Gérer l'incertitude lors de l'extraction de relations et lors de l'inférence de nouvelles connaissances - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

Gérer l'incertitude lors de l'extraction de relations et lors de l'inférence de nouvelles connaissances

Résumé

Malgré leur volume important et leur accessibilité, de nombreuses données numériques ne peuvent être correc-tement exploitées car elles sont contenues dans des textes sous des formes peu ou pas structurées. L'extraction de relations est un processus qui rassemble des techniques pour extraire des entités et des relations à partir de textes, nous donnant la possibilité d'enrichir des bases de connais-sances de façon automatique. Cependant le langage na-turel est de façon intrinsèque porteur d'ambiguïté, ce qui constitue un premier niveau d'incertitude auquel on peut rajouter l'imprécision due aux formulations telles que "je crois que", "il semble que", etc. La base de connaissances doit donc tenir compte de cette incertitude par exemple en associant à chaque nouvelle connaissance extraite un score de confiance dépendant du degré de certitude. Cet article est une communication de synthèse qui détaille les diffé-rentes problématiques liées à l'incertitude et à l'impréci-sion au cours de la chaîne de traitement allant de l'extrac-tion d'information dans les textes à l'inférence de connais-sances. Il y sera notamment question de stratégie d'agré-gation des différentes sources d'incertitude et d'impréci-sion et de leur prise en compte dans les traitements ulté-rieurs (par exemple la recherche d'information ou l'aide à la décision). Mots Clef TALN, extraction d'information, incertitude, inférence de règles Abstract Among the increasing volume of electronic resources available , non-structured texts expressed through natural language are difficult to process automatically. In this context, relation extraction techniques propose to combine various approaches to extract entities and their relations from texts, e.g. to automatically enrich a knowledge base. Nevertheless , the natural language is per se ambiguous, which makes extraction results uncertain. It can also be used to express imprecise or uncertain statements, "It seem to me", "I believe", etc. Therefore, any knowledge base enriched through text analyses must consider these uncertainties , for instance by combining a confidence score to each knowledge extraction according to its associated level of uncertainty. This information will be of major importance to infer additional knowledge from these extractions. However , how to characterize, capture and integrate the uncertainty and imprecision of natural language ? In addition , how to take into account this uncertainty to infer new knowledge ? This paper is a synthesis communication related to the consideration of uncertainty and imprecision in the context of Information Extraction from texts and knowledge inference from these extractions. We propose in particular to define the terminology, to characterize the several sources of uncertainty and to discuss strategies that can be used to capture and consider the uncertainty in knowledge extraction and knowledge inference treatments.
Fichier principal
Vignette du fichier
pierre-antoine_jean_rjcia-2015.pdf (228.01 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01663958 , version 1 (21-05-2018)

Identifiants

  • HAL Id : hal-01663958 , version 1

Citer

Pierre-Antoine Jean, Sébastien Harispe, Patrice Bellot, Sylvie Ranwez, Jacky Montmain. Gérer l'incertitude lors de l'extraction de relations et lors de l'inférence de nouvelles connaissances. COnférence en Recherche d'Informations et Applications - CORIA 2017, Mar 2017, Marseille, France. ⟨hal-01663958⟩
428 Consultations
130 Téléchargements

Partager

Gmail Facebook X LinkedIn More