Reasoning with Qualitative Spatial and Temporal Textual Cases

Valmi Dufour-Lussier 1
1 ORPAILLEUR - Knowledge representation, reasonning
Inria Nancy - Grand Est, LORIA - NLPKD - Department of Natural Language Processing & Knowledge Discovery
Résumé : Cette thèse propose un modèle permettant la mise en oeuvre d'un système de raisonnement à partir de cas capable d'adapter des procédures représentées sous forme de texte en langue naturelle. L'utilisation de la langue naturelle simplifie la modélisation et l'exécution en évitant à l'utilisateur de devoir apprendre des formalismes spécialisés, tels que les flux opérationnels (ou workflows), utilisés pour représenter des procédures. En réponse à une requête décrivant un but, le système proposé devra être en mesure de présenter à l'utilisateur un ensemble d'instructions lui permettant d'atteindre le but, exprimées en langue naturelle. Pour permettre les inférences, une représentation formelle de la procédure doit être rattachée au texte qui la décrit. Nous utilisons des méthodes classiques en traitement automatique des langues ainsi qu'un mécanisme sur mesure de résolution des anaphores et un ensemble de règles d'annotations pour extraite des textes d'instructions des événements, des objets et des contraintes temporelles représentées à l'aide d'une algèbre qualitative d'intervalles. Durant l'étape d'adaptation, on procède à des substitutions dans la solution source, de façon à en faire une solution au problème cible. Pour maintenir la cohérence avec les connaissances du domaine d'application, des contraintes temporelles sont modifiées à l'aide d'un opérateur de révision des croyances. Nous définissons deux opérateurs de révision applicables aux algèbres qualitatives : le premier, utilisant un algorithme du meilleur d'abord (ou best-first search), respecte les postulats définis par Alchourrón, Gärdenfors et Makinson (1985). Le second est un algorithme de propagation de réparation inspiré par l'algorithme de Vilain et Kautz (1986). Ce dernier est plus rapide, mais ne respecte pas nécessairement tous les postulats. Il est démontré par ailleurs que l'approche employée pour les procédures peut être appliquée a d'autres types de problèmes pouvant être représentés à l'aide d'algèbres qualitatives, par exemple des problèmes agricoles. Finalement, lors d'une étape de regénération du texte, les règles d'annotation font l'objet d'une application inverse en fonction des contraintes temporelles modifiées. Cela a pour effet de modifier de façon minimale le texte pour le rendre cohérent avec les nouvelles contraintes. On emploie des stratégies additionnelles pour maintenir la cohérence globale et la cohésion anaphorique. Le modèle proposé a été appliqué à des problèmes de cuisine et mis en oeuvre dans une application Facebook nommée Craqpot. Des tests comparatifs ont été exécutés pour comparer notre application à une solution fondée sur la remémoration simple ou sur une adaptation plus superficielle. Notre modèle d'adaptation en profondeur a généré des textes de la même qualité que la solution plus superficielle, mais les recettes elles-mêmes ont été jugées légèrement meilleures. Comme on peut s'y attendre, la qualité des textes et des recettes adaptées a été jugée inférieure à celle des textes de recettes non modifiés extraits de la base de cas. Globalement, par contre, les utilisateurs se sont dits autant satisfaits par les recettes adaptées en profondeur que par les recettes originales, mais beaucoup moins satisfaits des recettes adaptées superficiellement.
Type de document :
Thèse
Artificial Intelligence [cs.AI]. Université de Lorraine, 2014. English. 〈NNT : 2014LORR0182〉
Liste complète des métadonnées

Littérature citée [116 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/tel-01751107
Contributeur : Valmi Dufour-Lussier <>
Soumis le : lundi 22 décembre 2014 - 17:28:34
Dernière modification le : mercredi 25 juillet 2018 - 01:24:34
Document(s) archivé(s) le : lundi 23 mars 2015 - 19:45:13

Fichier

Licence


Distributed under a Creative Commons Paternité - Pas d'utilisation commerciale - Pas de modification 4.0 International License

Identifiants

  • HAL Id : tel-01751107, version 2

Citation

Valmi Dufour-Lussier. Reasoning with Qualitative Spatial and Temporal Textual Cases. Artificial Intelligence [cs.AI]. Université de Lorraine, 2014. English. 〈NNT : 2014LORR0182〉. 〈tel-01751107v2〉

Partager

Métriques

Consultations de la notice

538

Téléchargements de fichiers

980