File size: 90,382 Bytes
6fa4bc9 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330 1331 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 1354 1355 1356 1357 1358 1359 1360 1361 | {
"paper_id": "F13-1010",
"header": {
"generated_with": "S2ORC 1.0.0",
"date_generated": "2023-01-19T09:41:15.041199Z"
},
"title": "Apprentissage supervis\u00e9 pour l'identification de relations s\u00e9mantiques au sein de structures \u00e9num\u00e9ratives parall\u00e8les",
"authors": [
{
"first": "Jean-Philippe",
"middle": [],
"last": "Fauconnier",
"suffix": "",
"affiliation": {},
"email": ""
},
{
"first": "Mouna",
"middle": [],
"last": "Kamel",
"suffix": "",
"affiliation": {},
"email": ""
},
{
"first": "Bernard",
"middle": [],
"last": "Rothenburger",
"suffix": "",
"affiliation": {},
"email": ""
},
{
"first": "Nathalie",
"middle": [],
"last": "Aussenac-Gilles",
"suffix": "",
"affiliation": {},
"email": ""
}
],
"year": "",
"venue": null,
"identifiers": {},
"abstract": "Ce travail s'inscrit dans le cadre de la construction et l'enrichissement d'ontologies \u00e0 partir de textes de type encyclop\u00e9dique ou scientifique. L'originalit\u00e9 de notre travail r\u00e9side dans l'extraction de relations s\u00e9mantiques exprim\u00e9es au-del\u00e0 de la lin\u00e9arit\u00e9 du texte. Pour cela, nous nous appuyons sur la s\u00e9mantique v\u00e9hicul\u00e9e par les caract\u00e8res typo-dispositionels qui ont pour fonction de suppl\u00e9er des formulations strictement linguistiques qui seraient plus difficilement exploitables. L'\u00e9tude que nous proposons concerne les relations s\u00e9mantiques port\u00e9es par les structures \u00e9num\u00e9ratives parall\u00e8les qui, bien qu'affichant des discontinuit\u00e9s entre ses diff\u00e9rents composants, pr\u00e9sentent un tout sur le plan s\u00e9mantique. Ce sont des structures textuelles qui sont propices aux relations hi\u00e9rarchiques. Apr\u00e8s avoir d\u00e9fini une typologie des relations port\u00e9es par ce type de structure, nous proposons une approche par apprentissage visant \u00e0 leur identification. Sur la base de traits incorporant informations lexico-syntaxiques et typo-dispositionnelles, les premiers r\u00e9sultats aboutissent \u00e0 une exactitude de 61,1%.",
"pdf_parse": {
"paper_id": "F13-1010",
"_pdf_hash": "",
"abstract": [
{
"text": "Ce travail s'inscrit dans le cadre de la construction et l'enrichissement d'ontologies \u00e0 partir de textes de type encyclop\u00e9dique ou scientifique. L'originalit\u00e9 de notre travail r\u00e9side dans l'extraction de relations s\u00e9mantiques exprim\u00e9es au-del\u00e0 de la lin\u00e9arit\u00e9 du texte. Pour cela, nous nous appuyons sur la s\u00e9mantique v\u00e9hicul\u00e9e par les caract\u00e8res typo-dispositionels qui ont pour fonction de suppl\u00e9er des formulations strictement linguistiques qui seraient plus difficilement exploitables. L'\u00e9tude que nous proposons concerne les relations s\u00e9mantiques port\u00e9es par les structures \u00e9num\u00e9ratives parall\u00e8les qui, bien qu'affichant des discontinuit\u00e9s entre ses diff\u00e9rents composants, pr\u00e9sentent un tout sur le plan s\u00e9mantique. Ce sont des structures textuelles qui sont propices aux relations hi\u00e9rarchiques. Apr\u00e8s avoir d\u00e9fini une typologie des relations port\u00e9es par ce type de structure, nous proposons une approche par apprentissage visant \u00e0 leur identification. Sur la base de traits incorporant informations lexico-syntaxiques et typo-dispositionnelles, les premiers r\u00e9sultats aboutissent \u00e0 une exactitude de 61,1%.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Abstract",
"sec_num": null
}
],
"body_text": [
{
"text": "La construction d'ontologies est un processus fastidieux qui n\u00e9cessite la contribution d'experts d'un domaine. Une mani\u00e8re de rendre ce processus moins co\u00fbteux consiste \u00e0 exploiter automatiquement certains types de textes, comme les textes de nature encyclop\u00e9dique ou scientifique, afin d'en extraire les connaissances. G\u00e9n\u00e9ralement, cette exploitation de textes s'appuie sur des analyses statistiques et/ou des analyses linguistiques essentiellement focalis\u00e9es sur les niveaux lexicaux et syntaxiques. Citons notamment l'approche par apprentissage automatique (N\u00e9dellec et al., 2009) , l'utilisation de patrons (Giuliano et al., 2006) ou encore une approche hybride combinant les deux (Giovannetti et al., 2008) .",
"cite_spans": [
{
"start": 561,
"end": 584,
"text": "(N\u00e9dellec et al., 2009)",
"ref_id": "BIBREF17"
},
{
"start": 612,
"end": 635,
"text": "(Giuliano et al., 2006)",
"ref_id": "BIBREF9"
},
{
"start": 686,
"end": 712,
"text": "(Giovannetti et al., 2008)",
"ref_id": "BIBREF8"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Cependant, ces approches souffrent de deux limites : (1) l'analyse se situe en g\u00e9n\u00e9ral \u00e0 un niveau intraphrastique ou, du moins, textuellement lin\u00e9aire et (2) l'extraction de connaissances se base sur des indices syntaxiques sans prendre en compte les caract\u00e9ristiques de mise en forme du texte. Or, il existe des relations qui se mat\u00e9rialisent au travers de marqueurs paralinguistiques (marqueurs typographiques et/ou dispositionnels). Ces derniers, d\u00e9passant leur r\u00f4le de mise en forme, sont des \u00e9l\u00e9ments structurants porteurs de s\u00e9mantique. (Virbel et al., 2005) th\u00e9orise ces marqueurs et leur utilisation au sein de la notion de mise en forme mat\u00e9rielle (MFM). Des analyses linguistiques fines ont mis en \u00e9vidence le r\u00f4le fondamental de celle-ci dans l'interpr\u00e9tation d'un texte et dans la caract\u00e9risation de certains objets textuels tels que les titres (Rebeyrolle et al., 2009) , les d\u00e9finitions (Pascual et P\u00e9ry-Woodley, 1995) et les structures \u00e9num\u00e9ratives (Luc, 2001 ).",
"cite_spans": [
{
"start": 544,
"end": 565,
"text": "(Virbel et al., 2005)",
"ref_id": "BIBREF24"
},
{
"start": 858,
"end": 883,
"text": "(Rebeyrolle et al., 2009)",
"ref_id": "BIBREF21"
},
{
"start": 902,
"end": 933,
"text": "(Pascual et P\u00e9ry-Woodley, 1995)",
"ref_id": "BIBREF18"
},
{
"start": 965,
"end": 975,
"text": "(Luc, 2001",
"ref_id": "BIBREF15"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Pour am\u00e9liorer la construction d'ontologies, nous nous int\u00e9ressons aux structures \u00e9num\u00e9ratives (SE) parall\u00e8les avec MFM. En tant que SE, elles sont porteuses de connaissances hi\u00e9rarchiques. Leur caract\u00e8re parall\u00e8le implique une composition homog\u00e8ne d'un point de vue grammatical, typo-dispositionnel et fonctionnel. Elles disposent souvent des propri\u00e9t\u00e9s textuelles qui les rendent visuellement perceptibles et ces propri\u00e9t\u00e9s sont suffisamment stables pour que leur rep\u00e9rage automatique puisse \u00eatre envisag\u00e9 (Ho-Dac et al., 2012) . Enfin, leur fr\u00e9quence au sein des textes scientifiques, proc\u00e9duraux ou encyclop\u00e9diques reste \u00e9lev\u00e9e.",
"cite_spans": [
{
"start": 508,
"end": 529,
"text": "(Ho-Dac et al., 2012)",
"ref_id": "BIBREF10"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "Les approches pr\u00e9c\u00e9dentes (Kamel et Rothenburger, 2011; Kamel et al., 2012) ont montr\u00e9 les limites d'une approche symbolique pour l'extraction des relations s\u00e9mantiques au sein des SE. Dans cet article, nous proposons deux m\u00e9thodes par apprentissage supervis\u00e9. La premi\u00e8re combine des traits linguistiques et paralinguistiques et la seconde repose sur des trigrammes. Ce travail est une premi\u00e8re \u00e9tape vers l'exploitation de SE pour la construction d'ontologies. La section 2 introduit les SE. La section 3 pr\u00e9sente les classes de relations, le corpus ainsi que le mode d'\u00e9valuation. La section 4 d\u00e9crit le classifieur d'entropie maximale (MaxEnt) ainsi que les deux approches. La section 5 pr\u00e9sente les r\u00e9sultats obtenus par validation crois\u00e9e. Enfin, la conclusion revient sur l'int\u00e9r\u00eat de ce travail et esquisse quelques perspectives.",
"cite_spans": [
{
