G n ration dynamique de r ponses coop ratives dans webcoop
This presentation is the property of its rightful owner.
Sponsored Links
1 / 25

Génération dynamique de réponses coopératives dans WEBCOOP PowerPoint PPT Presentation


  • 77 Views
  • Uploaded on
  • Presentation posted in: General

Génération dynamique de réponses coopératives dans WEBCOOP . Farah Benamara IRIT, Toulouse. Introduction. WEBCOOP : un système qui produit des réponses intelligentes en français à des questions en LN sur le web.

Download Presentation

Génération dynamique de réponses coopératives dans WEBCOOP

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


G n ration dynamique de r ponses coop ratives dans webcoop

Génération dynamique de réponses coopératives dans WEBCOOP

Farah Benamara

IRIT, Toulouse

GENI 20-02-03


Introduction

Introduction

  • WEBCOOP : un système qui produit des réponses intelligentes en français à des questions en LN sur le web.

  • Il intègre des procédures de raisonnements ainsi que techniques NLG couplées avec des liens hyper-textes  réponses dynamiques.

  • N’est pas développé dans une perspective de dialogue et n’inclut pas de modèle utilisateur.

GENI 20-02-03


Ii le corpus d tude

II. Le corpus d’étude

  • Étude de corpus (en cours)

    • Frequently Asked Question (FAQ) sur le tourisme (hébergement, transport, location…)

  • Permet de caractériser nos besoins en coopérativité

  • Quelques exemples.

GENI 20-02-03


G n ration dynamique de r ponses coop ratives dans webcoop

Exemple 1 : AIR FRANCE

GENI 20-02-03


G n ration dynamique de r ponses coop ratives dans webcoop

Exemple 2 : http://www.cote-azur.businessriviera.com/accueil/faq_fr.asp#hotel

GENI 20-02-03


Ii le corpus d tude1

II. Le corpus d’étude

  • Exemple 3:[http://www.perubolivian.com/eng/Faq.htm]

  • Question : Can I pay through your web site?

  • Réponse:On line payments are not available at this time, but you can send your payment vía fax including all details of your credit card.

  • Exemple 4 :[http://www.cam.org/~bblilas/gite/questions.html ]

  • Question :Êtes-vous près du théâtre et du restaurant de la roche à Veillon?Réponse : La Roche à Veillon est située sur la 132 dans la partie est du village à environ 8 km de notre gîte.

GENI 20-02-03


Iii les r ponses coop ratives dans webcoop

III. Les réponses coopératives dans WEBCOOP

  • Étude de corpus : le bilan

    • Les questions utilisateurs : mots clés ou des expressions en LN

    • Les réponses peuvent être atomiques ou narratives

    • Cibler différents types de comportement coopératif

       réponses explicatives, conditionnelles, intentionnelles, ‘’warning’’, textuelle…

  • Les réponses coopératives dans WEBCOOP : nos spécifications

GENI 20-02-03


G n ration dynamique de r ponses coop ratives dans webcoop

Partie 1 :Diagnostic de fausses présuppositions

  • Partie 2 :

  • Le composant de savoir-faire coopératif

  • Relaxation graduelle et minimale

III. Nos spécifications : exemple 1

GENI 20-02-03


G n ration dynamique de r ponses coop ratives dans webcoop

Partie 1 :

Diagnostic de fausses présuppositions

  • Partie 2 :

  • Le composant de savoir-faire coopératif

  • Relaxation

  • intentionalité

III. Nos spécifications: exemple2

GENI 20-02-03


G n ration dynamique de r ponses coop ratives dans webcoop

  • Cooperative Know HowComponent

  • Interpretation of fuzzy terms

  • intentionality

III. Nosspécifications : exemple 3

GENI 20-02-03


G n ration dynamique de r ponses coop ratives dans webcoop

Détection de conflits

possibles

oui

Diagnostic de fausses présuppositions

non

Le composant de savoir-faire coopératif

Trop de

réponses

conflits

Pas ou peu de réponses

Intentionnalité

Relaxation

Relaxer(conflits)

Forme logique des réponses

Génération dynamique

Forme logique de la question

GENI 20-02-03


G n ration dynamique de r ponses coop ratives dans webcoop

Détection de conflits

possibles

Question Logical Form

oui

Diagnostic de fausses présuppositions

non

Le composant de savoir-faire coopératif

Trop de

réponses

conflits

Pas de réponses

Intentionnalité

Relaxation

Relaxer(conflits)

Forme logique des réponses

Génération dynamique

GENI 20-02-03


Vi 1 raisonnements pour la d termination de contenu diagnostic de fausses pr suppositions

VI. 1 Raisonnements pour la détermination de contenu : Diagnostic de fausses présuppositions

  • L’utilisateur présuppose l'existence d'une entité qui n'existe pas, ou présuppose la présence d'une relation entre deux entités (ou types d'entités) qui est inconsistante avec les faits.

