• Aucun résultat trouvé

Extraction de Relations basées sur une Ontologie pour le Web Sémantique

N/A
N/A
Protected

Academic year: 2022

Partager "Extraction de Relations basées sur une Ontologie pour le Web Sémantique"

Copied!
33
0
0

Texte intégral

(1)

Conference Presentation

Reference

Extraction de Relations basées sur une Ontologie pour le Web Sémantique

NEBHI, Kamel

Abstract

La vision du Web Sémantique décrit par Sir Tim Berners-Lee en 1998 veut structurer les informations disponibles sur le World Wide Web pour permettre à des agents logiciels de raisonner sur le contenu des pages. L'annotation sémantique des documents Web est donc une étape clé pour la réalisation du Web sémantique à grande échelle. A terme, l'association des technologies du Web sémantique et la mise à disposition de ressources annotées permettraient par exemple d'inférer une nouvelle connaissance à partir de la connaissance apportée par les ontologies. Depuis une dizaine d'années, la majorité des recherches effectuées dans le domaine de l'annotation (semi-)automatique pour le Web sémantique (SHOE, KA2) ont été faites par des chercheurs issus de l'intelligence artificielle et comme nous fait remarquer A. Prareja-Lora : "[...] these researchers have been neglecting, somehow, the decades of work and the results obtained in the field of Corpus Linguistics on corpus annotation, not only in the semantic level, but also in other linguistic levels." Au vu des résultats peu convaincants obtenus en intelligence [...]

NEBHI, Kamel. Extraction de Relations basées sur une Ontologie pour le Web Sémantique. In:

Congrès International des Linguistes , Genève (Suisse), 21-27 juillet 2013, 2013

Available at:

http://archive-ouverte.unige.ch/unige:29386

Disclaimer: layout of this document may differ from the published version.

1 / 1

(2)

Extraction de Relations bas´ ees sur une Ontologie pour le Web S´ emantique

Congr`es International des Linguistes Gen`eve, Suisse, 21-27 Juillet 2013

Kamel Nebhi

Laboratoire d’Analyse et de Technologie du Langage D´epartement de Linguistique

Universit´e de Gen`eve

(3)

Le Web S´ emantique en quelques mots

o Nature du Web S´emantique:Concept - Activit´e du W3C - Ensemble de technologies o Fondateur: Tim Berners-Lee en 1998 o D´efinition: “une extension du web actuel

dans laquelle l’information se voit associ´ee `a un sens bien d´efini am´eliorant la capacit´e des ordinateurs [...] `a travailler en coop´eration.”

o L’appelation: Le terme “s´emantique” prˆete `a confusion, on est loin de la “s´emantique” au sens linguistique. En 2006, Tim Berners-Lee pr´ef`ere l’expression “Web de Donn´ees”

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 2 / 17

(4)

Le Web S´ emantique en quelques mots

o Nature du Web S´emantique: Concept - Activit´e du W3C - Ensemble de technologies o Fondateur:Tim Berners-Lee en 1998 o D´efinition:“une extension du web actuel

dans laquelle l’information se voit associ´ee `a un sens bien d´efini am´eliorant la capacit´e des ordinateurs [...] `a travailler en coop´eration.”

o L’appelation: Le terme “s´emantique” prˆete `a confusion, on est loin de la “s´emantique” au sens linguistique. En 2006, Tim Berners-Lee pr´ef`ere l’expression “Web de Donn´ees”

(5)

Le Web S´ emantique en quelques mots

o Nature du Web S´emantique: Concept - Activit´e du W3C - Ensemble de technologies o Fondateur: Tim Berners-Lee en 1998 o D´efinition:“une extension du web actuel

dans laquelle l’information se voit associ´ee `a un sens bien d´efini am´eliorant la capacit´e des ordinateurs [...] `a travailler en coop´eration.”

o L’appelation: Le terme “s´emantique” prˆete `a confusion, on est loin de la “s´emantique” au sens linguistique. En 2006, Tim Berners-Lee pr´ef`ere l’expression “Web de Donn´ees”

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 2 / 17

(6)

Le Web S´ emantique en quelques mots

o Nature du Web S´emantique: Concept - Activit´e du W3C - Ensemble de technologies o Fondateur: Tim Berners-Lee en 1998 o D´efinition:“une extension du web actuel

dans laquelle l’information se voit associ´ee `a un sens bien d´efini am´eliorant la capacit´e des ordinateurs [...] `a travailler en coop´eration.”