"start": 26,
"end": 55,
"text": "(Kamel et Rothenburger, 2011;",
"ref_id": "BIBREF13"
},
{
"start": 56,
"end": 75,
"text": "Kamel et al., 2012)",
"ref_id": "BIBREF12"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Introduction",
"sec_num": "1"
},
{
"text": "L'acte d'\u00e9num\u00e9ration consiste \u00e0 regrouper des \u00e9l\u00e9ments ind\u00e9pendants sous un m\u00eame crit\u00e8re d'homog\u00e9n\u00e9it\u00e9 (Pery-Woodley, 2001 ). La forme g\u00e9n\u00e9rale d'une structure \u00e9num\u00e9rative (SE) est caract\u00e9ris\u00e9e par une amorce, une \u00e9num\u00e9ration compos\u00e9e d'au moins deux items et \u00e9ventuellement une cl\u00f4ture (ou conclusion). Cette structure logique g\u00e9n\u00e9rique peut se d\u00e9cliner concr\u00e8tement par des dispositifs linguistiques ou textuels diff\u00e9rents. Elle peut \u00eatre \u00e9nonc\u00e9e au fil du texte en dehors de toute mise en forme mat\u00e9rielle (MFM) et dans ce cas les items sont introduits par des marqueurs lexicaux qui sont souvent des groupes adverbiaux (par exemple \u00ab premi\u00e8rement \u00bb, \u00ab deuxi\u00e8mement \u00bb, \u00ab troisi\u00e8mement \u00bb dans (1)), ou au contraire \u00eatre mise en \u00e9vidence par l'usage de marqueurs typographiques et dispositionnels sp\u00e9cifiques (comme les caract\u00e8res de ponctuation, les retraits, les tirets dans (2)).",
"cite_spans": [
{
"start": 103,
"end": 122,
"text": "(Pery-Woodley, 2001",
"ref_id": "BIBREF19"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Les structures \u00e9num\u00e9ratives",
"sec_num": "2"
},
{
"text": "(1) Comment faire pour \u00e9conomiser 68% d'\u00e9lectricit\u00e9 par rapport \u00e0 une d\u00e9pense habituelle ?",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Les structures \u00e9num\u00e9ratives",
"sec_num": "2"
},
{
"text": "Premi\u00e8rement, en \u00e9teignant la lumi\u00e8re d\u00e8s votre sortie d'une pi\u00e8ce. Cela peut para\u00eetre banal, mais \u00e7a ne l'est absolument pas. Deuxi\u00e8mement, \u00e9vitez les lampes halog\u00e8nes, car une lampe halog\u00e8ne de 500 watts consomme l'\u00e9quivalent de 23 lampes. Troisi\u00e8mement, essayez de remplacer les lampes traditionnelles par des lampes basse consommation.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Les structures \u00e9num\u00e9ratives",
"sec_num": "2"
},
{
"text": "(2) Les formes de communication non parl\u00e9es sont :",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Les structures \u00e9num\u00e9ratives",
"sec_num": "2"
},
{
"text": "le langage \u00e9crit, -le langage des signes, -le langage siffl\u00e9.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Les structures \u00e9num\u00e9ratives",
"sec_num": "2"
},
{
"text": "Il existe plusieurs d\u00e9finitions de l'\u00e9num\u00e9ration. La d\u00e9finition qui nous semble le mieux prendre en compte \u00e0 la fois les ph\u00e9nom\u00e8nes architecturaux du texte et l'intention de l'auteur est celle propos\u00e9e par (Virbel, 1999) : \u00ab \u00e9num\u00e9rer mobilise deux actes : un acte mental d'identification des \u00e9l\u00e9ments d'une r\u00e9alit\u00e9 du monde dont on vise un recensement, et o\u00f9 on \u00e9tablit une relation d'\u00e9galit\u00e9 d'importance par rapport au motif de recensement ; et un acte textuel qui consiste \u00e0 transposer textuellement la co\u00e9num\u00e9rabilit\u00e9 des entit\u00e9s recens\u00e9es, par la co\u00e9num\u00e9rabilit\u00e9 des segments linguistiques qui les d\u00e9crivent. \u00bb. (Luc, 2001) ",
"cite_spans": [
{
"start": 206,
"end": 220,
"text": "(Virbel, 1999)",
"ref_id": "BIBREF23"
},
{
"start": 617,
"end": 628,
"text": "(Luc, 2001)",
"ref_id": "BIBREF15"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Les structures \u00e9num\u00e9ratives",
"sec_num": "2"
},
{
"text": "Les donn\u00e9es utilis\u00e9es dans notre travail sont issues des travaux de (Kamel et Rothenburger, 2011) visant l'enrichissement de l'ontologie OntoTopo, construite dans le cadre de l'ANR GEONTO 1 . Cette ontologie mod\u00e9lise les domaines de l'am\u00e9nagement urbain, l'environnement et l'organisation territoriale. (Kamel et Rothenburger, 2011) ont construit leur corpus en projetant les concepts de l'ontologie OntoTopo sur les pages de Wikip\u00e9dia et en extrayant, dans les pages ainsi retenues, les SE parall\u00e8les rencontr\u00e9es. Par leur caract\u00e8re encyclop\u00e9dique, les pages Wikip\u00e9dia ordonnent de nombreuses d\u00e9finitions et propri\u00e9t\u00e9s au moyen de marqueurs typo-dispositionnels. Le nombre relativement \u00e9lev\u00e9 de SE parall\u00e8les par page s'explique notamment par la recommandation du \u00ab Manuel of Style \u00bb de Wikip\u00e9dia 2 qui pr\u00e9conise une forme grammaticale identique pour tous les items d'une SE. Au final, 2317 SE furent extraites de 276 pages. \u00c0 partir de ce travail, nous avons construit deux corpus respectivement nomm\u00e9s CORPUS_SE et CORPUS_DISTRIB. Ces derniers reprennent 1000 SE annot\u00e9es par quatre annotateurs : deux ing\u00e9nieurs de la connaissance, un ergonome et une \u00e9tudiante. La t\u00e2che d'annotation a consist\u00e9 \u00e0 classer parmi les six classes d\u00e9finies en section 3.1 la relation s\u00e9mantique port\u00e9e par la SE parall\u00e8le. Un \u03ba de Fleiss (Fleiss et al., 1979) , sous l'hypoth\u00e8se nulle de jugements ind\u00e9pendants, 1. Collaboration entre le COGIT, le LRI, le LIUPPA et l'IRIT -http://geonto.lri.fr/ 2. http://en.wikipedia.org/wiki/Wikipedia:Manual_of_Style pr\u00e9sente un accord inter-annotateurs, relativement correct pour six classes 3 , de 0,559 (Table 2) . Notons que la corr\u00e9lation entre les deux ing\u00e9nieurs de la connaissance est nettement plus grande (0,686). Seule la classe autreOntologique pr\u00e9sente un accord relativement bas (0,299) qui s'explique par ses caract\u00e9ristiques formelles peu stables. En cas de d\u00e9saccord dans l'annotation, la classe finale d'une SE est d\u00e9cid\u00e9e par consensus entre les diff\u00e9rents annotateurs. (Abeill\u00e9 et al., 2003) dans sa version en d\u00e9pendances (Candito et al., 2009) . CORPUS_SE totalise 1000 SE et comprend 80 774 tokens. Ces 1000 SE pr\u00e9sentent en moyenne 4,31 items par individu. Afin d'\u00e9valuer notre m\u00e9thode sur sa capacit\u00e9 \u00e0 identifier la relation entre une amorce et un item, nous avons construit le corpus CORPUS_DISTRIB en distribuant, pour chaque SE de CORPUS_SE, son amorce sur les n items qu'elle contient afin de construire n paires amorce-item. CORPUS_DISTRIB totalise 4317 paires amorce-item et comprend 119 272 tokens.",
"cite_spans": [
{
"start": 68,
"end": 97,
"text": "(Kamel et Rothenburger, 2011)",
"ref_id": "BIBREF13"
},
{
"start": 303,
"end": 332,
"text": "(Kamel et Rothenburger, 2011)",
"ref_id": "BIBREF13"
},
{
"start": 1321,
"end": 1342,
"text": "(Fleiss et al., 1979)",
"ref_id": "BIBREF7"
},
{
"start": 1613,
"end": 1614,
"text": "3",
"ref_id": null
},
{
"start": 2010,
"end": 2032,
"text": "(Abeill\u00e9 et al., 2003)",
"ref_id": "BIBREF0"
},
{
"start": 2064,
"end": 2086,
"text": "(Candito et al., 2009)",
"ref_id": "BIBREF3"
}
],
"ref_spans": [
{
"start": 1626,
"end": 1636,
"text": "(Table 2)",
"ref_id": null
}
],
"eq_spans": [],
"section": "Corpus",
"sec_num": "3.2"
},
{
"text": "Dans CORPUS_SE, la r\u00e9partition des SE d\u00e9note un d\u00e9s\u00e9quilibre entre la classe autres et le reste des classes ( Figure 2 ). Un autre d\u00e9s\u00e9quilibre appara\u00eet au niveau du nombre d'items de chaque SE (Table 3) . La classe instanceOf contient des SE avec un nombre d'items sup\u00e9rieur \u00e0 20, dont l'une \u00e9num\u00e8re plus de soixante types de sports collectifs. Avec une moyenne de 6,95 items par SE, la classe instanceOf est celle qui pr\u00e9sente les valeurs les plus extr\u00eames, suivie par la classe isA avec une moyenne de 4,25 items par SE. Ce d\u00e9s\u00e9quilibre entre les items influence la r\u00e9partition des paires amorce-item au sein de CORPUS_DISTRIB ( Figure 2 ). ",
"cite_spans": [],
"ref_spans": [
{
"start": 110,
"end": 118,
"text": "Figure 2",
"ref_id": "FIGREF0"
},
{
"start": 194,
"end": 203,
