analyse syntaxique amalia todirascu [email protected]

Analyse syntaxique

Amalia [email protected]

Plan Présentation des problématiques du TAL Etiquetage morpho-syntaxique, approches

générales + Prise en main d'outils (TreeTagger, Flemm)

Analyse syntaxique : présentation générale + Prise en main d'outils (Cordial)

Ressources pour le Tal (grammaires, lexiques)

Plan du cours

Les objectifs d'un outil d'analyse syntaxique automatique

Notions: grammaire, lexique, arbre syntaxique

Comment fonctionne un outil d'analyse syntaxique automatique ? approche classique approche statistique approche robuste

Motivation

Les objectifs des outils TAL sont de comprendre le sense du texte, en passant par la syntaxe Une personne qui parle sa langue maternelle

va identifier les phrases mal-formées du point de vue syntaxique, en revanche les outils de TAL doivent acquerir cette capacité

Un analyseur syntaxique automatique utilise une grammaire un lexique un moyen de raisonner pour distinguer les phrases

correctes et les erreurs

Motivation (II)

Matériel d'étude pour: les linguistes les traducteurs les chercheurs TAL

Applications TAL: Outils d'aide à la traduction Apprentissage d'une langue étrangère Recherche d'information dans une base

textuelle Applications de commerce électronique

14/03/2009 Séminaire de formation LILPA 6

Un exemple d'annotation

Annotation pour "Goriot payait encore douze cents francs de pension."

STA:fcl

S:prop("Goriot") Goriot

P:v-fin('payer' IMPF 3S IND) payait

fA:adv("encore") encore

Od:np

=DN:num("douze") douze

=H:n('cent' M P) cents

=DN:adj('franc' M P) francs

=DN:pp

==H:prp("de") de

==DP:n('pension' F S) pension

Grammaire, lexique, arbre Point de vue linguistique

Une grammaire = un ensemble de règles qui identifient les phrases correctes d'une langue

Le lexique = l'ensemble des mots qui sont reconnus par une langue

Point de vue TAL Grammaire = un ensemble de règles qui

s'appliquent pour construire la structure syntaxique de la phrase

Lexique = l'ensemble des mots d'une langue en format électronique, avec leurs propriétés morpho-syntaxiques

Lexique Collection des mots avec leurs propriétés

morpho-syntaxiques, sémantiques Parfois seulement les lemmes sont disponibles Génération automatique des formes fléchies Utilisation des étiquetteurs peut remplacer le

lexique Exemples

<forme: abeilles, cat: nom, lemme:abeille, nombre:pl, genre: fém>

<forme: suis, cat: verbe, lemme:être, mode: indicatif, temps: présent, pers: 1, nombre: sg>

<forme: suis, cat: verbe, lemme:suivre, mode: indicatif, temps: présent, pers: 1, nombre: sg>

Problèmes

Ambiguïtés – plusieurs analyses syntaxiques seront possibles Eventuellement l'information sémantique

peut servir pour éliminer les alternatives Lexiques de grande taille pour une

couverture linguistique appropriée incomplètitude

Traitement des erreurs – impossible si on s'appuie sur un lexique

Grammaire (I)

Chomsky (Structures Syntaxiques, 1969) propose une grammaire générative pour l'anglais Caractériser la notion de

grammaticalité Trouver un ensemble de règles qui

décrivent l'infinité des phrases produites dans une langue

Premiers élements pour un traitement automatique de la syntaxe

Grammaire en TAL (II)

Utilisées pour la génération d'un langage et pour identifier si une phrase fait partie du langage (analyse)

Composition Un symbole initial Un ensemble de composants syntaxiques

identifiables par la grammaire Un ensemble de règles de transformation

(dont au moins une ayant le symbole initial à gauche)

Un ensembles de mots (le lexique)

Exemple – une grammaire du group nominal GN – symbole initial REL, GP – catégories intermédiaires Catégories lexicales: N, Adj, Prep,

