Upload
kinsey
View
30
Download
1
Embed Size (px)
DESCRIPTION
Architectures articulant des représentations hétérogènes L’exemple de Gate (Mini tutoriel, journée Atala du 12 février 2005). Thierry Poibeau LIPN (CNRS et U. Paris 13) http://www-lipn.univ-paris13.fr/~poibeau. De quoi parle-t-on ?. - PowerPoint PPT Presentation
Citation preview
Architectures articulant des représentations hétérogènes
L’exemple de Gate
(Mini tutoriel, journée Atala du 12 février 2005)
Thierry PoibeauLIPN (CNRS et U. Paris 13)http://www-lipn.univ-paris13.fr/~poibeau
De quoi parle-t-on ?
Architecture permettant de recevoir des outils linguistiques de natures diverses Diversité des langages informatiques
employés Diversité des langues traitées
(multilinguisme) Diversité des types d’annotation Diversité des formats de données etc.
Pourquoi de telles architectures ?
Faciliter la conception d’applications Chaînage d’outils linguistiques Réutilisation de modules existants Gestion aisée des données (corpus et
annotations)
Nouveaux besoins liés au web Informatique répartie Multilinguisme
Quelques plates-formes, classées par type d’annotation
Ajout d’annotations au corpusLT-NSL/LT-XML toolkit, Edimburgh
Stockage des annotations à part TIPSTER (dont Gate, Ellogon, Alembic…)
Représentation uniforme (théorie ling.) Xtag U. Penn ; ENJU, U. Tokyo ; Alep …
Aucun mode de gestion pré-définie ICE Intarc, VerbMobil ; TalLab, I-CDC
L’exemple de Gate
Développé à Sheffield depuis 1996 Gratuit et open source Largement distribué (projets européens… )
« …des milliers d’utilisateurs sur des centaines de sites… »
Initialement développé dans le cadre Tipster
Gate 2 (depuis 2002) Entièrement en java (multi plate-forme) Unicode (multilinguisme)
http://www.gate.ac.uk
Principaux composants
Une infrastructure (architecture) Un ensemble de modules Un ensemble de données (textes, ressources, annotations) Une interface graphique permettant de manipuler les données Les traitements (chaînage de
composant)
Outils intégrés
Un système d’extraction d’information pour l’anglais (Segmentation, analyse morpho-syntaxique, entités nommées…)Un système de gestion de regex (Jape, module d’ expressions régulières en java)Interface d’annotation manuelleOutils d’évaluation (comparaison de l’annotation d’un module/référence)
Gestion des annotations
Format Tipster Informations sous forme attribut-valeur Stockage en dehors du document Référence au document par des indices
de position
Format Gate 2 Possibilités de « sorties » au format XML Nouveau types de données supportées
(dictionnaires, ontologies, etc)
Données demandant des liens entre éléments, plus complexe que le format attribut-valeur
Développement d’applications
Principales utilisations Extraction d’information, résumé
automatique Annotation sémantique (AKT)
Construire une application Choisir des composants Les intégrer à Gate (créolisation) Chaîner les traitements
L’expérience du projet Ecran
Projet européen (1996-1998) But Développer des systèmes d’extraction
d’information en anglais, français, grec
Moyens Plate-forme commune : Gate v1 Composants développés avec différents
langages Français : extraction + indexation
sémantique
Chaîne logicielle
Modules intégrés Modules développés hors-projet (Multext) Modules propres (U. Fribourg, Thomson-
CSF)
Visualiseur d’annotations
Visualiseur de Gate 1 (format propre)
Résultat de l’extraction
Formulaire d’extraction(développé en dehors de Gate, à partir des résultats de
l’analyse)
Bilan du projet Ecran
Des points intéressants Réutilisabilité des modules Visualiseurs intégrés Architecture modulable (chaînage)
Des points problématiques Insertion de composants délicate
(créolisation) Format d’annotation propriétaire (pas
XML) Relativement « lourd » et lent
Quelques éléments sur Gate 2
Environnement de création d’application Cf. environnements de développement
d’applications informatiques Enchaînement en pipe-line ou en parallèle Gestion intégrée des ressources
Intégration d’outils de développement de base Jape : bibliothèque d’automates à états finis Annotation auto./manuelle de textes Plusieurs types de visualiseurs
Construire une application (Gate 2)
Annotation sémantique (Gate2)
Bilan sur Gate 2
Un environnement séduisant Nombreux modules disponibles Facilité de manipulation et de
construction d’application Évaluation
Quelques limites « Créolisation » de composants
extérieurs Efficacité de java ?
Conclusion
Des environnements nécessaires Réutilisation et intégration
d’applications Modularité, évolutivité Échanges de données et de traitements
Un investissement rentable pour le TAL