"text": "(Table 3)",
"ref_id": null
},
{
"start": 632,
"end": 640,
"text": "Figure 2",
"ref_id": "FIGREF0"
}
],
"eq_spans": [],
"section": "Classe",
"sec_num": null
},
{
"text": "Rappelons que les SE parall\u00e8les pr\u00e9sentent la particularit\u00e9 que chaque item est reli\u00e9 \u00e0 l'amorce par une m\u00eame relation (Section 2). Par cons\u00e9quent, il est possible d'identifier la relation enti\u00e8re port\u00e9e par une SE si la relation entre son amorce et l'un de ses items est identifi\u00e9e. Dans cet objectif, nous proposons deux m\u00e9thodes de classification par apprentissage supervis\u00e9. La premi\u00e8re m\u00e9thode utilise des traits linguistiques et paralinguistiques. La seconde repose sur des trigrammes de tokens. En outre, nous posons une baseline na\u00efve qui classe tous les individus dans la classe majoritaire autres.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Mode d'\u00e9valuation",
"sec_num": "3.3"
},
{
"text": "Les deux m\u00e9thodes ainsi que la baseline ont \u00e9t\u00e9 \u00e9valu\u00e9es dans trois t\u00e2ches : -La t\u00e2che 1 vise \u00e0 la classification des SE issues de CORPUS_SE (1000 SE \u00e0 classer). Dans la figure 1, il s'agit de classer la SE en identifiant la relation entre l'amorce et l'item 1 . -La t\u00e2che 2 vise la classification des paires amorce-item de CORPUS_DISTRIB (4317 paires \u00e0 classer). Dans la figure 1, il s'agit de classer les relations unissant amorce-item 1 , amorce-item 2 et amorce-item 3 . -La t\u00e2che 3 vise la classification des SE de CORPUS_SE \u00e0 partir de la moyenne des pr\u00e9dictions de leurs paires amorce-item issues de CORPUS_DISTRIB (1000 SE \u00e0 classer \u00e0 partir des pr\u00e9dictions de 4317 paires). Dans la figure 1, il s'agit de classer la SE en calculant la moyenne des pr\u00e9dictions de amorce-item 1 , amorce-item 2 et amorce-item 3 . Pour les trois t\u00e2ches (et les 9 \u00e9valuations correspondantes), nous proc\u00e9dons \u00e0 une validation crois\u00e9e \u00e0 10 \u00e9chantillons et mesurons l'exactitude (micro-average) pour la classification toutes classes confondues ainsi que rappel, pr\u00e9cision et F-mesure pour chacune des classes : ",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Mode d'\u00e9valuation",
"sec_num": "3.3"
},
{
"text": "exactitude = C i V P i + V N i C i V P i + V N i + F P i + F N i pr\u00e9cision i = V P i V P i + F P i rappel i = V P i V P i + F N i F1 i = 2 pr\u00e9cision i rappel i pr\u00e9cision i + rappel i o\u00f9 V P i , V N i , F P i et F N i sont",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Mode d'\u00e9valuation",
"sec_num": "3.3"
},
{
"text": "Pour notre t\u00e2che de classification, nous avons adopt\u00e9 un mod\u00e8le conditionnel d'entropie maximale, dit aussi MaxEnt (Berger et al., 1996) . Ce mod\u00e8le, qui a d\u00e9j\u00e0 fait ses preuves en TAL, permet de g\u00e9rer de mani\u00e8re flexible un grand nombre de traits et repose sur le principe de maximisation d'entropie. Ce dernier vise \u00e0 d\u00e9finir une contrainte pour chaque information observ\u00e9e et choisir la distribution qui maximise l'entropie tout en restant consistante vis-\u00e0-vis de l'ensemble de ces contraintes (Jaynes, 1957) . Dans ce cadre d'optimisation sous contraintes, il est math\u00e9matiquement prouv\u00e9 qu'une solution unique existe et un algorithme it\u00e9ratif garantit la convergence vers cette derni\u00e8re (Ratnaparkhi, 1996) . La forme classique du MaxEnt est la suivante :",
"cite_spans": [
{
"start": 115,
"end": 136,
"text": "(Berger et al., 1996)",
"ref_id": "BIBREF1"
},
{
"start": 498,
"end": 512,
"text": "(Jaynes, 1957)",
"ref_id": "BIBREF11"
},
{
"start": 693,
"end": 712,
"text": "(Ratnaparkhi, 1996)",
"ref_id": "BIBREF20"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Maximum d'entropie",
"sec_num": "4.1"
},
{
"text": "P( y|x) = 1 Z(x) exp n i=1 w i f i (x, y)",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Maximum d'entropie",
"sec_num": "4.1"
},
{
"text": "o\u00f9 P( y|x) d\u00e9signe la probabilit\u00e9 que l'individu x, ici une SE ou une paire amorce-item, appartienne \u00e0 la classe y (e.g : isA, partOf, etc.). La fonction f i est une fonction binaire appel\u00e9e trait qui permet de d\u00e9finir les contraintes du mod\u00e8le. Z(x) est une constante de normalisation qui assure que la somme des probabilit\u00e9s retourn\u00e9es pour un individu soit \u00e9quivalente \u00e0 1. Chaque individu x est encod\u00e9 comme un vecteur avec n traits f i . Le param\u00e8tre w i , dit aussi poids, de chaque trait associe \u00e0 chaque individu une probabilit\u00e9 d'appartenance \u00e0 une classe. En pratique, le calcul de cette maximisation s'effectue au travers de diff\u00e9rents algorithmes tels que le Generalized Iterative Scaling (GIS) (Darroch et Ratcliff, 1972 ) ou l'Improved Iterative Scaling (IIS) (Berger et al., 1996) . Dans notre travail, nous utilisons l'impl\u00e9mentation Apache OpenNLP MaxEnt 4 qui applique un GIS sans correction feature tel que recommand\u00e9 par (Curran et Clark, 2003) .",
"cite_spans": [
{
"start": 707,
"end": 733,
"text": "(Darroch et Ratcliff, 1972",
"ref_id": "BIBREF6"
},
{
"start": 774,
"end": 795,
"text": "(Berger et al., 1996)",
"ref_id": "BIBREF1"
},
{
"start": 941,
"end": 964,
"text": "(Curran et Clark, 2003)",
"ref_id": "BIBREF5"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Maximum d'entropie",
"sec_num": "4.1"
},
{
"text": "Comme pr\u00e9sent\u00e9 dans la section 2, les SE parall\u00e8les sont des objets textuels qui conjuguent marqueurs de MFM et propri\u00e9t\u00e9s lexico-syntaxiques partiellement stables. La premi\u00e8re approche propos\u00e9e tente de capturer leurs r\u00e9gularit\u00e9s au moyen de deux familles de traits : (1) la premi\u00e8re emploie les informations lexico-syntaxiques extraites de l'analyse des tokens et de leur r\u00f4le au sein de l'arbre de d\u00e9pendances et (2) la deuxi\u00e8me famille reprend des informations paralinguistiques, dans ce cas-ci typographiques. La table 4 pr\u00e9sente, de mani\u00e8re synth\u00e9tique, les diff\u00e9rents traits. La distinction entre les deux familles de traits est graduelle et certains traits reprennent des informations combinant les deux sources. Par exemple, avec un seuil de s\u00e9lection de traits param\u00e9tr\u00e9 \u00e0 5 apparitions dans le corpus 5 , le trait LastTokenPos renvoie dans la majorit\u00e9 des cas l'\u00e9tiquette PONCT, car amorces et items ont tendance \u00e0 \u00eatre cl\u00f4tur\u00e9s par une ponctuation.",
"cite_spans": [
{
"start": 812,
"end": 813,
"text": "5",
"ref_id": null
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Approche par traits",
"sec_num": "4.2"
},
{
"text": "Les traits HasClassifier, HasMeronym et HasCircumstant sont calcul\u00e9s en projetant des patrons sur les SE. Ces derniers, comme l'ensemble des traits, sont issus d'intuitions linguistiques. Une \u00e9tude approfondie de leurs poids respectifs fera l'objet de travaux ult\u00e9rieurs. ",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Approche par traits",
"sec_num": "4.2"
},
{
"text": "La deuxi\u00e8me approche propos\u00e9e vise \u00e0 identifier les relations s\u00e9mantiques au sein des SE parall\u00e8les au moyen de trigrammes. Chaque token est \u00e9tiquet\u00e9 soit par sa cat\u00e9gorie grammaticale seule, soit par sa forme lemmatis\u00e9e associ\u00e9e \u00e0 sa cat\u00e9gorie grammaticale. L'ajout de la cat\u00e9gorie grammaticale au lemme permet de diminuer les cas d'ambigu\u00eft\u00e9. Par ce choix, nous pouvons distinguer, par exemple, plat-ADJ vs. plat-NC. Pour chaque s\u00e9quence de trois tokens, nous avons 2 3 trigrammes diff\u00e9rents. Par exemple, pour la s\u00e9quence \u00ab Le chat noir \u00bb, les trigrammes suivants sont calcul\u00e9s : \u00ab le-DET chat-NC noir-ADJ \u00bb, \u00ab DET chat-NC noir-ADJ \u00bb, . . ., \u00ab DET NC ADJ \u00bb. Ces trigrammes sont appliqu\u00e9s de mani\u00e8re identique sur l'amorce et les items.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Approche par trigrammes",
"sec_num": "4.3"
},
{
