Revisão de "Automatic Acquisition and Expansion of Hypernym Links" Emmanuel Morin e Christian Jacquemin

(1)

Revisão de

“

Automatic

_Automatic

Acquisition

_Acquisition

and

_and

Expansion

of

_of

Hypernym

_Hypernym

Links

_Links

”

_”

Emmanuel

Morin

_Morin

e

_e

Christian

_Christian

Jacquemin

Por Lu

Por Luíís Sarmentos Sarmento Linguateca

(2)

Introdu

ç

_ç

ão

_ão

Objectivo

facilitar a construfacilitar a construçção automão automáática de tesauros a partir de texto tica de tesauros a partir de texto

“

“livrelivre””

descobrir reladescobrir relaçções entre Unidades Terminolões entre Unidades Terminolóógicasgicas

Extracç

Extrac

ção de informa

ão de informa

ção / Conhecimento

ç

ão / Conhecimento

ExtracExtracçção de Relaão de Relaçções Semânticasões Semânticas

Principalmente HiperonPrincipalmente Hiperoníímia/Hiponmia/Hiponíímiamia

RelaRelaçções ões ““FusãoFusão”” e e ””ProduzProduz””

Envolve

ExtracExtracçção de Terminologia (indirectamente)ão de Terminologia (indirectamente)

Pesquisas/Inferência de PLSPesquisas/Inferência de PLS

(3)

Introdu

ç

_ç

ão

_ão

Muitas semelhan

ç

as com o Corp

ó

grafo!

Ponto de vista t

é

cnico

Filosofia de Pesquisa

Mais sofisticado que o Corp

ó

grafo na:

Gera

ç

ão de variantes terminol

ó

gicos

Obten

ç

ão de PLS: Padrões L

ão de PLS: Padrões

L

é

xico-

xico

-Sint

Sint

á

cticos

Corp

ó

grafo uma ferramenta de utilizador:

(4)

Arquitectura

Sistema envolve 3 ferramentas:

1.

1. ACABIT (ACABIT (DailleDaille 1996): 1996):

extracextracçção de UT multião de UT multi--palavrapalavra

2.

2. FASTR (FASTR (JacqueminJacquemin, 1996): , 1996):

obtenobtençção de variantes UT ão de variantes UT

muito interessante muito interessante --> podia ser desenvolvido para PT> podia ser desenvolvido para PT

3.

3. PromPromééththééee ((MorinMorin, 1999):, 1999):

EstruturaEstruturaçção das UT (i.e.: obtenão das UT (i.e.: obtençção de relaão de relaçções)ões)

Pesquisa de evidências usando PLSPesquisa de evidências usando PLS

O artigo foca essencialmente esta ferramentaO artigo foca essencialmente esta ferramenta

(5)

O

Prom

_Prom

é

_é

th

_th

é

_é

e

_e

O

Prom

é

th

é

e

é

:

sistema para a extracsistema para a extracçção de informaão de informaçção de relaão de relaçções ões

semânticas entre UT a partir de corpora, usando padrões

l

lééxicoxico--sintsintáácticoscticos ((tradtrad.).)

2 funcionalidades base:

AquisiAquisiçção de PLS (++)ão de PLS (++)

(6)

A arquitectura

3 M

ó

dulos:

1.

Pr

é

-

processador lexical:

–

– AtomizaAtomizaçção, anão, anáálise morfolise morfo--sintsintááctica, lematizactica, lematizaççãoão

–

– NP, acrNP, acróónimos e sequências de NP são identificadasnimos e sequências de NP são identificadas

2.

Shallow

Parser

e Classificador:

–

– ResponsResponsáável pela extracvel pela extracçção de PLSão de PLS

3.

Extractor de Informa

ç

ão

–

– ResponsResponsáável pela aquisivel pela aquisiçção de novos pares ão de novos pares

conceptualmente ligados (por uma dada rela

(7)

A descoberta de PLS

Esta

é

a parte mais interessante do sistema

Tem 7 passos, mas resumidamente:

a partir de um conjunto de UT que conhecemos e que estão a partir de um conjunto de UT que conhecemos e que estão

relacionadas por uma dada rela

relacionadas por uma dada relaçção, procurar os contextos em ão, procurar os contextos em que essas UT ocorrem e tentar generalizar

que essas UT ocorrem e tentar generalizar

Ex.

arqu

é

tipo:

Entrada: p1(banana, fruta) e p2(carro, veEntrada: p1(banana, fruta) e p2(carro, veíículo)culo)

Pesquisa em corpora de contextos, seguida de generalizaPesquisa em corpora de contextos, seguida de generalizaççãoão

(8)

Os 7 passos

1.

Seleccionar uma rela

ç

ão semântica representativa.

