The Violence of Universality

C'est une discipline de l'intelligence artificielle et de la linguistique

depuis les années 1960. Son objectif est de développer des techniques et des méthodes pour la compréhension automatique de la langue

La langue naturelle,

possède des propriétés spécifiques qui variation linguistique nous

pour communiquer la même phrase a plusieurs interprétation pour traiter les documents textuels.

15

www.dbpedia.org

39

permet d'interroger, avec des requêtes complexes, les données de Wikipedia, d'autres ressources de données qui se trouve

Les articles de Wikipédia sont disponibles dans plus de 250 langues, avec la version e qui est la plus utilisée. Toutes les ressources stockées dans DBpedia décrivent environ 2,6 millions d'entités, (incluant 213 000 personnes, 328 000 lieux, 57

000 films, 20 000 entrepris). La base de connaissances totalise ainsi millions de triplets RDF et représente 609 000 liens vers des images, 3

878 100 liens vers des données RDF externes. Ces informations 000 catégories de Wikipedia. [ARN 12]. DBpedia e

Linking Open Data) du W3C.

: représentation des liens de DBpedia (LOD Cloud)

Traitement automatique de la langue

de l'intelligence artificielle et de la linguistique

Son objectif est de développer des techniques et des méthodes pour la compréhension automatique de la langue naturelle.

, est un outil qi permet aux êtres humains de s'

possède des propriétés spécifiques qui sont la variation linguistique et l'ambiguïté. variation linguistique nous donne la possibilité d'utiliser différents mots ou expressions

la même idée. L'ambiguïté linguistique c'est quand un mot

interprétations. Ces deux propriétés compliquent la tache des machines textuels. [MAR 07]

Web Sémantique

les données de Wikipedia et , d'autres ressources de données qui se trouvent sur le

Les articles de Wikipédia sont disponibles dans plus de 250 langues, avec la version stockées dans DBpedia décrivent 000 lieux, 57 000 albums 000 entrepris). La base de connaissances totalise ainsi 274 000 liens vers des images, 3 150 000 liens vers 100 liens vers des données RDF externes. Ces informations DBpedia est le cœur du

(LOD Cloud) 15-

de l'intelligence artificielle et de la linguistique qui se développe Son objectif est de développer des techniques et des méthodes

est un outil qi permet aux êtres humains de s'exprimer, elle sont la variation linguistique et l'ambiguïté. La la possibilité d'utiliser différents mots ou expressions est quand un mot ou une Ces deux propriétés compliquent la tache des machines

Chapitre 2 Web Sémantique

40

2.4.1. Le traitement statistique de la langue naturelle

Le traitement statistique de la langue naturelle est la méthode classique pour modéliser et traiter le contenu textuel des documents. Le modèle de traitement de documents comprend deux étapes suivantes :

a) Le Prétraitement : est utilisé fondamentalement dans la préparation des documents, en éliminant tous les éléments considérés comme inutiles. Cette étape se compose de quatre phases principales.

 Elimination du document les éléments qui ne représente pas le contenu du texte, comme les balises dans un document XML.

 La standardisation du texte, qui consiste à homogénéiser l'ensemble du texte en éliminant les majuscules, les mots vides, ainsi qu'en identifiant les paramètres spécifiques comme chiffres ou dates ; sigles ou acronymes.

 La lemmatisation, qui tente de déterminer la base (lemme) de chaque mot dans un texte. La quatrième phase, consiste à identifier les N-Grams qui sont les mots composés, les noms propres, etc.. pour être en mesure de les traiter comme une unité conceptuelle unique (ex union européen)

b) Paramétrage: c'est le stade de complexité minimale une fois que les termes pertinents ont été identifiés. Cela consiste à quantifier des caractéristiques du document. Une des méthodes les plus utilisées pour estimer l'importance d'un terme c'est le système de tf.idf [MAR 07]

2.4.2. Traitement linguistique de la langue naturelle

Cette approche est basée sur l'application de différentes techniques et règles qui permettent d'extraire les connaissances linguistiques. Le traitement linguistique passe par différentes étapes : L'analyse morphologique qui est effectuée par les tagueurs qui attribuent chaque mot à une catégorie grammaticale (nom, verbe, adjectif...). La deuxième étape consiste à identifier les grandes unités grammaticales, expressions et phrases. La troisième étape a comme objectif l'obtention d'une représentation sémantique de la phrase à partir des éléments qui le composent. Un des outils les plus souvent utilisé dans le traitement sémantique est la base de données lexicographique WordNet. [MAR 07]

2.4.3. Etiquetage morphosyntaxique

L'étiquetage morphosyntaxique (part-of-speech tagging en anglais) est le processus qui permet de marquer pour chaque mot dans un texte, les informations grammaticales correspondantes, en fonction à la fois de sa définition, et de son contexte. Les formes grammaticales les plus simples dans l'identification des mots sont les : noms, verbes, adjectifs, adverbes, etc.

Chapitre 2 Web Sémantique

41

Ils existent plusieurs outils pour l'étiquetage morphosyntaxique parmi ces outils TreeTagger pour la langue française, et Stanford Tagger pour l'anglais.

2.4.4. désambiguïsation lexicale

C'st un problème dans le domaine de traitement des langues naturelles et de l'ontologie. C'est la détermination dusensd'unmotdans unephraselorsque ce mot peut avoir plusieurs sens possibles. La désambiguïsation intervient dans plusieurs domaine comme la traduction automatique où un mot anglais comme grid, peut être traduit en français (grille, réseau, gâchette) selon le contexte. [NAN 98].

La désambiguïsation repose sur deux étapes principales, la première étape permet d'extraire la liste de sens pour chaque mot. La deuxième étape consiste à définir le sens exact du mot en étudiant le discours et le contexte dans lequel ce mot apparaît, par l'exploitation d'une ressource sémantique externe. Pour déterminer le sens exact d'un mot dans un contexte, il existe des techniques qui permettent de déterminer la similarité sémantique entre les mots. Ces techniques seront détaillées dans la section suivante.