"text": "Pour les trois t\u00e2ches, nous avons proc\u00e9d\u00e9 \u00e0 une validation crois\u00e9e (k=10) et pr\u00e9sentons les r\u00e9sultats en termes d'exactitude (Table 5) En comparant la t\u00e2che 1 et la t\u00e2che 3 dans l'approche par traits linguistiques, les r\u00e9sultats sugg\u00e8rent que l'identification de la relation entre l'amorce et le premier item est \u00e0 ce jour la meilleure approche, surtout lorsque les SE pr\u00e9sentent un grand nombre d'items (cf. instanceOf et isA). Seule la F-mesure de la classe partOf est significativement plus haute dans la t\u00e2che 3. Ce ph\u00e9nom\u00e8ne pourrait s'expliquer par le fait que certaines SE de cette classe pr\u00e9sentent un premier item avec du texte r\u00e9dig\u00e9 et non un simple syntagme nominal (exemple (9)). Ce type de variation r\u00e9duit les performances lorsque l'approche se limite au premier item (T\u00e2che 1).",
"cite_spans": [],
"ref_spans": [
{
"start": 125,
"end": 134,
"text": "(Table 5)",
"ref_id": null
}
],
"eq_spans": [],
"section": "R\u00e9sultats",
"sec_num": "5"
},
{
"text": "(9) Les installations de la centrale \u00e9lectrique comprennent : un ou plusieurs postes \u00e9lectriques permettant la connexion au r\u00e9seau \u00e9lectrique par l'interm\u00e9diaire d'une ou plusieurs lignes \u00e0 haute tension ainsi qu'une interconnexion limit\u00e9e entre tranches, les b\u00e2timents administratifs, les b\u00e2timents techniques, le magasin g\u00e9n\u00e9ral. D'un point de vue qualitatif, les r\u00e9sultats ont aussi montr\u00e9 que, malgr\u00e9 une approche qui se veut fine et linguistique, il reste difficile de classer les individus o\u00f9 il y a ellipse de constituants au sein de leur amorce. Ces amorces incompl\u00e8tes, tant syntaxiquement que lexicalement, sont un ph\u00e9nom\u00e8ne courant dans les documents num\u00e9riques o\u00f9 la mise en page et les traits de formatage suppl\u00e9ent l'aspect lexico-syntaxique (Bush, 2003) . Par exemple, la SE en (10) de classe partOf est, dans toutes les t\u00e2ches, class\u00e9e \u00e0 tort dans la classe autres. L'absence de marqueurs de m\u00e9ronymie et de ponctuations ainsi que la pr\u00e9sence de num\u00e9ros en d\u00e9but d'item rendent difficile \u00e0 distinguer cet individu d'une SE de titraille.",
"cite_spans": [
{
"start": 756,
"end": 768,
"text": "(Bush, 2003)",
"ref_id": "BIBREF2"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "R\u00e9sultats",
"sec_num": "5"
},
{
"text": "(10) Syst\u00e8me de la cordill\u00e8re am\u00e9ricaine 1 Montagnes rocheuses 2 Cha\u00eenes c\u00f4ti\u00e8res du Pacifique 3 Cordill\u00e8re des Andes Plusieurs strat\u00e9gies sont envisageables pour contourner ce type de difficult\u00e9 : (1) entreprendre une approche exog\u00e8ne du probl\u00e8me afin de capter des indices qui se trouvent en-dehors des SE, (2) \u00e9tudier davantage l'utilisation de traits paralinguistiques (e.g : changement de police, pr\u00e9sence de liens hypertextes dans les items, etc.) ou (3) identifier les concepts et instances d\u00e9j\u00e0 repr\u00e9sent\u00e9s dans l'ontologie en cours de construction et les utiliser comme de nouveaux indices pour mieux discriminer les classes de relations.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "R\u00e9sultats",
"sec_num": "5"
},
{
"text": "Dans cet article, nous avons d\u00e9fini un premier ensemble de classes des relations s\u00e9mantiques port\u00e9es par les SE et avons soulign\u00e9 leur int\u00e9r\u00eat dans la construction de ressources s\u00e9mantiques. Dans ce cadre, nous avons propos\u00e9 deux approches par apprentissage supervis\u00e9 afin d'identifier ces relations. La premi\u00e8re utilise des traits lexico-syntaxiques et paralinguistiques et la seconde aborde la classification au moyen de trigrammes. Les r\u00e9sultats montrent l'insuffisance de cette derni\u00e8re pour capter des r\u00e9gularit\u00e9s pertinentes au sein des SE, notamment pour les classes minoritaires partOf et autreOntologique. La comparaison entre la t\u00e2che 1 et la t\u00e2che 3 sugg\u00e8re une meilleure classification des SE en se limitant \u00e0 l'identification de la relation entre l'amorce et le premier item. Notons que, lors de nos exp\u00e9rimentations, l'augmentation du seuil de s\u00e9lection des traits dans les t\u00e2ches 2 et 3 a abouti \u00e0 des scores plus \u00e9lev\u00e9s. Les causes de cette am\u00e9lioration feront l'objet de travaux ult\u00e9rieurs. \u00c0 terme, l'identification des relations au sein des SE s'inscrit dans un projet plus large visant, en amont, leur rep\u00e9rage automatique, comme cela a d\u00e9j\u00e0 \u00e9t\u00e9 entrepris par (Morin, 1999) , et, en aval, la construction d'une ontologie. Adjointe \u00e0 un syst\u00e8me d'extraction de relations au niveau intraphrastique, notre approche permettrait d'augmenter le rappel pour la t\u00e2che d'identification des relations en texte.",
"cite_spans": [
{
"start": 1180,
"end": 1193,
"text": "(Morin, 1999)",
"ref_id": "BIBREF16"
}
],
"ref_spans": [],
"eq_spans": [],
"section": "Conclusion",
"sec_num": "6"
},
{
"text": "Par ailleurs, nos travaux ont aussi soulev\u00e9 des pistes de r\u00e9flexion au niveau du probl\u00e8me de classification en lui-m\u00eame. Premi\u00e8rement, il serait int\u00e9ressant d'utiliser d'autres mod\u00e8les d'apprentissage, tels que les CRF ou SVM, afin de mesurer l'influence, \u00e0 traits \u00e9gaux, du classifieur utilis\u00e9. Deuxi\u00e8mement, il nous est apparu que la classe autres repr\u00e9sentait avant tout une classe \u00ab par d\u00e9faut \u00bb plut\u00f4t qu'un r\u00e9el regroupement de relations et que peu de traits parvenaient \u00e0 la discriminer correctement. Certaines m\u00e9thodes de classification multi-classes pr\u00e9conisent l'utilisation de multiples mod\u00e8les binaires et/ou la mise en place d'un seuil statique ou dynamique sur les probabilit\u00e9s d'appartenance. Une perspective \u00e0 ce travail consisterait \u00e0 \u00e9tablir un certain seuil en de\u00e7\u00e0 duquel les individus seraient class\u00e9s dans une cat\u00e9gorie sansRelation. Enfin, il serait utile de proc\u00e9der \u00e0 un sur-\u00e9chantillonnage des classes minoritaires afin de comparer l'influence de la distribution des individus au sein de notre corpus.",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "Conclusion",
"sec_num": "6"
},
{
"text": "c ATALA",
"cite_spans": [],
"ref_spans": [],
"eq_spans": [],
"section": "",
"sec_num": null
}
],
"back_matter": [],
"bib_entries": {
"BIBREF0": {
"ref_id": "b0",
"title": "Building a treebank for french. Treebanks",
"authors": [
{
"first": "A",
"middle": [],
"last": "Abeill\u00e9",
"suffix": ""
},
{
"first": "L",
"middle": [],
"last": "Cl\u00e9ment",
"suffix": ""
},
{
"first": "F",
"middle": [],
"last": "Toussenel",
"suffix": ""
}
],
"year": 2003,
"venue": "",
"volume": "",
"issue": "",
"pages": "165--187",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "ABEILL\u00c9, A., CL\u00c9MENT, L. et TOUSSENEL, F. (2003). Building a treebank for french. Treebanks, pages 165-187.",
"links": null
},
"BIBREF1": {
"ref_id": "b1",
"title": "A maximum entropy approach to natural language processing",
"authors": [
{
"first": "A",
"middle": [],
"last": "Berger",
"suffix": ""
},
{
"first": "V",
"middle": [],
"last": "Pietra",
"suffix": ""
},
{
"first": "S",
"middle": [],
"last": "Pietra",
"suffix": ""
}
],
"year": 1996,
"venue": "Computational linguistics",
"volume": "22",
"issue": "1",
"pages": "39--71",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "BERGER, A., PIETRA, V. et PIETRA, S. (1996). A maximum entropy approach to natural language processing. Computational linguistics, 22(1):39-71.",
"links": null
},
"BIBREF2": {
"ref_id": "b2",
"title": "Des d\u00e9clencheurs des \u00e9num\u00e9rations d'entit\u00e9s nomm\u00e9es sur le web. Revue qu\u00e9b\u00e9coise de linguistique",
"authors": [
{
"first": "C",
"middle": [],
"last": "Bush",
"suffix": ""
}
],
"year": 2003,
"venue": "",
"volume": "32",
"issue": "",
"pages": "47--81",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "BUSH, C. (2003). Des d\u00e9clencheurs des \u00e9num\u00e9rations d'entit\u00e9s nomm\u00e9es sur le web. Revue qu\u00e9b\u00e9coise de linguistique, 32(2):47-81.",