Ex

: Hiperon

ímia

í

mia

2.

Criar uma lista com os v

á

rios pares representativos da

rela

ç

ão. Constru

ç

ão manual a partir de corpora ou

usando um recurso j

á

existente (tesauro base).

•

• ExEx: : p(neocortexp(neocortex, , “á“área vulnerrea vulneráávelvel””) *) *

3.

Procurar frases onde os pares (lematizados) ocorram

e recolher padrões:

•

• ExEx: : ““Foram encontrados danos neuronais em certas Foram encontrados danos neuronais em certas ááreas reas

vulner

vulnerááveisveis tal como o tal como o neocortexneocortex”” ****

•

(9)

Os 7 passos

4.

Generaliza

ç

ão dos padrões.

•

Para todos os padrões recolhidos, encontrar

generaliza

ç

ões (vamos ver com mais cuidado!!!)

5.

Valida

ç

ão dos padrões por um perito

•

O papel do perito pode ser essencial em certas

rela

ç

ões / dom

í

nios

6.

Pesquisa de novos pares relacionados usando

os padrões

7.

(10)

A generaliza

ç

_ç

ão de padrões

_{ão de padrões}

Par 1:

HIPER(vulnerable

area,neocortex

):

““Neuronal Neuronal damagedamage waswas foundfound inin thethe selectivelyselectively vulnerablevulnerable

areas

areas suchsuch as as neocortexneocortex, striatum, striatum, hippocampus, hippocampus andand thalamus

thalamus””

PLS gerado: NP PLS gerado: NP findfind inin NP NP suchsuch as LISTas LIST

Par 2:

HIPER(complication

,

infection

)

TherapeuticTherapeutic complicationscomplications suchsuch as as infection, infection, recurrencerecurrence, , andand

loss

loss ofof supportsupport ofof thethe articular articular surfacesurface havehave continuedcontinued to to plague

plague thethe treatmenttreatment ofof giantgiant cellcell tumortumor

(11)

A generaliza

ç

_ç

ão de padrões

_{ão de padrões}

Consideraremos

v.

abstractas dos PLS:

A = A

11

A

22

...

A

jj

...

A

kk

...

A

nn

com

HIPER(A

jj

,A

kk

)

(12)

A generaliza

ç

_ç

ão de padrões

_{ão de padrões}

Fun

ç

ão de semelhan

ç

a PLS SIM(A,B)

Hip

ó

tese (Isomorfia Sint

á

ctica): Se duas expressões

l

é

xico

-

sint

á

cticas

A e B representam o mesmo

padrão, os itens

A

jj

e B

e

B

jj

e os itens A

e os itens

A

kk

e os itens B

e os itens

B

kk

(os

“

pontos de fixa

ç

ão

”

) têm a mesmo fun

ç

ão na frase.

Assim, podemos concentrar

-

nos apenas nas janelas

que estes pontos de fixa

ç

ão criam para testar as

semelhan

(13)

Fun

ç

_ç

ão de Semelhan

_{ão de Semelhan}

ç

_ç

a

_a

Sim(A;B

) =

Σ

i=(1,3)i=(1,3)

Sim(Win

i_i

(A

);

Win

ii

(B

))

Em que Em que Sim(WinSim(Wini_i(A(A););WinWinii(B(B)) foi definido como uma fun)) foi definido como uma funçção ão da maior

da maior subsub--sequênciasequência comum (MSC).comum (MSC).

(14)

A maior

sub

_sub

-

_-

sequência

_sequência

comum

_comum

Consideremos duas Consideremos duas stringsstrings X e Y:X e Y:

X[1...m] = X1X[1...m] = X1X2X2...XmXm, , comprimento mcomprimento m

Y[1...n] = Y1Y[1...n] = Y1Y2Y2...YL, ...YL, comprimento ncomprimento n

Sejam:Sejam:

X[1...k] e Y[1..L] os prefixos de comprimento k e L das X[1...k] e Y[1..L] os prefixos de comprimento k e L das stringsstringsX e Y X e Y

respectivamente

c[k,Lc[k,L] o ] o compcomp. da MSC entre X[1...k] e Y[1..L]. da MSC entre X[1...k] e Y[1..L]

(15)

A generaliza

ç

ão de padrões (

cont

.)

1.

1. ComparamComparam--se todos os padrões dois a dois usando a funse todos os padrões dois a dois usando a funçção ão

de semelhan

de semelhanççaa

2.

2. CriaCria--se uma matriz de semelhanse uma matriz de semelhançças as PxPPxP

M[i,jM[i,j] = ] = Sim(PSim(Pi_i,P,Pjj))

3.

3. ÉÉ executado o agrupamento das expressões semelhantesexecutado o agrupamento das expressões semelhantes

4.