PronRel, Det, P Règles

GN -> Det N GN -> Det N Adj GN -> GN GP GP -> Prep GN GN -> GN PronRel P

Exemple – les règles appliquées P-> GN GV GN->Pron GN-> Det N GP GN-> Det N GV-> V GN GP-> Prep GN

Pron -> Je V -> vois Det-> un N-> homme Prep -> avec Det -> des N-> jumelles

Arbre Syntaxique (I)

Chomsky propose une théorie qui permet de modéliser la syntaxe pour être utilisable par une machine;

Une règle de transformation d'une grammaire = un noeud dans l'arbre syntaxique avec ses descendants

GN -> Det N Adj GN

Det N Adj


fcl

pension

prop v-fin npadv

Goriot payait encore num n adj pp

de

prpcentsdouze nfrancs

fcl prop v-fin adv np

np num n adj pp

pp prp n

Comment construire un arbre syntaxique pour un texte? Ressources: Grammaire et lexique Stratégies possibles:

du haut vers le bas (du noeud racine vers les feuilles)

du bas vers le haut (des feuilles vers le noeud racine)

L'algorithme qui applique les régles de grammaire Entrée: la phrase à analyser Sortie: l'arbre syntaxique associée, si la

phrase est correcte, sinon échec

Stratégie descendente

S_courant = P le symbole initial de la grammaire

Tant que il y a encore des règles dans la grammaire G Si S_courant est une catégorie lexicale et le

mot de la phrase d'entrée fait partie du lexique et a la même catégorie lexicale, stop

Sinon, identifie les règles ayant à gauche le symbole S_courant

Choix d'une règle et transformation S_courant = le premier élément à droite de la

règle choisie

Problèmes Si plusieurs règles avec le même symbole

gauche disponibles => plusieurs arbres Si un mot n’est pas dans le lexique,

impossibilité de construire l’arbre syntaxique Si la grammaire n’est pas complète,

impossibilité de construire l’arbre syntaxique Règles circulaires => branches infinies

GN-> Det N GN -> GN GP

La stratégie ascendente S_courant = P le symbole initial de la

grammaire; R – l’ensemble des règles de la grammaire; Pile – la pile des symboles à interpreter

Tant qu’il y a des mots dans la phrase d’entrée Choix du mot suivant et cherche le mot dans le

lexique Si le mot est dans le lexique, sélectionne la catégorie

lexicale, rajoute un nœud dans l’arbre et dans la pile des symboles P

Si les derniers n symboles de la pile forment la partie droite d’une règle, alors construit le nœud dans l’arbre et ajoute le symbole gauche de la règle utilisé en Pile

Si Pile = {P}, alors succes, sinon echec

Problèmes de la stratégie ascendente Règles circulaires => branches

infinies aussi Si un mot n’est pas dans le lexique,

l’algorithme s’arrête Il faut revenir en arrière s’il y a

plusieurs règles applicables


Un exemple : Analyseurs syntaxiques en ligneFIPS http://www.latl.unige.ch/ (Laboratoire

d’Analyse et de Technologie du Langage) Langues traitées :

Anglais, Français, Allemand, Italien Modèle chomskyen, théorie GB

=> architecture modulaire du programme Modules universaux Modules spécifiques

principesparamètres


FIPS -Utilisation

1. Copier-coller le texte2. Sélectionner l’application (le type de sortie)

1. Parser : analyse syntaxique seule2. Tagger : analyse syntaxique + étiquettes3. XML : (bug) schéma X-barre

3. Cliquer sur ‘Analyser’


FIPS - Parser

Plan du cours

Les objectifs d'un outil d'analyse syntaxique automatique

Notions: grammaire, lexique, arbre syntaxique

Comment fonctionne un outil d'analyse syntaxique automatique ? approche classique approche statistique approche robuste

Analyse syntaxique – divers approches

Analyse syntaxique “classique” (Gazdar 1996, Shieber 1984)