"links": null
},
"BIBREF3": {
"ref_id": "b3",
"title": "Analyse syntaxique du fran\u00e7ais : des constituants aux d\u00e9pendances",
"authors": [
{
"first": "M",
"middle": [],
"last": "Candito",
"suffix": ""
},
{
"first": "B",
"middle": [],
"last": "Crabb\u00e9",
"suffix": ""
},
{
"first": "P",
"middle": [],
"last": "Denis",
"suffix": ""
},
{
"first": "F",
"middle": [],
"last": "Gu\u00e9rin",
"suffix": ""
}
],
"year": 2009,
"venue": "Actes de la 16e Conf\u00e9rence sur le Traitement Automatique des Langues Naturelles",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "CANDITO, M., CRABB\u00c9, B., DENIS, P. et GU\u00c9RIN, F. (2009). Analyse syntaxique du fran\u00e7ais : des constituants aux d\u00e9pendances. In Actes de la 16e Conf\u00e9rence sur le Traitement Automatique des Langues Naturelles (TALN 2009), Senlis, France.",
"links": null
},
"BIBREF4": {
"ref_id": "b4",
"title": "Building a discourse-tagged corpus in the framework of rhetorical structure theory",
"authors": [
{
"first": "L",
"middle": [],
"last": "Carlson",
"suffix": ""
},
{
"first": "D",
"middle": [],
"last": "Marcu",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "Okurowski",
"suffix": ""
}
],
"year": 2001,
"venue": "Proceedings of the Second SIGdial Workshop on Discourse",
"volume": "16",
"issue": "",
"pages": "1--10",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "CARLSON, L., MARCU, D. et OKUROWSKI, M. (2001). Building a discourse-tagged corpus in the framework of rhetorical structure theory. In Proceedings of the Second SIGdial Workshop on Discourse and Dialogue-Volume 16, pages 1-10. Association for Computational Linguistics.",
"links": null
},
"BIBREF5": {
"ref_id": "b5",
"title": "Investigating gis and smoothing for maximum entropy taggers",
"authors": [
{
"first": "J",
"middle": [],
"last": "Curran",
"suffix": ""
},
{
"first": "S",
"middle": [],
"last": "Clark",
"suffix": ""
}
],
"year": 2003,
"venue": "Proceedings of the tenth conference on European chapter of the Association for Computational Linguistics",
"volume": "1",
"issue": "",
"pages": "91--98",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "CURRAN, J. et CLARK, S. (2003). Investigating gis and smoothing for maximum entropy taggers. In Proceedings of the tenth conference on European chapter of the Association for Computational Linguistics-Volume 1, pages 91-98. Association for Computational Linguistics.",
"links": null
},
"BIBREF6": {
"ref_id": "b6",
"title": "Generalized iterative scaling for log-linear models. The annals of mathematical statistics",
"authors": [
{
"first": "J",
"middle": [],
"last": "Darroch",
"suffix": ""
},
{
"first": "D",
"middle": [],
"last": "Ratcliff",
"suffix": ""
}
],
"year": 1972,
"venue": "",
"volume": "43",
"issue": "",
"pages": "1470--1480",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "DARROCH, J. et RATCLIFF, D. (1972). Generalized iterative scaling for log-linear models. The annals of mathematical statistics, 43(5):1470-1480.",
"links": null
},
"BIBREF7": {
"ref_id": "b7",
"title": "Large sample variance of kappa in the case of different sets of raters",
"authors": [
{
"first": "J",
"middle": [],
"last": "Fleiss",
"suffix": ""
},
{
"first": "J",
"middle": [],
"last": "Nee",
"suffix": ""
},
{
"first": "J",
"middle": [],
"last": "Landis",
"suffix": ""
}
],
"year": 1979,
"venue": "Psychological Bulletin",
"volume": "86",
"issue": "5",
"pages": "974--977",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "FLEISS, J., NEE, J. et LANDIS, J. (1979). Large sample variance of kappa in the case of different sets of raters. Psychological Bulletin, 86(5):974-977.",
"links": null
},
"BIBREF8": {
"ref_id": "b8",
"title": "Combining statistical techniques and lexico-syntactic patterns for semantic relations extraction from text",
"authors": [
{
"first": "E",
"middle": [],
"last": "Giovannetti",
"suffix": ""
},
{
"first": "S",
"middle": [],
"last": "Marchi",
"suffix": ""
},
{
"first": "S",
"middle": [],
"last": "Montemagni",
"suffix": ""
}
],
"year": 2008,
"venue": "Proc. of the 5th Workshop on Semantic Web Applications and Perspectives",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "GIOVANNETTI, E., MARCHI, S. et MONTEMAGNI, S. (2008). Combining statistical techniques and lexico-syntactic patterns for semantic relations extraction from text. In Proc. of the 5th Workshop on Semantic Web Applications and Perspectives. Citeseer.",
"links": null
},
"BIBREF9": {
"ref_id": "b9",
"title": "Exploiting shallow linguistic information for relation extraction from biomedical literature",
"authors": [
{
"first": "C",
"middle": [],
"last": "Giuliano",
"suffix": ""
},
{
"first": "A",
"middle": [],
"last": "Lavelli",
"suffix": ""
},
{
"first": "L",
"middle": [],
"last": "Romano",
"suffix": ""
}
],
"year": 2006,
"venue": "Proceedings of the eleventh conference of the European chapter of the association for computational linguistics (EACL-2006)",
"volume": "",
"issue": "",
"pages": "5--7",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "GIULIANO, C., LAVELLI, A. et ROMANO, L. (2006). Exploiting shallow linguistic information for relation extraction from biomedical literature. In Proceedings of the eleventh conference of the European chapter of the association for computational linguistics (EACL-2006), pages 5-7.",
"links": null
},
"BIBREF10": {
"ref_id": "b10",
"title": "An empirical approach to the signalling of enumerative structures. Discours. Revue de linguistique",
"authors": [
{
"first": "L",
"middle": [],
"last": "Ho-Dac",
"suffix": ""
},
{
"first": "C",
"middle": [],
"last": "Fabre",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "P\u00e9ry-Woodley",
"suffix": ""
},
{
"first": "J",
"middle": [],
"last": "Rebeyrolle",
"suffix": ""
},
{
"first": "L",
"middle": [],
"last": "Tanguy",
"suffix": ""
}
],
"year": 2012,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "HO-DAC, L., FABRE, C., P\u00c9RY-WOODLEY, M., REBEYROLLE, J. et TANGUY, L. (2012). An empi- rical approach to the signalling of enumerative structures. Discours. Revue de linguistique, psycholinguistique et informatique, (10).",
"links": null
},
"BIBREF11": {
"ref_id": "b11",
"title": "Information theory and statistical mechanics",
"authors": [
{
"first": "E",
"middle": [],
"last": "Jaynes",
"suffix": ""
}
],
"year": 1957,
"venue": "Physical review",
"volume": "106",
"issue": "4",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "JAYNES, E. (1957). Information theory and statistical mechanics. Physical review, 106(4):620.",
"links": null
},
"BIBREF12": {
"ref_id": "b12",
"title": "quand r\u00e9diger c'est d\u00e9crire\" mise en forme mat\u00e9rielle des textes et construction d'ontologies \u00e0 partir de textes",
"authors": [
{
"first": "Les",
"middle": [],
"last": "Taln-R\u00e9cital ; Juin",
"suffix": ""
},
{
"first": "Kamel",
"middle": [],
"last": "Sables D'olonne",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "Mojahid",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "Rothenburger",
"suffix": ""
},
{
"first": "B",
"middle": [],
"last": "",
"suffix": ""
}
],
"year": 2012,
"venue": "Journ\u00e9es Francophones d'Ing\u00e9nierie des Connaissances",
"volume": "",
"issue": "",
"pages": "17--21",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "TALN-R\u00c9CITAL 2013, 17-21 Juin, Les Sables d'Olonne KAMEL, M., MOJAHID, M. et ROTHENBURGER, B. (2012). \"quand r\u00e9diger c'est d\u00e9crire\" mise en forme mat\u00e9rielle des textes et construction d'ontologies \u00e0 partir de textes. Journ\u00e9es Francophones d'Ing\u00e9nierie des Connaissances (IC 2012).",
"links": null
},
"BIBREF13": {
"ref_id": "b13",
"title": "Elicitation de structures hi\u00e9rarchiques \u00e0 partir de structures enum\u00e9ratives pour la construction d'ontologie",
"authors": [
{
"first": "M",
"middle": [],
"last": "Kamel",
"suffix": ""
},
{
"first": "B",
"middle": [],
"last": "Rothenburger",
"suffix": ""
}
],
"year": 2011,