4. Para cada grupo Para cada grupo éé escolhida a expressão que possui o menor escolhida a expressão que possui o menor

desvio padrão com as restantes do grupo

5.

5. Para o exemplo:Para o exemplo:

NP

NP findfind inin NP NP suchsuch as LISTas LIST NP

NP suchsuch as LIST continue to as LIST continue to plagueplague NPNP NP

(16)

Avalia

ç

ão do processo de descoberta

Corpus usado Corpus usado AgroAgro--AlimAlim ((FrFr: ?? : ?? ààtomostomos))

40 pares hiper40 pares hiper--hipo definidos manualmente. hipo definidos manualmente. ExEx::

fruitsfruits tropicauxtropicaux : : bananesbananes

cationscations : : sodiumsodium

arbresarbres : : chêneschênes

cerealescereales : : bleble

fruitsfruits : : orangeorange

fruitsfruits : kiwi: kiwi

legume : legume : carottecarotte

legume : legume : concombreconcombre

sucresucre : : saccharosesaccharose

huileshuiles: : huilehuile de sojade soja

Nesta fase os autores usaram UT de uma palavra apenas (acelerar Nesta fase os autores usaram UT de uma palavra apenas (acelerar

a convergência?)

(17)

O processo de descoberta

40 instâncias permitiram gerar 11 PLS:

{{deux|troisdeux|trois...|2|3|4...} NP1 ( LIST2 )...|2|3|4...} NP1 ( LIST2 )

{{certain|quelque|decertain|quelque|de autreautre...} NP1 ( LIST2 )...} NP1 ( LIST2 )

{{deux|troisdeux|trois...|2|3|4...} NP1 : LIST2...|2|3|4...} NP1 : LIST2

{{certain|quelque|decertain|quelque|de autreautre...} NP1 : LIST2...} NP1 : LIST2

{de {de autreautre}? NP1 }? NP1 teltel que LIST2que LIST2

NP1, NP1, particuliparticulièèrementrement NP2,NP2,

{de {de autreautre}? NP1 }? NP1 commecomme LIST2LIST2

NP2 {NP2 {et|ouet|ou} de } de autreautre NP1NP1

NP1 NP1 etet notammentnotamment NP2NP2

(18)

Avalia

ç

ão do processo de descoberta

Avaliar os pares rela

ç

ão descobertos pelo

Prom

é

th

é

e

:

Como habitualmente P, R e F:

NNtot_tot: N: Nºº pares existentes (manual)pares existentes (manual)

NNcor_cor: N: Nºº pares correctospares correctos

NNerr_err: N: Nºº pares correctospares correctos

P = (P = (NNcorcor)/()/(NNcorcor++NNerrerr))

R = R = NNcor_cor//NNtottot

F = 2 (P x R) / (P+R)F = 2 (P x R) / (P+R)

(19)

Avalia

ç

ão do processo de descoberta

Resultados:

Pm

é

dia

= 82% (m

é

dia

-

alta)

(20)

Avalia

ç

ão do processo de descoberta

DetecDetecçção de relaão de relaçções ões subsub--especificadasespecificadas::

((““caractercaracteríísticastica””,,””durezadureza””))

““caractercaracteríísticastica”” éé demasiado gendemasiado genéérico. Que rico. Que ““caractercaracteríísticastica””??

““elementoelemento””, , ““espespééciecie””,,””factorfactor””, etc... (Termos Secund, etc... (Termos Secundáários?)rios?)

Pares muito especPares muito especííficos do assunto/amostra: ficos do assunto/amostra:

((““ambiente idealambiente ideal””, , ““MalMaláásiasia””))

““...crescem num ...crescem num ambiente idealambiente ideal tal como na tal como na MalMaláásiasia””

Confusão Confusão hiperonhiperoníímiamia//meronmeroníímiamia

((““troncotronco””,,””membromembro””) )

““...parte do ...parte do troncotronco em particular os em particular os membros...membros...””

PossPossííveis causas:veis causas:

Ambiguidade morfoAmbiguidade morfo--sintsintááctica entre ctica entre AdjAdj e PPe PP

(21)

Coment

á

rios R

á

pidos

Valores de P e R nada surpreendentesValores de P e R nada surpreendentes

Foram Foram ““apenasapenas”” obtidos os padrões obtidos os padrões ““triviaistriviais””

Manualmente talvez fosse melhorManualmente talvez fosse melhor

O CorpO Corpóógrafo tem padrões menos triviais!grafo tem padrões menos triviais!