Une phrase correcte = un arbre syntaxique complet

Analyse syntaxique robuste (S.Abney 1991)

Identifier que les constituents syntaxiques “pertinents”

Analyse syntaxique statistique (Caroll 1996, Bod & all 2003)

Les règles de grammaires sont décorées avec des probabilités

Problèmes comment gérer les ambiguïtés?

lexicales syntaxiques sémantiques

ressources linguistiques incomplètes (grammaires, patrons)

quantité importante de textes à traiter

Analyse statistique proposée pour résoudre les problèmes

des analyseurs syntaxiques une méthode possible :

grammaires probabilistes (indépendentes de contexte) (Charniak 1996)

nécessite une phase d'apprentissage sur les données

Grammaires probabilistes Un symbole de départ (le composant

maximal à identifier) un ensemble de composants syntaxiques ou

catégories lexicales (symboles non-terminaux) N

un ensemble de symboles terminaux (mots) T

un ensemble de règles A -> A1…An (A N, Ai TN )

un ensemble de probabilités pi associés à chaque règle A pi(A->A1…An)=1

Un exemple de grammaire probabiliste

P-> GN VN (1.0) GP-> Prep GN

(1.0) GV-> V GN (0.7) GV -> GV GP (0.3) GN -> GN GP

(0.4) V-> saw (1.0)

Prep-> with (1.0) GN ->

astronomers (0.1) GN-> ears (0.18) GN -> saw (0.04) GN-> stars (0.18) GN -> telescopes

(0.1)

Arbres syntaxiques probabilistes les règles de grammaires

s'appliquent pour créer l'arbre syntaxique associé au texte

la probabilité de l'arbre = produit de tous les règles qui s'appliquent pour construire l'arbre

P(Arbre|R) = p(ri), ri règle qui s'applique pour construire l'arbre

Un exempleP

GN GV

V GN

N GP

Prep N

astronomers

saw

stars

with earsp(t1)=1*0.1*0.7*1.0*0.4*0.18*1.0*1.0*0.18

Analyse statistique apprentissage

des règles de grammaire des probabilités à partir d'un corpus (arboré), et des

exemples positifs analyse syntaxique de la phrase:

construire un arbre syntaxique le plus probable, étant donnée une grammaire

Apprentissage sur un corpus arboré, on peut extraire

les règles trouvés dans le corpus si S est la phrase à analyser, et T est

l'arbre syntaxique associé, les règles LHS->RHS alors la probabilité: P(T|S) = i=1..n P(LHSi->RHSi|LHSi) P(LHSi->RHSi|LHSi) = Count(LHSi,

RHSi)/Count(LHSi)

Apprentissage (II) à partir d'un

corpus étiqueté, il faut calculer la probabilité que n mots apparaissent ensemble

Log-likelihood n12 = n1* - n11

n21 = n*1 – n11n22 = n** - n11

w2 ¬ w2

w1 n11 n12

¬ w1

n21 n22

2

1

2

1 **

**log2j i ji

ijij nn

nnnLL

L'analyseur syntaxique cherche l'arbre T qui maximise la

quantité P(T|S) un algorithme qui est basé sur un

diagramme, construite sur les mots de la phrase d'entrée (Caroll, Briscoe, 1996) liste de clés états

Autre modèle DOP (Data Oriented Parsing) (R.Bod 2003) chaque personne produit un nombre infini de

phrases d'où l'idée de stocker tous les sous-arbres

d'un arbre syntaxique identifié dans le corpus

quand on présente une nouvelle phrase: on décompose en segments on identifie les arbres partiels on recompose pour avoir l'arbre syntaxique le

plus probable

DOP une règle qui identifie les phrases correctes des règles de décomposition des arbres

racine (sélectionner un nœud racine et extraire le sous-arbre)

frontière (sélectionner d'autres nœuds que les nœuds racines et effacer ces arbres)

des règles de compositions substitution

comment calculer la probabilité d'une phrase à base des fréquences de ses fragments P(t) = nb(t)/(t'(racine(t)=racine(t'))*nb(t'))