"venue": "Journ\u00e9es Francophones d'Ing\u00e9nierie des Connaissances",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "KAMEL, M. et ROTHENBURGER, B. (2011). Elicitation de structures hi\u00e9rarchiques \u00e0 partir de structures enum\u00e9ratives pour la construction d'ontologie. In Journ\u00e9es Francophones d'Ing\u00e9nierie des Connaissances (IC 2011), Annecy.",
"links": null
},
"BIBREF14": {
"ref_id": "b14",
"title": "A study of cross-validation and bootstrap for accuracy estimation and model selection",
"authors": [
{
"first": "R",
"middle": [],
"last": "Kohavi",
"suffix": ""
}
],
"year": 1995,
"venue": "International joint Conference on artificial intelligence",
"volume": "14",
"issue": "",
"pages": "1137--1145",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "KOHAVI, R. et al. (1995). A study of cross-validation and bootstrap for accuracy estimation and model selection. In International joint Conference on artificial intelligence, volume 14, pages 1137-1145. Lawrence Erlbaum Associates Ltd.",
"links": null
},
"BIBREF15": {
"ref_id": "b15",
"title": "Une typologie des \u00e9num\u00e9rations bas\u00e9e sur les structures rh\u00e9toriques et architecturales du texte",
"authors": [
{
"first": "C",
"middle": [],
"last": "Luc",
"suffix": ""
}
],
"year": 2001,
"venue": "Actes de la 8e Conf\u00e9rence sur le Traitement Automatique des Langues Naturelles",
"volume": "",
"issue": "",
"pages": "263--272",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "LUC, C. (2001). Une typologie des \u00e9num\u00e9rations bas\u00e9e sur les structures rh\u00e9toriques et architec- turales du texte. In Actes de la 8e Conf\u00e9rence sur le Traitement Automatique des Langues Naturelles (TALN 2001), pages 263-272.",
"links": null
},
"BIBREF16": {
"ref_id": "b16",
"title": "Extraction de liens s\u00e9mantiques entre termes \u00e0 partir de corpus de textes techniques",
"authors": [
{
"first": "E",
"middle": [],
"last": "Morin",
"suffix": ""
}
],
"year": 1999,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "MORIN, E. (1999). Extraction de liens s\u00e9mantiques entre termes \u00e0 partir de corpus de textes techniques. Th\u00e8se de doctorat, Universit\u00e9 de Nantes.",
"links": null
},
"BIBREF17": {
"ref_id": "b17",
"title": "Information extraction. Handbook on Ontologies",
"authors": [
{
"first": "C",
"middle": [],
"last": "N\u00e9dellec",
"suffix": ""
},
{
"first": "A",
"middle": [],
"last": "Nazarenko",
"suffix": ""
},
{
"first": "R",
"middle": [],
"last": "Bossy",
"suffix": ""
}
],
"year": 2009,
"venue": "",
"volume": "",
"issue": "",
"pages": "663--685",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "N\u00c9DELLEC, C., NAZARENKO, A. et BOSSY, R. (2009). Information extraction. Handbook on Ontologies, pages 663-685.",
"links": null
},
"BIBREF18": {
"ref_id": "b18",
"title": "Textes de type consigne-Perception, action, cognition",
"authors": [
{
"first": "E",
"middle": [],
"last": "Pascual",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "P\u00e9ry-Woodley",
"suffix": ""
}
],
"year": 1995,
"venue": "",
"volume": "",
"issue": "",
"pages": "65--88",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "PASCUAL, E. et P\u00c9RY-WOODLEY, M. (1995). La d\u00e9finition dans le texte. Textes de type consigne- Perception, action, cognition, pages 65-88.",
"links": null
},
"BIBREF19": {
"ref_id": "b19",
"title": "Modes d'organisation et de signalisation dans des textes proc\u00e9duraux",
"authors": [
{
"first": "M",
"middle": [],
"last": "Pery-Woodley",
"suffix": ""
}
],
"year": 2001,
"venue": "Langages",
"volume": "35",
"issue": "141",
"pages": "28--46",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "PERY-WOODLEY, M. (2001). Modes d'organisation et de signalisation dans des textes proc\u00e9duraux. Langages, 35(141):28-46.",
"links": null
},
"BIBREF20": {
"ref_id": "b20",
"title": "A maximum entropy model for part-of-speech tagging",
"authors": [
{
"first": "A",
"middle": [],
"last": "Ratnaparkhi",
"suffix": ""
}
],
"year": 1996,
"venue": "Proceedings of the conference on empirical methods in natural language processing",
"volume": "1",
"issue": "",
"pages": "133--142",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "RATNAPARKHI, A. (1996). A maximum entropy model for part-of-speech tagging. In Proceedings of the conference on empirical methods in natural language processing, volume 1, pages 133-142. Philadelphia, PA.",
"links": null
},
"BIBREF21": {
"ref_id": "b21",
"title": "Titres et intertitres dans l'organisation du discours 1",
"authors": [
{
"first": "J",
"middle": [],
"last": "Rebeyrolle",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "Jacques",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "P\u00e9ry-Woodley",
"suffix": ""
}
],
"year": 2009,
"venue": "Journal of French Language Studies",
"volume": "19",
"issue": "2",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "REBEYROLLE, J., JACQUES, M., P\u00c9RY-WOODLEY, M. et al. (2009). Titres et intertitres dans l'organi- sation du discours 1. Journal of French Language Studies, 19(2):269.",
"links": null
},
"BIBREF22": {
"ref_id": "b22",
"title": "Talismane user manual. CLLE-ERSS",
"authors": [
{
"first": "A",
"middle": [],
"last": "Urieli",
"suffix": ""
},
{
"first": "J",
"middle": [],
"last": "Fauconnier",
"suffix": ""
}
],
"year": 2012,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "URIELI, A. et FAUCONNIER, J. (2012). Talismane user manual. CLLE-ERSS, Toulouse.",
"links": null
},
"BIBREF23": {
"ref_id": "b23",
"title": "Structures textuelles, planches fascicule 1 : Enum\u00e9rations, version 1",
"authors": [
{
"first": "J",
"middle": [],
"last": "Virbel",
"suffix": ""
}
],
"year": 1999,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "VIRBEL, J. (1999). Structures textuelles, planches fascicule 1 : Enum\u00e9rations, version 1,. Rapport technique, IRIT.",
"links": null
},
"BIBREF24": {
"ref_id": "b24",
"title": "Approche cognitive de la spatialisation du langage. de la mod\u00e9lisation de structures spatio-linguistiques des textes \u00e0 l'exp\u00e9rimentation psycholinguistique : le cas d'un objet textuel, l'\u00e9num\u00e9ration",
"authors": [
{
"first": "J",
"middle": [],
"last": "Virbel",
"suffix": ""
},
{
"first": "C",
"middle": [],
"last": "Luc",
"suffix": ""
},
{
"first": "S",
"middle": [],
"last": "Schmid",
"suffix": ""
},
{
"first": "L",
"middle": [],
"last": "Carrio",
"suffix": ""
},
{
"first": "C",
"middle": [],
"last": "Dominguez",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "Pery-Woodley",
"suffix": ""
},
{
"first": "C",
"middle": [],
"last": "Jacquemin",
"suffix": ""
},
{
"first": "M",
"middle": [],
"last": "Mojahid",
"suffix": ""
},
{
"first": "T",
"middle": [],
"last": "Baccino",
"suffix": ""
},
{
"first": "C",
"middle": [],
"last": "Garciadebanc",
"suffix": ""
}
],
"year": 2005,
"venue": "",
"volume": "",
"issue": "",
"pages": "",
"other_ids": {},
"num": null,
"urls": [],
"raw_text": "VIRBEL, J., LUC, C., SCHMID, S., CARRIO, L., DOMINGUEZ, C., PERY-WOODLEY, M., JACQUEMIN, C., MOJAHID, M., BACCINO, T. et GARCIADEBANC, C. (2005). Approche cognitive de la spatialisation du langage. de la mod\u00e9lisation de structures spatio-linguistiques des textes \u00e0 l'exp\u00e9rimentation psycholinguistique : le cas d'un objet textuel, l'\u00e9num\u00e9ration. Agir dans l'espace. Paris : \u00c9ditions de la Maison des sciences de l'homme.",
"links": null
}
},
"ref_entries": {
"FIGREF0": {
"type_str": "figure",
"text": "R\u00e9partition des SE dans CORPUS_SE et des paires amorce-item dans CORPUS_DISTRIB 3. Le \u03ba de Fleiss est sensible aux nombres de cat\u00e9gories.",
"uris": null,
"num": null
},
"TABREF0": {
"type_str": "table",
"num": null,