  • Techniques de détection de FP

    • ‘‘Hyper résolution positive’’ [Chang and Lee, 73]

    • ’’merge compatibility’’ entre la question et les CIs de la BC [Gal, 88]

GENI 20-02-03


Vi 1 raisonnements pour la d termination de contenu diagnostic de fausses pr suppositions1

Absence de faits

Violation d’une CI

Violation de plusieurs CIs

Cause du conflit : (Qi, Ri, CIi)

Conflit pertinent

VI.1 Raisonnements pour la détermination de contenu : Diagnostic de fausses présuppositions

Conflits dans une question Q=Q1 Q2 ……Qn

GENI 20-02-03


Vi 2 raisonnements pour la d termination de contenu le composant de savoir faire

VI. 2 Raisonnements pour la détermination de contenu : Le composant de savoir faire

  • Techniques de description intentionnelles (non traitées ici)

  • Procédures de relaxation intelligentes qui vont au delà des méthodes de généralisation classiques.

  • Règles de coopérativités additionnelles qui utilisent l’ontologie ainsi que les connaissances générales du domaine.

GENI 20-02-03


Vi 2 raisonnements pour la d termination de contenu le composant de savoir faire1

VI. 2 Raisonnements pour la détermination de contenu : Le composant de savoir faire

  • Techniques de généralisation classiques [Gaasterland et ali, 92] (réécriture de prédicats, briser une dépendance…)

  • Relaxation guidée par le(s) conflit(s) détectés

  • Relation de proximitéqui utilise les propriétés inhérentes aux objets, une ontologie conceptuelle et des relations de la sémantique lexicale.

  • S’applique sur différents domaines techniques ou ontologique : distance (exp2), prix, capacité(exp1), type de transport…

  • Processus itératif

GENI 20-02-03


Vi 2 raisonnements pour la d termination de contenu la relation de proximit

La règles de réécriture générale est

Relax(F(Var), T)  R  NewFormule

VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité

  • Soit T l’ensemble des variables qui apparaissent dans le conflit

  • Soit X l’ensemble des variables qui apparaissent dans les prédicats où un élément de T apparaît

  • Soit F(X,T) l’ensemble des prédicats de la question où au moins une variable de Var=X  T apparaît, et R le reste de la question.

GENI 20-02-03


Vi 2 raisonnements pour la d termination de contenu la relation de proximit cas1

VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité -cas1-

  • Considérer plusieurs objets de même type, au lieu d’un jusqu’à ce que la contrainte soit satisfiable.

  • Exemple :

  • chalet(x)  in(place, x,z)  capacity(x, nb1)  chalet(y)  in(place, y,z)  capacity(y, nb2)  x  y  near(place,x,y,result)  z= Corsica  (nb1+nb2)  15.

GENI 20-02-03


Vi 2 raisonnements pour la d termination de contenu la relation de proximit cas2

VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité -cas2-

  • Proposer le même type de ressource proche du type de ressource à l’origine de l’échec.

  • Exemple : A la question :

  • flight(x,paris,T)  T = albi est relaxée via

  • flight(x,paris,Z)  T = albi  near(place,T, Z, result)  T  z

GENI 20-02-03


Vi 2 raisonnements pour la d termination de contenu la relation de proximit cas3

VI. 2 Raisonnements pour la détermination de contenu : La relation de proximité -cas3-

3. Relaxation minimale par rapport à une ressource qui rend consistante la contrainte violée.

Exemple : la formule logique de l’exemple 1

chalet(x)  in(place, x,y)  capacity(x, nb)  nb=15  y= corsica

Est relaxée via :

near(typeof(x),x,v,result)  in(place, v ,y)  capacity(v, nb)  nb=15  y= corsica.

GENI 20-02-03


V g n ration dynamique de surface de r ponses coop ratives

V. Génération dynamique de surface de réponses coopératives

  • Génération dynamique (1) les problèmes de planification propre aux NLG sont laissés à l’usager, (2) améliore la lisibilité et l’accès à l’information.

  • Le processus de génération s’appui sur : (1) quelques fragments de phrases prédéterminées et (2) sur l’assemblage de fragments sous spécifiés.

GENI 20-02-03


V g n ration dynamique de surface de r ponses coop ratives1

V. Génération dynamique de surface de réponses coopératives

  • Les liens hypertextes sont sur des concepts généralisés (souvent NPs) ou sur des termes faisant partie de la réponse et qui correspondent à des concepts non terminaux de l’ontologie.

  • Lexicalisation :garder trace des termes de la question et les utilisées le plus possible.

GENI 20-02-03


Conclusions

Conclusions

  • Présenter les aspects formelles de la détermination du contenu et quelques éléments de la génération de surface.

  • Composant de savoir-faire basé ’’actuellement’’ sur de la relaxation minimale intelligente formalisée par une relation générique de proximité

GENI 20-02-03


Conclusions extensions futurs

Conclusions : extensions futurs

  • Développer de nouvelles stratégies de savoir-faire coopératives ainsi que leurs implémentations (les termes flous ),

  • Analyser l’utilisation des techniques d’argumentation (Horacek, 99), en particulier quand une FP est causée par la violation de plusieurs CIs

  • Spécifier les stratégies pour la génération de réponses intentionnelles dans le composant de savoir-faire,

  • Étudier les aspects externes pour la génération de fragments de textes extrait de page web, en particulier pour les questions nécessitants des réponses narratives tels que des procédures ou des comparaisons.

GENI 20-02-03


G n ration dynamique de r ponses coop ratives dans webcoop

F. Benamara et P. Saint Dizier, Dynamic Generation of Cooperative Natural Language Responses,

Ninth European workshop on Natural Language Generation . EACL, Budapest, Hongrie; Avril 2003.

GENI 20-02-03


  • Login