Avantages et limites avantages

apprentissage à partir des données, donc à des exemples rééls

limites la taille et la qualité du corpus

d'entraînement sont très importantes validation linguistique est nécessaire

Problèmes liés aux grammaires Niveau d'ambiguïté élévé

Information contextuelle nécessaire pour la desambiguïsation

Couverture linguistique Exceptions pour les phénomènes spécifiques

Traitement des erreurs - alternatives Analyse syntaxique partielle (S.Abney 1991) Analyse statistique (Carroll, 1999, Bod, 2003)


Cordial analyseur

Logiciel commercial : pas d’information précise sur les principes de fonctionnement

Installation sur sa propre machine, interface d’utilisation

Choix des paramètres d’analyse

http://www.synapse-fr.com/Cordial_Analyseur/Presentation_Cordial_Analyseur.htm


Cordial analyseur

Deux possibilités de sorties: en arbre en liste

Dans les deux cas : relations (SUJ, COD, COI, Circonstant,

Attribut, etc.) groupes syntaxiques

Sortie liste étiquette morphosyntaxique classe sémantique

Analyse syntaxique – divers approches

Analyse syntaxique “classique” (Gazdar 1996, Shieber 1984)

Une phrase correcte = un arbre syntaxique complet

Analyse syntaxique robuste (S.Abney 1991)

Identifier que les constituents syntaxiques “pertinents”

Analyse syntaxique statistique (Caroll 1996, Bod & all 2003)

Les règles de grammaires sont décorées avec des probabilités


Analyseurs syntaxiques en ligne1. VISL http://beta.visl.sdu.dk/visl/fr/

parsing/automatic/ Langues traitées :

Danois, Anglais, Esperanto, Français, Allemand, Portugais, Espagnol, Italien, Norvégien (bokmål)

Constraint Grammar Règles contextuelles écrites par des linguistes (par opposition à une analyse probabiliste, statistique)


VISL - Utilisation

1. Choisir une sortie :• arbre ou structure plate

2. Copier-coller le texte à analyser3. Cliquer sur ‘Go!’


VISL - Arbre


VISL – Structure plate


Analyseurs syntaxiques en ligne2. XFG http://www.xlfg.org/ Développé par L. Clement Langues traitées :

Anglais, Français Grammaire LFG (Lexical Functional

Grammar)


Analyseurs syntaxiques en ligne3. XIP http://www.xrce.xerox.com/xip/page1.jsp Développé par S. Aït-Mokhtar et J.-P. Chanod Langues traitées :

Anglais, Français, Espagnol, Italien, Portugais Grammaire de dépendances entre ‘tokens’

Grammaires de dépendance

S

NP NPV

EN

travaille

D N

Karl le soir Karl

ENROOT

travaille le soir

V D N

NMODSBJ

VMODR0

Grammaires de dépendance (II)

51

S

NP NPV

EN

travaille

D N

Karl le soir

ROOT

V:travaille

NE:Karl N:soir

D:le

R0

SBJ VMOD

NMOD

Grammaires de dépendance Formalisme:

T = terminaux N = non-terminaux L = étiquettes ROOT = noeud initial règles: RI : règle de catégorisation : X y1 | … | yn

RII : règle de dépendence : X(Y1…Yi*Yi+1…Yn) RIII: catégories liées avec ROOT

52

ROOT

V:travaille

EN:Karl N:soir

D:le

R0

SBJ VMOD

NMOD


XIP - Utilisation

1. Choisir la langue2. Copier-coller le texte à analyser3. Choisir une sortie

1. minimale (analyse syntaxique)2. totale (lemme + analyse syntaxique)3. arbre4. arbre complet (?)5. extraction d’entités (fournit uniquement

les Entités Nommées)6. format xml

4. Cliquer sur ‘Start parsing’


XIP – ‘full output’


XIP – ‘tree’