"content": "<table><tr><td colspan=\"2\">relation multi-nucl\u00e9aire de type list. Une relation hi\u00e9rarchique entre l'amorce et chacun des items</td></tr><tr><td colspan=\"2\">est ainsi mise en \u00e9vidence. Dans ce cadre, nous envisageons de traduire cette structure rh\u00e9torique</td></tr><tr><td colspan=\"2\">en une structure hi\u00e9rarchique o\u00f9 les entit\u00e9s conceptuelles d\u00e9not\u00e9es par des termes pr\u00e9sents dans</td></tr><tr><td colspan=\"2\">les segments textuels seraient extraites et reli\u00e9es par la relation de type noyau-satellite identifi\u00e9e</td></tr><tr><td>en discours (Figure 1).</td><td/></tr><tr><td colspan=\"2\">Identifier les relations port\u00e9es par les SE parall\u00e8les avec MFM est l'objet de ce travail, car elles ont</td></tr><tr><td colspan=\"2\">les propri\u00e9t\u00e9s (1) d'\u00eatre homog\u00e8nes et de b\u00e9n\u00e9ficier de traits de formatage assez r\u00e9guliers pour</td></tr><tr><td colspan=\"2\">que d'une part leur identification automatique en corpus puisse \u00eatre envisag\u00e9e, et que d'autre</td></tr><tr><td colspan=\"2\">part les aspects typo-dispositionnels permettent de spatialiser le discours, et donc d'aider \u00e0 la</td></tr><tr><td colspan=\"2\">d\u00e9sambigu\u00efsation, et (2) d'\u00eatre paradigmatiques et isol\u00e9es, ce qui assure l'unicit\u00e9 de la relation</td></tr><tr><td colspan=\"2\">port\u00e9e par la structure. Les processus d'identification des SE en texte ainsi que des concepts et</td></tr><tr><td colspan=\"2\">instances au sein de ces derni\u00e8res font l'objet de travaux compl\u00e9mentaires non discut\u00e9s dans</td></tr><tr><td colspan=\"2\">cet article. L'approche que nous d\u00e9veloppons ici est endog\u00e8ne dans le sens o\u00f9 les indices qui</td></tr><tr><td colspan=\"2\">permettent d'identifier la relation sont recherch\u00e9s au sein de la SE.</td></tr><tr><td colspan=\"2\">3 Classes, corpus et mode d'\u00e9valuation</td></tr><tr><td>3.1 Classes</td><td/></tr><tr><td colspan=\"2\">L'arbre issu de l'analyse rh\u00e9torique (Figure 1) r\u00e9v\u00e8le souvent l'existence de connaissances ontolo-</td></tr><tr><td colspan=\"2\">giques ou lexicales port\u00e9es par la SE parall\u00e8le. Le but de ce travail est de d\u00e9tecter automatique-</td></tr><tr><td colspan=\"2\">ment la nature de la relation unique entre l'amorce et les items, lorsque cela est possible.</td></tr><tr><td>Classes</td><td>Description</td></tr><tr><td>isA</td><td>Relation hi\u00e9rarchique d'hyperonymie.</td></tr><tr><td>partOf</td><td>Relation hi\u00e9rarchique de m\u00e9ronymie.</td></tr><tr><td>instanceOf</td><td>Relation entre un concept et les instances de ce</td></tr><tr><td/><td>concept.</td></tr><tr><td colspan=\"2\">FIGURE 1 -Repr\u00e9sentations s\u00e9mantiques de la structure \u00e9num\u00e9rative</td></tr><tr><td colspan=\"2\">Notre \u00e9tude se focalise ici sur la SE parall\u00e8le car son analyse rh\u00e9torique (bas\u00e9e, par exemple, sur</td></tr><tr><td colspan=\"2\">les principes de la RST (Carlson et al., 2001)) permet d'\u00e9tablir une relation noyau-satellite qui relie</td></tr><tr><td colspan=\"2\">l'amorce (unit\u00e9 d'information la plus saillante) \u00e0 l'\u00e9num\u00e9ration (unit\u00e9 d'information qui supporte</td></tr><tr><td colspan=\"2\">l'information d'arri\u00e8re-plan), et une relation multi-nucl\u00e9aire qui relie les items (arguments de</td></tr><tr><td colspan=\"2\">m\u00eame importance). La relation noyau-satellite sera g\u00e9n\u00e9ralement de type elaboration et la</td></tr></table>",
"text": "Les structures h\u00e9t\u00e9rog\u00e8nes pr\u00e9sentent des items ayant des propri\u00e9t\u00e9s visuelles non \u00e9quivalentes et sont plus difficilement rep\u00e9rables automatiquement en corpus. Les structures syntagmatiques entretiennent des liens de d\u00e9pendance entre les items, et les structures non isol\u00e9es entretiennent des relations avec des unit\u00e9s textuelles localis\u00e9es en dehors de la structure \u00e9num\u00e9rative. Les SE paradigmatiques, homog\u00e8nes et isol\u00e9es sont dites parall\u00e8les.",
"html": null
},
"TABREF1": {
"type_str": "table",
"num": null,
"content": "<table><tr><td>(4) Pr\u00e9sentation</td></tr><tr><td>1 Fonctionnement</td></tr><tr><td>2 Terminologie</td></tr></table>",
"text": "Annotation du corpus en 6 classes par 4 annotateurs Pour transformer notre probl\u00e8me d'identification de relations en un probl\u00e8me de classification multi-classes, nous avons d\u00e9fini des classes correspondant aux relations recherch\u00e9es. Nous distin-La classe autreOntologique comprend les relations non-taxonomiques entre concepts (exemple (3)). La classe lexical reprend les relations lexicales (synonymie, homonymie, etc.) et, \u00e9ventuellement, les cas d'inclusion lexicale.(3) Tous les barrages class\u00e9s(A, B, C et D) doivent disposer : d'une consigne de crue ; d'un dispositif d'auscultation adapt\u00e9. La classe autres regroupe les cas ambigus, tels que ceux pr\u00e9sent\u00e9s par les SE navigationnelles et de titraille, et les relations que l'on ne peut r\u00e9soudre. L'exemple (4) donne une SE de titraille qui structure un propos, un document. L'exemple (5) reprend une SE \u00e0 vis\u00e9e navigationnelle, cas courant dans les ressources informatis\u00e9es qui utilisent des liens hypertextes (indiqu\u00e9s ici par la mise en gras). Les liens hypertextes nous indiquent qu'il y a une plus grande probabilit\u00e9 que la relation port\u00e9e par la SE lie des documents et non pas des termes. Enfin, l'exemple (6) pr\u00e9sente un cas o\u00f9 il s'agit d'une \u00e9laboration argumentative et non ontologique.",
"html": null
},
"TABREF5": {
"type_str": "table",
"num": null,
"content": "<table><tr><td colspan=\"2\">\u00c9l\u00e9ments Traits</td><td>Ph\u00e9nom\u00e8nes capt\u00e9s</td></tr><tr><td/><td>(First|Last)Token</td><td>Retourne respectivement la cat\u00e9gorie grammaticale et le</td></tr><tr><td/><td>(Pos|Lem)</td><td>lemme du dernier/premier token de l'amorce.</td></tr><tr><td>Amorce</td><td>HasClassifier</td><td>Pr\u00e9sence d'un classifieur (\u00ab sortes de \u00bb, \u00ab types de \u00bb, etc.)</td></tr><tr><td/><td>HasMeronym</td><td>Pr\u00e9sence d'un marqueur de m\u00e9ronymie (\u00ab parties de \u00bb, etc.)</td></tr><tr><td/><td>HasVerb</td><td>Pr\u00e9sence d'un verbe conjugu\u00e9 ou un verbe au participe pass\u00e9</td></tr><tr><td/><td/><td>\u00e0 la racine de l'arbre de d\u00e9pendances.</td></tr><tr><td/><td>HasProperNoun</td><td>Pr\u00e9sence d'un nom propre.</td></tr><tr><td/><td>HasPlurarlNoun</td><td>Pr\u00e9sence d'un nom commun au pluriel.</td></tr><tr><td/><td>MultiplSentence</td><td>Pr\u00e9sence de plusieurs phrases dans l'amorce.</td></tr><tr><td/><td>(First|Last)Token</td><td>Retourne respectivement la cat. gram. et lemme du der-</td></tr><tr><td/><td>(Pos|Lem)</td><td>nier/premier token de l'item.</td></tr><tr><td/><td>HasVerb</td><td>Pr\u00e9sence d'un verbe conjugu\u00e9 ou un verbe au participe pass\u00e9</td></tr><tr><td>Item</td><td/><td>\u00e0 la racine de l'arbre de d\u00e9pendances.</td></tr><tr><td/><td>HasProperNoun</td><td>Pr\u00e9sence d'un nom propre.</td></tr><tr><td/><td>HasDate</td><td>Pr\u00e9sence d'une date en ann\u00e9es et consid\u00e9r\u00e9e comme NC</td></tr><tr><td/><td/><td>(\u00ab 1996 \u00bb, etc.)</td></tr><tr><td/><td>HasCircumstant</td><td>Pr\u00e9sence d'un circonstant (\u00ab En Belgique \u00bb, etc.)</td></tr><tr><td/><td>StartsWithINF</td><td>Pr\u00e9sence d'un infinitif en d\u00e9but de phrase.</td></tr><tr><td/><td>StartsWithNUM</td><td>Pr\u00e9sence d'un num\u00e9ro en d\u00e9but d'item.</td></tr><tr><td/><td>StartsWithMaj</td><td>Pr\u00e9sence d'une majuscule en d\u00e9but d'item.</td></tr><tr><td/><td>ContainsPonct</td><td>Pr\u00e9sence d'une ponctuation inhabituelle au sein de l'item.</td></tr><tr><td/><td>MultiplSentence</td><td>Pr\u00e9sence de plusieurs phrases dans l'item.</td></tr></table>",
"text": "4. http://opennlp.apache.org/ 5. Ce seuil de s\u00e9lection des traits est appel\u00e9 cut-off dans la litt\u00e9rature relative au MaxEnt.",
"html": null
},
"TABREF6": {
"type_str": "table",
"num": null,
