phd defense presentation - soutenance de thèse

ISI

MRIMLIGCUI

Un modèle de Recherche d’Information orienté précision fondé sur les dimensions de domaine

Directeurs de thèse :

Jean-Pierre CHEVALLET, UJF

Yves CHIARAMELLA, UJF

Gilles FALQUET, UniGe

Saïd Radhouani

18 juillet 2008

ISI

MRIM18 juillet 2008 © S. Radhouani 2

Langage d’interrogation---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

Langage d’indexation

Documents ordonnés

Contexte

Correspondance

Objectif : Sélectionner les documents pertinents

qui traitent du thème de la requête.

Indexation Interrogation

Requête

ISI


Contexte

Contexte de recherche : utilisateur décrit un besoin précis• Milieux professionnels (médecine, physique, etc.)

Requête précise1. Terminologie spécifique

ex. "Un compte-rendu sur le type de traitements à effectuer en cas d’un cancer du sein de stade M0"

v Structure sémantique complexe• Relations sémantiques

ex. "Les documents qui parlent du général français responsable de la création de la zone de sécurité pendant le conflit des Balkans"

• Opérateurs

ex. "Des images de la peau de la main sans aucune pathologie"

• Quantificateurs

ex. "Une image qui contient Zinedine Zidane tout seul"

ISI


… pendant la guerre civile qui a eu lieu en ex-Yougoslavie, les Nations Unies ont chargé Philippe Morillon de créer une zone de sécurité. Celle-ci couvre la Serbie, la Slovénie …

Document Requête [CLEF05]

Problématique Donne-moi les documents qui parlent du général français responsable de la création de la zone de sécurité pendant le conflit des Balkans.

ISI





Philippe Morillon

Ex-Yougoslavie

Zone de sécurité

Serbie

Slovénie

Guerre civile d’Ex-Yougoslavie

Général

Français

Zone de sécurité

Balkans

Conflit des Balkans

ISI





Le SRI a besoin de connaissances, autres que celles présentes dans le texte.

Y a-t-il des éléments, autres que les descripteurs, qu’un document doit partager avec la requête pour qu’il soit considéré pertinent ?

Philippe Morillon

Ex-Yougoslavie

Zone de sécurité

Serbie

Slovénie


Général

Français

Zone de sécurité

Balkans

Conflit des Balkans

ISI




Conflit des Balkans

est_un

créé_pendant

Balkans

partie_de

Zone de sécurité

Ex-Yougoslavie

Général

est_unoriginaire_de

Philippe Morillon France

a_lie

u_à



Philippe Morillon

Ex-Yougoslavie

Zone de sécurité

Serbie

Slovénie


Général

Français

Zone de sécurité

Balkans

Conflit des Balkans

ISI




Personne

Lieu Géographique

Evénement Conflit des Balkans

est_un

créé_pendant

Balkans

partie_de

Zone de sécurité

Ex-Yougoslavie

Général

est_unoriginaire_de

Philippe Morillon France

a_lie

u_à




Conflit des Balkans

Philippe Morillon

Ex-Yougoslavie

Zone de sécurité

Serbie

Slovénie

Général

Français

Zone de sécurité

Balkans

ISI


Vers une RI basée sur les dimensions

ex.• Politique : personne, lieu géographique, époque, événement, etc.• Médecine : anatomie, pathologie, stade de la maladie, etc.

Idée de notre approche• Domaine : un thème peut être développé en faisant référence à un ensemble de

dimensions de ce domaine

• Auteur domaine thème dimensions termes document

• Médecin médecine image médicale anatomie fémur compte rendu

Une dimension d’un domaine est un concept utilisé pour exprimer des thèmes dans ce domaine

ISI


Objectifs et besoins

Résoudre des requêtes précises• Interpréter le contenu sémantique véhiculé par la structure extraite des

documents et des requêtes• Tenir compte de la complexité de la structure sémantique des requêtes

• Tenir compte des dimensions de domaine

1. Ressources externes (ontologie, thésaurus, taxonomie, etc.)• Définition des dimensions• Terminologie spécifique• Relations sémantiques

2. Langage de document expressif

• Indexation précise du contenu sémantique (dimensions, relations)

3. Langage de requête expressif

• Expression de besoin précis (opérateurs, relations, etc.)