Conclusion

Pas de standard Objectifs, fonctionnement des

analyseurs divers => Evaluation et comparaison difficiles

Relative médiocrité des performances pour le français, campagne

d’évaluation EASY


Evaluation des analyseursRésultats de Syntex lors de la campagne EASY

Précision, rappel et f-mesure, avec le rang de classement de SYNTEX (r) et l’écart avec l’analyseur classé deuxième pour la précision et la f-mesure (S-n°2), et l’écart l’analyseur classé premier pour le rappel (S-n°1)


Evaluation des analyseurs (II)

Corpus Littéraire Corpus Le Monde

Evaluation (III) Nouvelle campagne: PASSAGE

(2007-2009) http://atoll.inria.fr/passage

mise à disposition des corpus de référence

plate-forme d'annotations outils de visualisation

Références bibliographiques N.Chomsky – Structures syntaxiques, Editions du Seuil, 1969 Steven Abney - Parsing By Chunks. In: Robert Berwick, Steven Abney

and Carol Tenny (eds.), Principle-Based Parsing. Kluwer Academic Publishers, Dordrecht. 1991

R. Bod, J. Hay and S. Jannedy (eds.) - Probabilistic Linguistics, The MIT Press, 2003

Carroll, J. and Briscoe, E. (1996) “Apportioning development effort in a probabilistic LR parsing system through evaluation”. In Proceedings of the ACL/SIGDAT Conference on Empirical Methods in Natural Language Processing, University of Pennsylvania, PA. 92-100.

Charniak, E. (1997) "Statistical parsing with a context-free grammar and word statistics", Proceedings of the Fourteen National Conference on Artificial Intelligence, AAAI Press/MIT Press, Menlo Park

Collins, M.J. (1996) A New Statistical Parser Based on Bigram Lexical Dependencies (1996) In Proceedings of the 34th Annual Meeting of the Association for Computational Linguistics


Références Abeillé, A., L. Clément, and F. Toussenel. (2003). `Building a treebank

for French', in A. Abeillé (ed) Treebanks , Kluwer, Dordrecht Ait-Mokhtar, S., Chanod J.-P. (1997) Incremental finite-state parsing.

In Proceedings of Applied Natural Language Processing 1997, Washington, DC. April 97

Bick, Eckhard (2006). A Constraint Grammar-Based Parser for Spanish. In: Proceedings of TIL 2006 - 4th Workshop on Information and Human Language Technology (Ribeirão Preto, October 27-28, 2006). ISBN 85-87837-11-7

Bourigault D., Fabre C., Frérot C., Jacques M.-P. & Ozdowska S. (2005), Syntex, analyseur syntaxique de corpus, in Actes des 12èmes journées sur le Traitement Automatique des Langues Naturelles, Dourdan, France

Joshi, A. (1994). Introduction to Tree Adjoining Grammars. In Computational Intelligence

Lopez, P. (1999). Analyse d'énoncés oraux pour le dialogue homme-machine à l'aide de grammaires lexicalisées d'arbres, Thèse, INRIA-Lorraine

Wehrli, E. (2005) Fips, a “Deep” Linguistic Multilingual Parser, Proceedings of the 5th Workshop on Important Unresolved Matters, pages 120–127, Ann Arbor, June 2005, Association for Computational Linguistics

Evaluation (I) Un dossier de 6-8 pages : Contenu

soit vous présentez un outil d'analyse automatique (étiqueteur, analyseur syntaxique) ou une ressource utilisée pour l'analyse (lexique, grammaire) avec les avantages et les limites

soit vous comparez deux outils de même catégorie avec les avantages et les inconvenients de chaque outil

Date limite : 4 novembre 2010

Evaluation (II) pas de reprise à l'identique du

texte/source Web consulté en cas de reprise identique, on cite

l'auteur et on met le texte entre "" pas plus de 15% dédiées aux

images (copies d'ecran) indiquer les sources consultées

(même si pages Web)

analyse syntaxique amalia todirascu [email protected]

Documents