre> { GN. nombre = <attendre>. nombre ; GN. personne = <attendre>. personne ; } On veut regrouper les deux attributs en un seul P --> GN <attendre> { GN. accord = <attendre>. accord ; } La valeur de l'attribut est maintenant un arbre

Unification d'arbres (2/3) P --> GN <attendre> { GN. accord = <attendre>. accord ; } GN. accord= <attendre>. accord= structure de traits nombre= personne= x "3" "singulier" y

Unification d'arbres (3/3) GN. accord= Avant structure de traits nombre= x personne= "3" GN. accord= Après structure de traits nombre= "singulier" personne= "3" <attendre>. accord= structure de traits nombre= personne= "singulier" y <attendre>. accord= structure de traits nombre= personne= "singulier" "3"

Formalisation des arbres Un noeud peut être : - une constante ("singulier") - une variable - une structure de traits (feature structure) qui a 0, 1 ou plusieurs attributs dont les valeurs sont des noeuds GN. accord= structure de traits nombre= x personne= "3"

Unification (version 2) booléen unifier(noeud a, noeud b) { A : = trouver-canonique(a) ; B : = trouver-canonique(b) ; si (A = B) { renvoyer vrai ; } sinon si (A et B sont la même constante) { renvoyer vrai ; } sinon si (A et B sont des structures de traits) { unir(A, B) ; pour chaque trait t de A ou de B { si (unifier(A. t, B. t) = faux) { renvoyer faux ; } } renvoyer vrai ; } sinon si (A ou B est une variable) { unir(A, B) ; renvoyer vrai ; } sinon { renvoyer faux ; } }

Résultat de l'unification Les pointillés représentent les équivalences et pointent vers le membre canonique GN. accord= <attendre>. accord= structure de traits nombre= personne= x "3" "singulier" y

Subsomption (1/2) x subsume "singulier" x "singulier" "3" subsume "3" Le cas général subsume le cas particulier GN. accord= structure de traits nombre= x personne= "3" nombre= "singulier" personne= "3"

Subsomption (2/2) Si S 1 est une constante : S 1 S 2 si et seulement si S 1 = S 2 Si S 1 est une variable : S 2 S 1 S 2 Si S 1 est une structure de traits : S 1 S 2 si et seulement si pour tout trait t de S 1 ou de S 2, S 1. t S 2. t Les restrictions précisées dans S 1 doivent être précisées aussi dans S 2 sans contradiction S 2 peut préciser des restrictions supplémentaires

Subsomption et unification S 1 � S 2 est l'arbre le plus général S 3 telle que S 1 � S 3 et S 2 � S 3 S 1 � S 2 contient toutes les informations de S 1 et de S 2

Têtes des constituants Le mot le plus important de chaque constituant est appelé sa tête P (préfère) GN GN (compagnie) (Luc) Det Luc préfère N (cette) (compagnie) cette compagnie

Grammaires de dépendance On remplace chaque symbole non terminal par la tête correspondante, puis on supprime le noeud redondant Arbre de dépendance préfère Luc préfère compagnie Luc cette compagnie cette

Grammaires de dépendance Informations perdues - étiquettes des constituants (on compense en ajoutant des étiquettes aux arêtes) - ordre des mots (on compense si nécessaire en ajoutant des contraintes sur l'ordre des mots) préfère objet sujet Luc déterminant cette compagnie

Lexicalisation Lorsqu'un mot a des compléments, la forme des compléments dépend du mot P P P --> GN <préférer> GN à GN Luc préfère cette compagnie à la concurrence --> GN <quitter> GN Luc quitte Paris --> GN <partir> Prép GN Luc part pour Toulouse Nombre de compléments Prépositions devant les compléments Grammaire lexicalisée Chaque règle comporte au moins un mot du lexique (la tête en général) Nombre de règles = nombre de mots x nombre de constructions

Grammaires non lexicalisées On regroupe tous les mots qui entrent dans une même construction On fait une règle commune P --> GN V GN à GN { V. N 1àN 2 = "+" ; } P P Luc préfère cette compagnie à la concurrence --> GN V GN { V. N 1 = "+" ; } Luc quitte Paris Luc préfère cette compagnie --> GN V Prép GN { V. Prép. N 1 = "+" ; V. Prép = Prép ; } Luc part pour Toulouse

Analyse syntaxique Parsing Entrées : une phrase étiquetée et une grammaire algébrique Sorties : le ou les arbres de dérivation de la phrase Algorithmes Ascendants Descendants Programmation dynamique Cascade de transducteurs

L'algorithme d'Earley (1970) Analyse descendante Sauvegarde dans un tableau tous les résultats intermédiaires réutilisables (programmation dynamique) Tableau indicé par les tokens de la phrase Phrase : Les orchestres aiment cette mélodie Indices : 0 1 2 3 4 5 Pour chaque indice, le tableau contient un ensemble de sous-arbres correspondant à des analyses partielles On remplit le tableau de gauche à droite, sans retours en arrière On ne détruit jamais des sous-arbres déjà créés Pour construire les arbres de dérivation, on combine les sous-arbres du tableau