o L’appelation: Le terme “s´emantique” prˆete `a confusion, on est loin de la “s´emantique” au sens linguistique. En 2006, Tim Berners-Lee pr´ef`ere l’expression “Web de Donn´ees”

(7)

Le Web S´ emantique en quelques mots

o Nature du Web S´emantique: Concept - Activit´e du W3C - Ensemble de technologies o Fondateur: Tim Berners-Lee en 1998 o D´efinition: “une extension du web actuel

dans laquelle l’information se voit associ´ee `a un sens bien d´efini am´eliorant la capacit´e des ordinateurs [...] `a travailler en coop´eration.”

o L’appelation:Le terme “s´emantique” prˆete `a confusion, on est loin de la “s´emantique” au sens linguistique. En 2006, Tim Berners-Lee pr´ef`ere l’expression “Web de Donn´ees”

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 2 / 17

(8)

Le Web S´ emantique en quelques mots

o Nature du Web S´emantique: Concept - Activit´e du W3C - Ensemble de technologies o Fondateur: Tim Berners-Lee en 1998 o D´efinition: “une extension du web actuel

dans laquelle l’information se voit associ´ee `a un sens bien d´efini am´eliorant la capacit´e des ordinateurs [...] `a travailler en coop´eration.”

o L’appelation:Le terme “s´emantique” prˆete `a confusion, on est loin de la “s´emantique” au sens linguistique. En 2006, Tim Berners-Lee pr´ef`ere l’expression “Web de Donn´ees”

(9)

Le Web S´ emantique en quelques mots

o Nature du Web S´emantique: Concept - Activit´e du W3C - Ensemble de technologies o Fondateur: Tim Berners-Lee en 1998 o D´efinition: “une extension du web actuel

dans laquelle l’information se voit associ´ee `a un sens bien d´efini am´eliorant la capacit´e des ordinateurs [...] `a travailler en coop´eration.”

o L’appelation:Le terme “s´emantique” prˆete `a confusion, on est loin de la “s´emantique” au sens linguistique. En 2006, Tim Berners-Lee pr´ef`ere l’expression “Web de Donn´ees”

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 2 / 17

(10)

Quelques Applications du Web S´ emantique

(11)

Contexte et Objectifs

Quel peut-ˆetre l’apport du TALN pour le WS ?

o Malgr´ e l’expansion du Linked Open Data cloud

1

, le nombre de donn´ ees ouvertes et li´ ees ne permet pas encore un passage ` a l’´ echelle.

o La r´ ealisation du Web S´ emantique ` a grande ´ echelle implique donc l’annotation g´ en´ eralis´ ee de documents Web [Brewster and Wilks, 2009].

L’annotation pour le WS met en ´ evidence 6= tˆ aches de l’EI :

• Reconnaissance d’entit´ es nomm´ ees

• D´ esambigu¨ısation d’entit´ es nomm´ ees

• Extraction de relation

• R´ esolution d’anaphores et cor´ ef´ erences

1http://lod-cloud.net/

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 4 / 17

(12)

Contexte et Objectifs

L’annotation pour le WS

Annotation pour le Web S´ emantique

o Assigner ` a une entit´ e une m´ etadonn´ ee dont la s´ emantique est d´ efinie dans une ontologie (concepts, instances de concepts, relations).

o La majorit´ e des syst` emes d’annotation pour le WS sont centr´ es sur la REN.

o L’extraction de relations est un enjeu capital pour l’annotation automatique.

Syst`eme REN D´esambigu¨ısation ER Ev´´enement

Alchemy + - + -

DBpedia Spotlight + - - -

FRED + + + +

OpenCalais + - - -

Wikimeta + + - -

Zemanta + - - -

Table : Caract´eristiques des principaux syst`emes d’annotation pour le WS [Gangemi, 2013]

(13)

Contexte et Objectifs

L’annotation pour le WS

Annotation pour le Web S´ emantique

o Assigner ` a une entit´ e une m´ etadonn´ ee dont la s´ emantique est d´ efinie dans une ontologie (concepts, instances de concepts, relations).

o La majorit´ e des syst` emes d’annotation pour le WS sont centr´ es sur la REN.

o L’extraction de relations est un enjeu capital pour l’annotation automatique.