ISI


Plan

I. Introduction

II. État de l’art : ressources externes & dimensions• Indexation• Interrogation• Dimensions• Synthèse

III. Modèle de RI fondé sur les dimensions de domaine• Formalisme de représentation de connaissances • Modèle de connaissances• Unité d’indexation• Modèle de document• Modèle de requête

IV. Expérimentations

V. Conclusion

ISI



---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------


Documents ordonnés

Ressources externes & dimensions

Correspondance


Requête

IntroductionEtat de l’art ModèleExpérimentationsConclusions

IndexationInterrogationDimensionsSynthèse

Ressources externes

ISI


Indexation conceptuelle

Représentation par des concepts au lieu de mots ambigus [Baziz05, Biemann05, Vallet05, Maisonnasse08]

• Représentation : sac de concepts

• Correspondance : partage de concepts entre document et requête

• Relations sémantiques non exploitées

• Utilisation des relations seulement pour la désambiguïsation [Baziz05]



Un concept est un objet mental défini comme une abstraction généralisée à partir de propriétés communes à des objets concrets.

Général

C01 Officier de l’armée

C02 Chef d’un ordre religieux

C03 Ce qui concerne le tout

ISI



---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------


Documents ordonnés


Correspondance


Requête



Ressources externes

ISI


Expansion de requêtes

Utiliser les relations enrichir le contenu de la requête [Voorhees94, Mihalcea00, Baziz et al.03]

• Représentation de la requête étendue : sac de concepts

• Correspondance : partage de concepts entre document et requête étendue

• Utilisation des relations seulement pour l’expansion

Relations Exemples

Généralisation/spécialisation {voiture} est_un {véhicule à moteur}

Composition {voiture} est_composé_de {{porte}, {moteur}}



ISI



---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------


Documents ordonnés


Correspondance


Requête



Ressources externes

ISI


RI & dimensions de domaine

Paradigme de recherche multi-facette [S. R. Ranganathan 1931]

Interface pour la navigation dans une collection [Yee 03, Hearst 06, Mäkelä 06]

Construction manuelle des facettes/dimensions : hiérarchies de concepts

Pas d’évaluation en termes de performance de recherche

Tests d’utilisabilité : approches prometteuses mais limitées à petite échelle [Yee 03, Diederich 06]• Annotée manuellement• Statique, de petite taille

Difficulté à résoudre des requêtes précises• Structure sémantique complexe (opérateurs)• Terminologie spécialisée : navigation profonde dans les hiérarchies de concepts

lourde surcharge cognitive



ISI


Synthèse

Approches existantes : insuffisantes devant les exigences présentées

Résoudre des requêtes précises• Interpréter la sémantique véhiculée par la structure extraite des documents et

des requêtes Tenir compte des dimensions Utiliser les relations sémantiques

Besoin de ressources externes• Représentation uniforme des documents, requêtes, et ressources externes

=> Formalisme de représentation de connaissances commun à ces trois éléments• Opération de comparaison fonction de correspondance • Prendre en compte les exigences des utilisateurs en termes d’opérateurs

(booléens, quantificateurs, etc.)



ISI


Plan

I. Introduction

II. État de l’art : ressources externes & dimensions• Indexation• Interrogation• Dimensions

• Synthèse



V. Conclusion

ISI


La logique descriptive

Logique Descriptive (DL) = Logique Terminologique

ALCQ : Attribute Language with Complements and Qualified number restriction

• Modéliser les connaissances d’un domaine (concepts et relations)

• Satisfait les exigences de notre modèle (opérateurs : ,⊓ ⊔ ; quantificateurs : ,∃ ≥)

T(erminological)-Box : ensemble d’axiomes terminologiques de la forme

• C ≡ D ou

• C ⊑ D

Algorithme de calcul de subsomption : déduire des connaissances implicites

• Général ⊑ Personne

• Philippe Morillon ⊑ Général


FormalismeConnaissancesUnité d’indexationDocumentRequête

=> Philippe Morillon ⊑ Personne

ISI


Logique descriptive & RI

correspondance

⊑T

q : une requête

Physical query Physical query Physical query Physical query Physical query Physical query Physical query

doc : un document

DL

RI

RdocRq



Physical document Physical document Physical document Physical document Physical document Physical document Physical document

ISI



---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------


Documents ordonnés

Modèle de connaissances

Correspondance


Requête


Ressources externes


ISI


Modèle de connaissances

Ressource externe : K = (C, R, Dim, T)