Les sous-arbres Un sous-arbre est représenté par - une règle pointée (le point indique jusqu'où on a analysé) - deux positions dans la phrase, correspondant : - au début de la règle - et au point jusqu'où on a analysé Exemple 1 P P --> GN <aimer>. GN 0 -3 GN GN 0 Det N <le> <orchestre> 1 Det <aimer> 2 N <ce> <mélodie> 3 4 5

Les sous-arbres Exemple 2 P GN --> Det N <le> <orchestre> Exemple 3 GN -->. Det N 3 -3 GN GN 0 -2 0 1 Det <aimer> 2 N <ce> <mélodie> 3 4 5 Si la 2 e position d'un sous-arbre est j, ce sous-arbre est rangé à l'indice j dans le tableau Exemple 2 : rangé à l'indice 2 Exemple 3 : rangé à l'indice 3

L'algorithme On parcourt le tableau de gauche à droite Quand on est à l'indice i, on parcourt les sous-arbres et on crée de nouveaux sous-arbres à l'indice i (queue FIFO) et à l'indice i + 1 On suppose que l'axiome de la grammaire apparaît une seule fois, dans une règle P 0 --> P Début P 0 -->. P 0 -0 Fin P 0 --> P. 0 -n (n = nombre de tokens dans la phrase) Règle pointée complétée : règle dont le point est à la fin

L'algorithme analyseur. table[0]. enfiler(P 0 -->. P, 0, 0) pour i de 0 à n pour chaque sous. Arbre dans table[i] si sous. Arbre. complétée() analyseur. compléter(sous. Arbre) sinon si sous. Arbre. prochain. Symbole() est terminal analyseur. vérifier(sous. Arbre) sinon analyseur. prédire(sous. Arbre) si analyseur. table[n]. contient(P 0 --> P. , 0, n) analyseur. construire. Arbres(n)

L'algorithme compléter(B --> w. , j, k) : pour chaque (A --> u. B v, i, j) dans table[j] table[k]. enfiler(A --> u B. v, i, k) vérifier(A --> u. t v, i, j) : si t correspond à token[j] table[j + 1]. enfiler(A --> u t. v, i, j + 1) prédire(A --> u. B v, i, j) : pour chaque (B --> w) dans règles(B) table[j]. enfiler(B -->. w, j, j)

Synonymes C'est un gros avion C'est un gros achat Luc est trop gros C'est un grand avion ? C'est un grand achat Luc est trop grand Critère Possibilité de remplacer un mot par l'autre dans au moins un contexte sans "trop" changer le sens

Réseau sémantique Comme un lexique mais - plusieurs entrées différentes pour un mot ambigu - une seule entrée pour plusieurs synonymes Exemples d'entrées 1. couillon - gogo - naïf - pigeon 2. bar - loup de mer - perche de mer 3. bar - bistro - brasserie - café - estaminet Une entrée = un ensemble de synonymes (synset) Membres d'un synset - lemmes et non formes fléchies - mots et non tokens (loup de mer : mot composé)

Relations sémantiques Relations entre synsets X est une sorte de Y bar - loup de mer - perche de mer poisson - poiscaille animal - bête Z Y est une sorte de X bar - bistro - brasserie - café - estaminet X bar à vins Y Hyponyme - hyperonyme X Y

Relations sémantiques X est une partie de Y mets - plat repas Y est une partie de X poiscaille - poisson écaille nageoire ligne latérale ouïe Méronyme - holonyme

Relations sémantiques contraire gagnant - vainqueur perdant Antonyme

Word. Net Anglais Version 3. 0 : 120 000 synsets Miller, 1995 - Fellbaum, 1998 Le réseau sémantique le plus utilisé au monde Développement à partir de 1985 - Première version 1991 4 sous-réseaux : noms, verbes, adjectifs, adverbes

Word. Net Principales relations entre synsets est un instance partie membre similaire V/V N/N N/N A/A exhale/breathe; inhale/breathe cat/feline Eiffel Tower/tower France/European Union dying/moribund

Word. Net Principales relations entre lemmes contraire A/A appartenance dérivé N/V dérivé A/N good/bad A/N academic/academia Adv/A boastfully/boastful killing/kill dark/darkness

Hyperonymes Le synset de breathe est un hyperonyme de ceux de exhale et inhale Le synset de feline est un hyperonyme de celui de cat Un synset a souvent un seul synset hyperonyme, mais peut en avoir plusieurs Exemple eat "manger" a deux hyperonymes : eat "prendre un repas" (contestable) et consume/ingest/take in/take/have Le synset de cat est un hyponyme de celui de feline

Hyperonymes timepiece/timekeeper/horologe atomic clock watch/ticker ammonia clock sandglass sundial caesium clock alarm clock/alarm hourglass egg timer chronograph. . . timer . . . stopwatch/stopo watch parking meter

Coordonnés d'un synset : les synsets qui ont un même hyperonyme Coordonnés de watch/ticker atomic clock sandglass sundial timer Les coordonnés d'un synset ne sont pas directement accessibles par les fonctions NLTK d'accès à Word. Net Recher les hyperonymes puis les hyponymes

Autres Word. Nets • Euro. Word. Net Français (23 000 synsets), anglais, néerlandais, italien, espagnol, allemand, tchèque, estonien Liens entre langues et avec l'anglais • Balka. Net Tchèque, roumain, grec, turc, bulgare, serbe