Syst`eme REN D´esambigu¨ısation ER Ev´´enement

Alchemy + - + -

DBpedia Spotlight + - - -

FRED + + + +

OpenCalais + - - -

Wikimeta + + - -

Zemanta + - - -

Table : Caract´eristiques des principaux syst`emes d’annotation pour le WS [Gangemi, 2013]

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 5 / 17

(14)

Plan

1

L’extraction de relation D´ efinition

Classification des approches

2

Proposition

Description du syst` eme Evaluation ´

3

Conclusion

(15)

L’extraction de relation efinition

D´ efinition

Extraction de Relation

o “processus dont l’objectif est de d´ eterminer l’existence d’un lien s´ emantique entre deux entit´ es ou plus dans un texte.” [Banko and Etzioni, 2008]

+ “Obama est n´ e aux USA.” BornIn(Obama, USA)

o Dans le cadre de l’annotation pour le WS: extraction de relations entre instances de concepts

+ “Obama est n´ e aux USA.” BornIn(Obama:president, USA:country)

Les relations s´ emantiques extraites peuvent ˆ etre utiles pour:

• les syst` emes de Question-R´ eponse

• la Recherche d’Information

• la construction et l’extension d’ontologies et de bases de connaissances

• l’annotation pour le WS

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 7 / 17

(16)

L’extraction de relation Classification des approches

Classification des approches d’ER

I - Approche non-supervis´eecollecte les paires d’entit´es co-occurrentes afin de g´en´erer des patrons d’extraction [Banko and Etzioni, 2008].

3 utiliser un corpus tr`es large

3 extraction d’un nombre important de relations 7 les r´esultats sont difficiles `a exploiter (mapping)

II - Approche supervis´eeutilise une m´ethodeprobabilistepour identifier les relations dans le texte [Rink and Harabagiu, 2010].

• corpus d’apprentissage pr´ealablement annot´e

• caract´eristiques6= (lexicales, syntaxiques, s´emantiques, ...) 3 r´esultats satisfaisants

7 n´ecessite un corpus d’apprentissage tr`es large 7 d´ependant du domaine

III - Approche dite “distant supervision”exploite les larges bases de connaissances disponibles afin de cr´eer un corpus d’apprentissage [Mintz et al., 2009].

• les relations extraites≡base d’exemples du mod`ele statistique 3 m´ethode ind´ependante du domaine et de la langue

7 bases de connaissances incompl`etes

7 r´esultats diff`erent selon le corpus (Wikip´edia, NYT)

(17)

L’extraction de relation Classification des approches

Classification des approches d’ER

I - Approche non-supervis´eecollecte les paires d’entit´es co-occurrentes afin de g´en´erer des patrons d’extraction [Banko and Etzioni, 2008].

3 utiliser un corpus tr`es large

3 extraction d’un nombre important de relations 7 les r´esultats sont difficiles `a exploiter (mapping)

II - Approche supervis´eeutilise une m´ethodeprobabilistepour identifier les relations dans le texte [Rink and Harabagiu, 2010].

• corpus d’apprentissage pr´ealablement annot´e

• caract´eristiques6= (lexicales, syntaxiques, s´emantiques, ...) 3 r´esultats satisfaisants

7 n´ecessite un corpus d’apprentissage tr`es large 7 d´ependant du domaine

III - Approche dite “distant supervision”exploite les larges bases de connaissances disponibles afin de cr´eer un corpus d’apprentissage [Mintz et al., 2009].

• les relations extraites≡base d’exemples du mod`ele statistique 3 m´ethode ind´ependante du domaine et de la langue

7 bases de connaissances incompl`etes

7 r´esultats diff`erent selon le corpus (Wikip´edia, NYT)

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 8 / 17

(18)

L’extraction de relation Classification des approches

Classification des approches d’ER

I - Approche non-supervis´eecollecte les paires d’entit´es co-occurrentes afin de g´en´erer des patrons d’extraction [Banko and Etzioni, 2008].

3 utiliser un corpus tr`es large

3 extraction d’un nombre important de relations 7 les r´esultats sont difficiles `a exploiter (mapping)

II - Approche supervis´eeutilise une m´ethodeprobabilistepour identifier les relations dans le texte [Rink and Harabagiu, 2010].

• corpus d’apprentissage pr´ealablement annot´e

• caract´eristiques6= (lexicales, syntaxiques, s´emantiques, ...) 3 r´esultats satisfaisants

7 n´ecessite un corpus d’apprentissage tr`es large 7 d´ependant du domaine

III - Approche dite “distant supervision”exploite les larges bases de connaissances disponibles afin de cr´eer un corpus d’apprentissage [Mintz et al., 2009].