• Concepts : C ={c1, …, cnc}

• Rôles : R = {R1, …, Rnr}

• Dimensions : Dim = {dim1, …, dimnd}

• dimi = (rac_dimi, Ci )

• rac_dimi C : racine de la hiérarchie définissant dimi

• Ci = {c C | c ⊑ rac_dimi}

• T-Box : T (connaissances du domaine)



ISI


Modèle de connaissances : exempleIntroductionEtat de l’art ModèleExpérimentationsConclusions

C = {Evénement, Personne, etc.}

R = {originaire_de, partie_de, etc.}

Dim = {Événement, Lieu géographique, Personne}

dimPersonne = (Personne, {Général,

Philippe Morillon, …})

T-Box


Ｔ

Événement ⊑ ＴConflit des Balkans ⊑ EvénementGuerre civile d’Ex-Yougoslavie ⊑ Conflit des Balkans Conflit des Balkans ≡ ∃a_lieu_à.Balkans

Lieu géographique ⊑ ＴFrance ⊑ Lieu géographiqueBalkans ⊑ Lieu géographiqueEx-Yougoslavie ⊑ Lieu géographiqueEx-Yougoslavie ≡ ∃partie_de.BalkansZone de sécurité ⊑ Lieu géographiqueSerbie ⊑ Ex-YougoslavieSlovénie ⊑ Ex-YougoslavieZone de sécurité ≡ ∃créé_pendant.Conflit des Balkans

Personne ⊑ ＴGénéral ⊑ PersonnePhilippe Morillon ⊑ GénéralPhilippe Morillon ≡ ∃originaire_de.France

ISI


Unité d’indexation

Produire une représentation précise du contenu sémantique des documents (requêtes)

Interpréter la sémantique véhiculée par la structure extraite des documents (requêtes)• Se détacher de l’aspect sac de concepts• Utiliser les dimensions, concepts, et relations

ex. Interprétation de "Général français"

• élément de la dimension "Personne"• est "Général"• originaire de "France"



ISI


Unité d’indexation : élément de dimension

Tout concept d’une dimension est susceptible de constituer un élément de cette dimension lorsqu’il est utilisé dans un document ou une requête

• cidf dim : identifier edim• cdes dim : décrire edim• décrit_par : relation générique pour la modélisation

ex. edim ≡ Général ⊓ ∃originaire_de.France

Un élément d’une dimension dim est une expression ALCQ qui cherche à correspondre le plus précisément possible au concept de dim auquel il

est fait référence dans un document ou une requête.


edim ≡ cidf_1 … ⊓ ⊓ cidf_n ⊓ ∃décrit_par.cdes_1 … ⊓ ⊓ ∃décrit_par.cdes_m


ISI



---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------


Documents ordonnés

Représentation des documents

Correspondance


Requête


Ressources externes


ISI


Représentation des documents

document : doc représenté par des éléments de dimension

• Rdoc : expression ALCQ = conjonction d’éléments de dimension

• indexé_par : rôle pour associer un élément de dimension à un document


Un élément de dimension peut être pondéré (ne fait pas partie de la DL)

Rdoc est ajouté à la T-Box

Rdoc ≡ ∃indexé_par.edim1 ⊓ … ⊓ ∃indexé_par.edimn


ISI


Exemple

edim1 ≡ Philippe Morillon

edim2 ≡ Zone_de_Sécurité ⊓ ∃créé_pendant.Guerre civile d’Ex-Yougoslavie

edim3 ≡ Ex-Yougoslavie

edim4 ≡ Serbie

edim5 ≡ Slovénie

edim6 ≡ Guerre civile d’Ex-Yougoslavie

Rdoc ≡ ∃indexé_par.edim1 ⊓ ∃indexé_par.edim2 ⊓ ∃indexé_par.edim3 ⊓

∃indexé_par.edim4 ⊓ ∃indexé_par.edim5 ⊓ ∃indexé_par.edim6



ISI


ExempleIntroductionEtat de l’art ModèleExpérimentationsConclusions


T-Box

Rdoc

Ｔ

Événement ⊑ ＴConflit des Balkans ⊑ EvénementGuerre civile d’Ex-Yougoslavie ⊑ Conflit des BalkansConflit des Balkans ≡ ∃a_lieu_à.Balkans