"content": "<table><tr><td>La SE en (7) de classe isA exemplifie l'application de traits. Les tokens entre crochets sont</td></tr><tr><td>ceux auxquels s'appliquent les traits (First|Last)Token(Pos|Lem). Les \u00e9l\u00e9ments en gras sont le</td></tr><tr><td>classifieur et le verbe soulign\u00e9 r\u00e9pond au trait HasVerb. L'absence d'autres ph\u00e9nom\u00e8nes (nom</td></tr><tr><td>propre dans l'amorce, etc.) est tout autant informative pour la classification de la SE.</td></tr><tr><td>(7) [Pour] un transformateur triphas\u00e9, il existe 3 types de couplage d'enroulement [ :]</td></tr><tr><td>-[le] couplage \u00e9toile, d\u00e9fini par la lettre Y [ ;]</td></tr><tr><td>-[le] couplage triangle, d\u00e9fini par la lettre D ou \u2206[ ;]</td></tr><tr><td>-[le] couplage zig-zag, d\u00e9fini par la lettre Z[.]</td></tr><tr><td>L'exemple (8) pr\u00e9sente un cas issu de la classe autres o\u00f9 l'on voit que la pr\u00e9sence d'un infinitif en</td></tr><tr><td>d\u00e9but d'item (indiqu\u00e9s ici par la mise en gras) est un indice des SE proc\u00e9durales.</td></tr><tr><td>(8) Le d\u00e9roulement</td></tr><tr><td>1 [M\u00e9langer] la farine, le sucre, le sucre vanill\u00e9, les oeufs, l'huile et le lait [.]</td></tr><tr><td>2 [Verser] la p\u00e2te dans la po\u00eale et retourner la cr\u00eape avec une spatule [.]</td></tr></table>",
"text": "Tableau synth\u00e9tique des traits utilis\u00e9s",
"html": null
},
"TABREF7": {
"type_str": "table",
"num": null,
"content": "<table><tr><td/><td/><td/><td/><td>.</td><td/><td/><td/><td/><td/></tr><tr><td/><td/><td colspan=\"2\">Approches</td><td colspan=\"2\">Exactitude</td><td>\u03c3</td><td>IC 95%</td><td/><td/></tr><tr><td/><td>T\u00e2che 1</td><td colspan=\"2\">Traits ling. Trigrammes</td><td colspan=\"2\">61,10% 59,80%</td><td colspan=\"3\">0,0154 [58,08 ;64,11] 0,0155 [56,76 ;62,83]</td><td/></tr><tr><td/><td/><td colspan=\"2\">Baseline autres</td><td colspan=\"2\">38,00%</td><td colspan=\"3\">0,0153 [35,00 ;40,99]</td><td/></tr><tr><td/><td>T\u00e2che 2</td><td colspan=\"2\">Traits ling. Trigrammes</td><td colspan=\"2\">58,70% 59,50%</td><td colspan=\"3\">0,0074 [57,25 ;60,15] 0,0074 [58,04 ;60,95]</td><td/></tr><tr><td/><td/><td colspan=\"2\">Baseline autres</td><td colspan=\"2\">29,30%</td><td colspan=\"3\">0,0069 [27,94 ;30,65]</td><td/></tr><tr><td/><td>T\u00e2che 3</td><td colspan=\"2\">Traits ling. Trigrammes</td><td colspan=\"2\">58,50% 59,00%</td><td colspan=\"3\">0,0155 [55,46 ;61,53] 0,0155 [55,96 ;62,03]</td><td/></tr><tr><td/><td/><td colspan=\"2\">Baseline autres</td><td colspan=\"2\">38,00%</td><td colspan=\"3\">0,0153 [35,00 ;40,99]</td><td/></tr><tr><td/><td/><td colspan=\"5\">TABLE 5 -\u00c9valuation pour les trois t\u00e2ches</td><td/><td/><td/></tr><tr><td colspan=\"10\">Au regard de cette derni\u00e8re, nous constatons que, pour les trois t\u00e2ches, l'approche par traits et</td></tr><tr><td colspan=\"10\">l'approche par trigrammes aboutissent significativement \u00e0 de meilleurs r\u00e9sultats face \u00e0 la baseline</td></tr><tr><td colspan=\"10\">autres. Par contre, la comparaison des deux approches est \u00e0 nuancer. Contrairement aux t\u00e2ches</td></tr><tr><td colspan=\"10\">2 et 3, l'approche par traits d\u00e9passe de peu les trigrammes dans la t\u00e2che 1, mais les intervalles</td></tr><tr><td colspan=\"10\">de confiance nous montrent qu'il y a un possible recouvrement entre ces r\u00e9sultats. Cependant,</td></tr><tr><td colspan=\"10\">l'exactitude, qui donne un poids proportionnel \u00e0 chaque classe (section 3.3), ne r\u00e9v\u00e8le pas les</td></tr><tr><td colspan=\"10\">difficult\u00e9s \u00e9prouv\u00e9es par La comparaison</td></tr><tr><td colspan=\"10\">des matrices de confusion issues des deux approches pour la t\u00e2che 1 l'exemplifie (Tables 6 et 7).</td></tr><tr><td/><td colspan=\"8\">autrOnto autres instOf isA lexical partOf Pr\u00e9cision Rappel</td><td>F1</td></tr><tr><td>autrOnto</td><td>13</td><td>16</td><td>5</td><td>41</td><td>1</td><td>0</td><td>0,54</td><td>0,17</td><td>0,26</td></tr><tr><td>autres</td><td>6</td><td>298</td><td>29</td><td>46</td><td>0</td><td>1</td><td>0,63</td><td>0,78</td><td>0,70</td></tr><tr><td>instOf</td><td>0</td><td>42</td><td>120</td><td>9</td><td>6</td><td>0</td><td>0,66</td><td>0,68</td><td>0,67</td></tr><tr><td>isA</td><td>5</td><td>88</td><td>8</td><td>120</td><td>5</td><td>3</td><td>0,46</td><td>0,52</td><td>0,49</td></tr><tr><td>lexical</td><td>0</td><td>12</td><td>13</td><td>23</td><td>47</td><td>1</td><td>0,80</td><td>0,49</td><td>0,61</td></tr><tr><td>partOf</td><td>0</td><td>14</td><td>8</td><td>20</td><td>0</td><td>0</td><td>0,00</td><td>0,00</td><td>0,00</td></tr></table>",
"text": "les trigrammes pour classer les individus des classes minoritaires partOf et autreOntologique dans les trois t\u00e2ches. Ces derniers sont souvent class\u00e9s \u00e0 tort dans les classes autres, instanceOf ou isA qui, dans les deux corpus, sont les classes majoritaires.",
"html": null
},
"TABREF8": {
"type_str": "table",
"num": null,
"content": "<table><tr><td>-Matrice de confusion pour la T\u00e2che 1 : Trigrammes</td></tr></table>",
"text": "",
"html": null
},
"TABREF9": {
"type_str": "table",
"num": null,
"content": "<table><tr><td/><td/><td colspan=\"7\">-Matrice de confusion pour la T\u00e2che 1 : Traits linguistiques</td><td/></tr><tr><td colspan=\"10\">Ainsi, de mani\u00e8re transversale, l'approche par traits linguistiques reste toujours pr\u00e9f\u00e9rable \u00e0</td></tr><tr><td colspan=\"10\">l'approche par trigrammes car elle discrimine mieux les classes minoritaires partOf et autreOnto-</td></tr><tr><td colspan=\"6\">logique, utiles \u00e0 la construction de ressources s\u00e9mantiques.</td><td/><td/><td/><td/></tr><tr><td colspan=\"10\">Les r\u00e9sultats obtenus avec l'approche par traits linguistiques dans les t\u00e2ches 2 et 3 aboutissent \u00e0</td></tr><tr><td colspan=\"10\">une identification correcte des classes utiles \u00e0 la construction d'ontologies, c'est-\u00e0-dire toutes les</td></tr><tr><td colspan=\"10\">classes sauf autres (Tables 8 et 9). Seules les F-mesures des classes instanceOf et isA diminuent</td></tr><tr><td colspan=\"10\">entre la deuxi\u00e8me et la troisi\u00e8me t\u00e2che. Une difficult\u00e9 \u00e0 classer correctement les nombreux items</td></tr><tr><td colspan=\"8\">de ces deux classes (Section 3.2) expliquerait cette diminution des scores.</td><td/><td/></tr><tr><td/><td colspan=\"8\">autrOnto autres instOf isA lexical partOf Pr\u00e9cision Rappel</td><td>F1</td></tr><tr><td>autrOnto</td><td>94</td><td>37</td><td>12</td><td>111</td><td>37</td><td>8</td><td>0,36</td><td>0,31</td><td>0,34</td></tr><tr><td>autres</td><td>35</td><td>859</td><td>100</td><td>195</td><td>61</td><td>14</td><td>0,61</td><td>0,68</td><td>0,65</td></tr><tr><td>instOf</td><td>49</td><td>140</td><td>819</td><td>96</td><td>104</td><td>23</td><td>0,76</td><td>0,67</td><td>0,71</td></tr><tr><td>isA</td><td>59</td><td>244</td><td>77</td><td>543</td><td>31</td><td>19</td><td>0,52</td><td>0,56</td><td>0,54</td></tr><tr><td>lexical</td><td>15</td><td>81</td><td>50</td><td>41</td><td>173</td><td>17</td><td>0,41</td><td>0,46</td><td>0,43</td></tr><tr><td>partOf</td><td>8</td><td>37</td><td>13</td><td>54</td><td>14</td><td>47</td><td>0,37</td><td>0,27</td><td>0,31</td></tr></table>",
"text": "",
"html": null
},
"TABREF10": {
"type_str": "table",
"num": null,
"content": "<table><tr><td/><td/><td colspan=\"7\">-Matrice de confusion pour la T\u00e2che 2 : Traits linguistiques</td><td/></tr><tr><td/><td colspan=\"8\">autrOnto autres instOf isA lexical partOf Pr\u00e9cision Rappel</td><td>F1</td></tr><tr><td>autrOnto</td><td>22</td><td>10</td><td>4</td><td>31</td><td>8</td><td>1</td><td>0,36</td><td>0,29</td><td>0,32</td></tr><tr><td>autres</td><td>11</td><td>289</td><td>16</td><td>50</td><td>12</td><td>2</td><td>0,68</td><td>0,76</td><td>0,72</td></tr><tr><td>instOf</td><td>6</td><td>29</td><td>100</td><td>25</td><td>15</td><td>2</td><td>0,70</td><td>0,56</td><td>0,63</td></tr><tr><td>isA</td><td>16</td><td>65</td><td>9</td><td>118</td><td>13</td><td>8</td><td>0,47</td><td>0,52</td><td>0,49</td></tr><tr><td>lexical</td><td>5</td><td>23</td><td>11</td><td>9</td><td>44</td><td>4</td><td>0,46</td><td>0,46</td><td>0,46</td></tr><tr><td>partOf</td><td>1</td><td>8</td><td>2</td><td>16</td><td>3</td><td>12</td><td>0,41</td><td>0,29</td><td>0,34</td></tr></table>",
"text": "",
"html": null
},
"TABREF11": {
"type_str": "table",
"num": null,
"content": "<table/>",
"text": "Matrice de confusion pour la T\u00e2che 3 : Traits linguistiques",
"html": null
}
}
}
} |