• les relations extraites≡base d’exemples du mod`ele statistique 3 m´ethode ind´ependante du domaine et de la langue

7 bases de connaissances incompl`etes

7 r´esultats diff`erent selon le corpus (Wikip´edia, NYT)

(19)

L’extraction de relation Classification des approches

Classification des approches d’ER

I - Approche non-supervis´eecollecte les paires d’entit´es co-occurrentes afin de g´en´erer des patrons d’extraction [Banko and Etzioni, 2008].

3 utiliser un corpus tr`es large

3 extraction d’un nombre important de relations 7 les r´esultats sont difficiles `a exploiter (mapping)

II - Approche supervis´eeutilise une m´ethodeprobabilistepour identifier les relations dans le texte [Rink and Harabagiu, 2010].

• corpus d’apprentissage pr´ealablement annot´e

• caract´eristiques6= (lexicales, syntaxiques, s´emantiques, ...) 3 r´esultats satisfaisants

7 n´ecessite un corpus d’apprentissage tr`es large 7 d´ependant du domaine

III - Approche dite “distant supervision”exploite les larges bases de connaissances disponibles afin de cr´eer un corpus d’apprentissage [Mintz et al., 2009].

• les relations extraites≡base d’exemples du mod`ele statistique 3 m´ethode ind´ependante du domaine et de la langue

7 bases de connaissances incompl`etes

7 r´esultats diff`erent selon le corpus (Wikip´edia, NYT)

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 8 / 17

(20)

Proposition Description du syst`eme

Proposition

Un syst` eme d’ER fond´ e sur une approche ` a base de r` egles s’articulant en 2 phases:

• ER ` a partir d’occurrences de relations connues extraites de DBpedia [Lehmann et al., 2013]

• ER nouvelles ` a partir de patrons lexico-syntaxiques [Hearst, 1992]

L’id´ ee est d’exploiter les relations extraites de DBpedia afin de rendre la r´ ealisation des patrons lexico-syntaxiques moins coˆ uteuse.

En quelques mots

3 Syst` eme pour le fran¸ cais

3 REN effectu´ ee par notre syst` eme [Nebhi, 2012]

3 Analyse syntaxique fournit par Fips [Wehrli, 2007]

3 Con¸cu ` a partir de la plateforme GATE

3 La cr´ eation des r` egles se fait ` a l’aide d’un automate ` a ´ etats finis bas´ e sur le

langage JAPE

(21)

Proposition Description du syst`eme

Phase 1: DBpedia

3 Relations extraites de la version francophone de DBpedia

3 DBpedia.fr contient des donn´ees d´ecrivant 100 000 personnes, 100 000 lieux et 27 000 organisations

Type de Relation Taille Exemple

per:birthPlace 67 770 Arnold Schwarzenegger, Thal per:birthDate 64 237 Nelson Mandela, 1918-07-18

per:spouse 7 987 Bill Clinton, Hillary Rodham Clinton per:residence 3 576 Fran¸cois Hollande, Palais de l’´Elys´ee location:country 72 468 Wittislingen, Allemagne

location:mayor 2 237 Chicago, Rahm Emanuel

location:region 51 484 Paris, ˆIle-de-France

org:adminCenter 3 029 ONU, New York

org:leaderName 4 080 Thomson Reuters, David Thomson

org:foundedBy 4 016 IBM, Thomas J. Watson

org:foundingYear 4 007 IBM, 1911

org:foundationPlace 3 085 Yahoo, Santa Clara

Total 287 976

Table : Les 12 types de relations extraites de DBpedia, avec leur taille et un exemple.

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 10 / 17

(22)

Proposition Description du syst`eme

Phase 2: Patrons Lexico-Syntaxiques

Patrons lexicaux

o Informations lexicales et morpho-syntaxiques

Vancouver , `a l’ ouest du Canada

Lille , dans le nord de la France

<city> , PRP DET nord|ouest PRP DET* <country>

* location:Country(Vancouver, Canada)

* location:Country(Lille, France)

(23)

Proposition Description du syst`eme

Phase 2: Patrons Lexico-Syntaxiques

Patrons syntaxiques

o D´ependances syntaxiques - relations fonctionnelles (1) Nestl´e a ´et´e cr´e´ee en 1866 `a Vevey par Henry Nestl´e.