ISI



---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------


Documents ordonnés

Représentation des requêtes

Correspondance


Requête


Ressources externes


ISI


Représentation des requêtes

requête : q représentée par des éléments de dimension

• Rq : expression ALCQ = combinaison d’éléments de dimensions et d’opérateurs

• indexé_par : rôle pour associer un élément de dimension à une requête


Un élément de dimension peut être pondéré (ne fait pas partie de la DL)

Rq est ajouté à la T-Box

Rq ≡ ∃indexé_par.edim1 ⊓ … ⊓ ∃indexé_par.edimn


ISI


Exemple

edim7 ≡ Général ⊓ ∃orginaire_de.France

edim8 ≡ Zone de Sécurité ⊓ ∃créé_pendant.Conflit des Balkans

edim9 ≡ Conflit des Balkans

Rq ≡ ∃indexé_par.edim7 ⊓ ∃indexé_par.edim8 ⊓ ∃indexé_par.edim9



ISI


ExempleIntroductionEtat de l’art ModèleExpérimentationsConclusions


T-Box

Rdoc

Ｔ

Événement ⊑ ＴConflit des Balkans ⊑ EvénementGuerre civile d’Ex-Yougoslavie ⊑ Conflit des BalkansConflit des Balkans ≡ ∃a_lieu_à.Balkans



Rq

ISI



---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------

---- --- ---------------------


Documents ordonnés

Correspondance

Correspondance


Requête


Ressources externes


ISI


La fonction de correspondance fSel

fSel(doc, q) : respecter les contraintes imposées par l’utilisateur

• Calcul de la subsomption dans la T-Box

• Dpert = {doc | Rdoc ⊑T Rq}

correspondance

⊑T

q : une requête

Physical query Physical query Physical query Physical query Physical query Physical query Physical query

Rdoc

doc : un document

Physical document Physical document Physical document Physical document Physical document Physical document Physical document Physical document

Rq



T-Box

ISI





T-Box

Ｔ

Événement ⊑ ＴConflit des Balkans ⊑ EvénementGuerre civile d’Ex-Yougoslavie ⊑ Conflit des Balkans Conflit des Balkans ≡ ∃a_lieu_à.Balkans



Rdoc Rq

ISI





T-Box

Rdoc Rq

Philippe Morillon ⊑ Général

Zone de sécurité ≡ ∃créé_pendant.Conflit des Balkans

Philippe Morillon ≡ ∃originaire_de.France

Guerre civile d’Ex-Yougoslavie ⊑ Conflit des Balkans

Philippe Morillon

Zone de sécurité ⊓∃créé_pendant.Guerre civile

d’Ex-Yougoslavie

Général ⊓ ∃originaire_de.France

Conflit des BalkansGuerre civile d’Ex-Yougoslavie Zone de sécurité ⊓

∃créé_pendant.Conflit des Balkans

ISI





T-Box

Rdoc Rq

Philippe Morillon ⊑ Général

Zone de sécurité ≡ ∃créé_pendant.Conflit des Balkans

Philippe Morillon ≡ ∃originaire_de.France

Guerre civile d’Ex-Yougoslavie ⊑ Conflit des Balkans

Philippe Morillon

Zone de sécurité ⊓∃créé_pendant.Guerre civile

d’Ex-Yougoslavie

Général ⊓ ∃originaire_de.France

Conflit des BalkansGuerre civile d’Ex-Yougoslavie Zone de sécurité ⊓

∃créé_pendant.Conflit des Balkans

Rdoc ⊑T Rq

ISI


La fonction d’ordonnancement fOrd

fOrd(doc, q) : classer les documents dans leur ordre de pertinence par rapport à q

• Les poids des éléments de dimension dans doc

• Les poids des éléments de dimension dans q

• Les valeurs de priorité des éléments de dimension dans q

N’est pas modélisée en DL

Utiliser une métrique existante

• Notre expérience : modèle vectoriel



ISI


Plan

I. Introduction


• Synthèse



V. Conclusion

ISI


Expériences

1. Résoudre des requêtes précises évaluer l’apport de l’usage des dimensions• Performances de recherche• Résultat de référence : modèle vectoriel sans dimensions

2. Mise en œuvre du modèle basé sur la DL• Tester la faisabilité de notre approche• Évaluer les limites du modèle


ObjectifsDonnéesRéalisationsRésultats

ISI


Données et ressources

Collection ImageCLEFmed-2005

• 50,026 documents (Anglais, Français, Allemand)

• 25 requêtes

ex. "show me x-ray images with fracture of the femur"

Dimensions : Modalité, Pathologie, Anatomie

Ressource externe : UMLS• Meta thésaurus (≥ 1 million d’entrées)

• Réseau sémantique (135 Types sémantiques)



ISI


Indexation

Construction manuelle des dimensions• Anatomie : "Anatomical Structure" + "Body System" + "Body Space or Junction" +

"Body Location or Region" ;

• Pathologie : "Pathologic Function" + "Finding" + "Injury or Poisoning" ;

• Modalité : "Diagnostic Procedure" + "Manufactured Object".