“cr´eer”

organisation

nsubj

“en”

date pobj

“`a”

lieu pobj

“par”

personne pobj ORGnsubj →cr´eerv ←DATEpobj *org:foundingYear(Nestl´e, 1866) ORGnsubj →cr´eerv ←LIEUpobj *org:foundationPlace(Nestl´e, Vevey) ORGnsubj →cr´eerv ←PERSpobj *org:foundedBy(Nestl´e, Henry Nestl´e)

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 12 / 17

(24)

Proposition Description du syst`eme

Architecture du syst` eme

Figure :

Architecture du syst` eme

(25)

Proposition Description du syst`eme

Architecture du syst` eme

Figure :

Architecture du syst` eme

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 13 / 17

(26)

Proposition ´Evaluation

Evaluation de l’ER ´

Exp´erience

u REN bas´ee sur une ontologie - F1 = 82%

3 Corpus d’´evaluation de 200 d´epˆeches du journalLe Monde 3 Annotation manuelle des documents avec l’ontologie DBpedia

• 1115 personnes, 1003 lieux, 987 organisations, 775 dates

• 876 relations entre instances de concepts 3 Comparaison des r´esultats avec la r´ef´erence

7 EN non reconnues par le syst`eme - Analyse syntaxique erron´ee 7 Cor´ef´erence - Anaphore

Mod`ele d’ER Pre% Rec% F1%

DBpedia 32.2 20.7 25.2

DBpedia+Patrons Lex 49.0 32.2 38.8

DBpedia+Patrons Lex&Syn 56.5 53.2 54.8

Table :

R´ esultats pour les 12 types de relations selon les diff´ erents mod` eles.

(27)

Proposition ´Evaluation

Evaluation de l’ER ´

Exp´erience

u REN bas´ee sur une ontologie - F1 = 82%

3 Corpus d’´evaluation de 200 d´epˆeches du journalLe Monde 3 Annotation manuelle des documents avec l’ontologie DBpedia

• 1115 personnes, 1003 lieux, 987 organisations, 775 dates

• 876 relations entre instances de concepts 3 Comparaison des r´esultats avec la r´ef´erence

7 EN non reconnues par le syst`eme - Analyse syntaxique erron´ee 7 Cor´ef´erence - Anaphore

Mod`ele d’ER Pre% Rec% F1%

DBpedia 32.2 20.7 25.2

DBpedia+Patrons Lex 49.0 32.2 38.8

DBpedia+Patrons Lex&Syn 56.5 53.2 54.8

Table :

R´ esultats pour les 12 types de relations selon les diff´ erents mod` eles.

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 14 / 17

(28)

Proposition ´Evaluation

Evaluation de l’ER ´

Exp´erience

u REN bas´ee sur une ontologie - F1 = 82%

3 Corpus d’´evaluation de 200 d´epˆeches du journalLe Monde 3 Annotation manuelle des documents avec l’ontologie DBpedia

• 1115 personnes, 1003 lieux, 987 organisations, 775 dates

• 876 relations entre instances de concepts 3 Comparaison des r´esultats avec la r´ef´erence

7 EN non reconnues par le syst`eme - Analyse syntaxique erron´ee 7 Cor´ef´erence - Anaphore

Mod`ele d’ER Pre% Rec% F1%

DBpedia 32.2 20.7 25.2

DBpedia+Patrons Lex 49.0 32.2 38.8

DBpedia+Patrons Lex&Syn 56.5 53.2 54.8

Table :

R´ esultats pour les 12 types de relations selon les diff´ erents mod` eles.

(29)

Proposition ´Evaluation

Evaluation de l’ER ´

Exp´erience

u REN bas´ee sur une ontologie - F1 = 82%

3 Corpus d’´evaluation de 200 d´epˆeches du journalLe Monde 3 Annotation manuelle des documents avec l’ontologie DBpedia

• 1115 personnes, 1003 lieux, 987 organisations, 775 dates

• 876 relations entre instances de concepts 3 Comparaison des r´esultats avec la r´ef´erence

7 EN non reconnues par le syst`eme - Analyse syntaxique erron´ee 7 Cor´ef´erence - Anaphore

Mod`ele d’ER Pre% Rec% F1%

DBpedia 32.2 20.7 25.2

DBpedia+Patrons Lex 49.0 32.2 38.8

DBpedia+Patrons Lex&Syn 56.5 53.2 54.8

Table :

R´ esultats pour les 12 types de relations selon les diff´ erents mod` eles.