Indexation conceptuelle• Outil adapté aux documents en anglais

Identification des éléments de dimension• Défini par un concept

• Si c dim, alors c est un élément de la dimension dim

Pondération des éléments de dimension• Modèle vectoriel : variante du tf*idf (LTC)



ISI


Interrogation

T1: Un document est considéré pertinent s'il contient les trois dimensions présentes dans la requête

Anatomie ⊓ Pathologie ⊓ Modalité

T2 : Un document est considéré pertinent s'il contient au moins une des dimensions de la requête

Anatomie ⊔ Pathologie ⊔ Modalité

T3 : Un document pertinent doit contenir l'anatomie, sinon la pathologie, sinon la modalité

AnatomiePriorité=1 PathologiePriorité=2 ModalitéPriorité=3

T4 : Un document est considéré pertinent s'il contient les dimensions anatomie et pathologie

(Anatomie ⊓ Pathologie) ⊔ Modalité



ISI


Apport de l’usage des dimensions

Précision

TestMoyenne à 5 docs à 10 docs

Baseline 0.1451 0.2720 0.2440

%à 10 docs%à 5 docs%MoyennePrécision

Test

+32.780.3240+29.410.3520+8.820.1579T3

+60.650.3920+44.110.3920+20.050.1742T4

+27.860.3120+23.520.3360+5.720.1534T2

+36.590.3333+29.550.3524-1.610.1428T1



Baseline : modèle vectoriel•Variante du tf*idf (LTC)•Sac de concepts

Notre approche

ISI


Mise en œuvre du modèle

1. Identification des éléments de dimension• document Traitement Automatique des Langues• requête interface

2. Construction de la T-Box• être humain DL vs. Machine langage adéquat (OWL)• outil basé sur des heuristiques

3. Fonction de Correspondance calcul de la subsomption• raisonneur existant

• Pellet [Sirin et al. 04]

v Ordonnancement des documents• modèle vectoriel



ISI


Plan

I. Introduction


• Synthèse



V. Conclusion

ISI


Conclusion

Modèle de RI capable de résoudre des requêtes précises

• Fondé sur les dimensions de domaine• Mettre en exergue les éléments pertinents dans un domaine particulier

• Nouvelle unité d’indexation : l’élément de dimension• Définie par des dimensions, concepts, et relations

• Langages de document et de requête expressifs• Représenter la sémantique véhiculée par la structure extraite des

documents (requêtes)


BilanPerspectives

ISI


Conclusion

Modélisation à base de la Logique Descriptive

• Représentation uniforme des documents, requêtes, et connaissances• Fonction de correspondance

• Correspondance entre un document et une requête qui ne partagent pas les mêmes termes

• La subsomption n’est pas suffisante définir des propriétés transitives• Flexibilité : utiliser n’importe quelle relation … mais

Résultats expérimentaux• Prise en compte des dimensions améliore les performances de recherche


BilanPerspectives

ISI


Perspectives

Quantifier l’apport de l’approche mise en œuvre de l’intégralité du modèle• Extraction des éléments de dimension

• Traitement automatique de la langue

Fonction d'ordonnancement adéquate au contexte de RI orientée précision• Étudier la notion de pertinence

• Collaboration avec des utilisateurs professionnels (ex. médecins)• Intégrer les pondérations dans le modèle

Construction automatique des dimensions [Radhouani 07]• Évaluation [Dakka et al.06, Stoica et al.06]

Développement d’une interface interactive• Test d’utilisabilité


BilanPerspectives

ISI

MRIMLIGCUI

Un modèle de Recherche d’Information orienté précision fondé sur les dimensions de domaine

Directeurs de thèse :

Jean-Pierre CHEVALLET, UJF

Yves CHIARAMELLA, UJF

Gilles FALQUET, UniGe

Saïd Radhouani

18 juillet 2008