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 14 / 17

(30)

Conclusion

Conclusion - Perspectives

o Outils d’ER int´ egr´ e dans un syst` eme d’EIBO

o Approche ` a base de r` egles exploitant la base de connaissance DBpedia o Les patrons lexico-syntaxiques am´ eliorent les performances

7 Approche d´ ependante de la REN et de l’analyse syntaxique

Travaux ` a venir

ß Am´ elioration de la REN

ß Meilleure adaptation de l’analyseur Fips ` a la REN

ß Evaluation sur un corpus/nombre de relations plus important ´

ß Prendre en consid´ eration la r´ esolution d’anaphore/cor´ ef´ erence

(31)

Conclusion

Conclusion - Perspectives

o Outils d’ER int´ egr´ e dans un syst` eme d’EIBO

o Approche ` a base de r` egles exploitant la base de connaissance DBpedia o Les patrons lexico-syntaxiques am´ eliorent les performances

7 Approche d´ ependante de la REN et de l’analyse syntaxique

Travaux ` a venir

ß Am´ elioration de la REN

ß Meilleure adaptation de l’analyseur Fips ` a la REN

ß Evaluation sur un corpus/nombre de relations plus important ´ ß Prendre en consid´ eration la r´ esolution d’anaphore/cor´ ef´ erence

Kamel Nebhi (LATL, Gen`eve) ER bas´ees sur une Ontologie pour le WS 26 Juillet 2013 15 / 17

(32)

Conclusion

R´ ef´ erences

M. Banko and O. Etzioni. The tradeoffs between open and traditional relation extraction. InProceedings of ACL-08: HLT, pages 28–36. ACL, 2008.

C. Brewster and Y. Wilks.Natural Language Processing as a Foundation of the Semantic Web. now Publishers Inc., Delft, Netherlands, 2009.

A. Gangemi. A comparison of knowledge extraction tools for the semantic web. InESWC, 2013.

M. A. Hearst. Automatic acquisition of hyponyms from large text corpora. InProceedings of the 14th conference on Computational linguistics - Volume 2, COLING ’92, pages 539–545. Association for Computational Linguistics, 1992.

J. Lehmann, R. Isele, M. Jakob, A. Jentzsch, D. Kontokostas, P. N. Mendes, S. Hellmann, M. Morsey, P. van Kleef, S. Auer, and C. Bizer. Dbpedia - a large-scale, multilingual knowledge base extracted from wikipedia.Semantic Web Journal, 2013.

M. Mintz, S. Bills, R. Snow, and D. Jurafsky. Distant supervision for relation extraction without labeled data.

InProceedings of the Joint Conference of the 47th Annual Meeting of the ACL, pages 1003–1011, 2009.

K. Nebhi. Ontology-based information extraction for french newspaper articles. InProceedings of the 35th Annual German conference on Advances in Artificial Intelligence, KI’12, pages 237–240, 2012.

B. Rink and S. Harabagiu. Utd: Classifying semantic relations by combining lexical and semantic resources. In Proceedings of the 5th International Workshop on Semantic Evaluation, SemEval ’10, 2010.

E. Wehrli. Fips, a ”deep” linguistic multilingual parser. InProceedings of the Workshop on Deep Linguistic Processing, pages 120–127. ACL, 2007.

(33)

Questions?

kamel.nebhi@unige.ch

Références

Documents relatifs

Grˆ ace au concept de distributions, il est possible de d´efinir convenablement des op´erations (d´erivation, transformation de Fourier) qui ne sont pas l´egitimes (qui n’ont pas

R´ esoudre apr` es avoir montrer que l’´ equation donn´ ee est homog` ene:. En utilisant la m´ ethode de variation de la constante int´

R´e´ecrire P en tenant compte de la somme d’une progression g´eom´etrique.. Soit p un

– On d´ eduit formellement de la proposition une structure de cat´ egorie de mod` eles sur la cat´ egorie sAlg k /A des k-alg` ebres simpliciales au-dessus d’une alg` ebre A, dont

Le syst` eme associ´ e (celui dont D est la matrice augment´ ee), et donc le syst` eme initial (qui lui est ´ equivalent) sont des syst` emes d’´ equations incompatibles.. Il suffit

(ar- rêtez). Charles fit un saut, rentra la tête dans ses épaules et dit en se retournant: ah ! c'est vous, vous m'avez fait bien peur. Vendredi 24 juin. du matin, nous nous

Fig. those sites with large amounts of data and a rather regular structure. RoadRunner works by comparing the HTML structure of a set of sample pages of the same type, and generates

Pour les 3 configurations correspondant aux cas appel´ es d i = k.p j avec j &gt; i, l’impossibilit´ e vient du fait qu’entre un nombre premier et le nombre premier pr´ ec´