Contudo, a hiperonContudo, a hiperoníímia não mia não éé habitualmente expressa shabitualmente expressa sóó por por

estas constru

estas construçções...ões...

ao contrao contráário de certas relario de certas relaçções funcionais (ões funcionais (exex: : causacausa--efeitoefeito))

... estando grande parte da informa... estando grande parte da informaçção da hiperonão da hiperoníímia em mia em

dom

domíínios tnios téécnicos implcnicos implíícita na morfologia. cita na morfologia.

““ccéélulalula”” : : ““neurneuróónionio”” vsvs. . ““ccéélulalula”” : : ““ccéélulalula da da gliaglia””

Em todo o caso, Em todo o caso, éé um mum méétodo automtodo automáático e potencialmente tico e potencialmente

“

(22)

Outras experiências

Teste com a

“

rela

ç

ão

”

“

fusão

”

:

“Dixons Group Plc said shareholders at a special meeting of Cyclops“

Corp approve the previously announced merger of Cyclops with Dixons.””

Processo ligeiramente diferente (

Reuters

Corpus!):

Carregamento do Carregamento do PromPromééththééee com 2 PLS base com 2 PLS base ““arquarquéétipostipos””

ExtracExtracçção de pares usando os padrões baseão de pares usando os padrões base

Pesquisa de mais PLS usando os pares anteriores: +5Pesquisa de mais PLS usando os pares anteriores: +5

Pesquisa de novos pares usando os 7 padrõesPesquisa de novos pares usando os 7 padrões

101 novos pares P = 92% mas R=??101 novos pares P = 92% mas R=??

Claro que

é

uma rela

ç

ão muito do dom

í

nio e o corpus

é

de dom

(23)

Outras experiências ainda...

Teste com a rela

ç

ão

“

produz

”

:

produz(produz(““nome_da_empresanome_da_empresa””,,””produtoproduto””))

Permite Permite ““distribuidistribui””, , ““vendevende””, , ““fornecefornece””, etc., etc.

A aproxima

ç

ão foi a mesma que a anterior

Mas não houve convergência:

A explicaA explicaçção foi que os pares gerados não chegam para ão foi que os pares gerados não chegam para

garantir a convergência

Claro que o domClaro que o domíínio nio éé muito maiormuito maior do que no caso anteriordo que no caso anterior

(24)

A expansão dos

Hiper

_Hiper

ó

_ó

nimos

_nimos

Usando os PLS 11 anteriores

1216

tuplos

hiperon

í

mia

26.2% entre

UT

’

s

multi

-

palavra

23.5% entre

UT

’

s

simples

50.3% entre uma UT multi

-

palavra e outra simples

O

tuplos

obtidos referem

-

se aos poss

í

veis de

detectar no contexto de uma frase

Representam apenas uma frac

ç

ão dos existentes

(25)

A expansão dos

Hiper

_Hiper

ó

_ó

nimos

_nimos

Ideia: encontrar relaIdeia: encontrar relaçções entre ões entre UTUT’’ss compostas, a partir das compostas, a partir das

rela

relaçções conhecidas para ões conhecidas para UTUT’’ss de 1 palavra de 1 palavra

Supondo que conheSupondo que conheçço:o:

1.

1. hiper(frutahiper(fruta, ma, maçça)a) 2.

2. UT(sumoUT(sumo de fruta) e de fruta) e UT(sumoUT(sumo de made maçça)a) 3.

3. Relacionados(nectar,sumoRelacionados(nectar,sumo))

Podemos gerar por propaga

Podemos gerar por propagaçção (ou não):ão (ou não):

1.

1. hiper(sumohiper(sumo de fruta, sumo de made fruta, sumo de maçça)a) 2.

2. Relacionados (Relacionados (nectarnectar de fruta, sumo de made fruta, sumo de maçça)a) 3.

3. REL (N1 de fruta, N2 de maREL (N1 de fruta, N2 de maçça) a)

com N1 e N2 semanticamente ligadoscom N1 e N2 semanticamente ligados

VerificaVerifica--se ser possse ser possíível propagar relavel propagar relaçções quando as UT ões quando as UT

compostas são UT Variantes

(26)

O que são UT Variantes?

São UT que partilham semelhan

ç

as estruturais e

semânticas, e que por isso permitem

propagar rela

ç

ões

3 tipos de

UT

’

s

Variantes a considerar:

SintSintáácticascticas

MorfoMorfo--sintsintáácticascticas

SemânticasSemânticas

H

á

algoritmos que permitem detectar as UT variantes!

Detec

ç

ão (ou gera

ç

ão) de variantes:

FASTR (FASTR (JacqueminJacquemin 99)99)

(27)

Variantes Sint

á

_á

cticas

_cticas

As palavras da UT original mantêm

-

se na UT

variante, mas a estrutura relativamente

à

UT

original

é

diferente.

1.

Coordena

ç

ão:

combina

ç

ão de dois termos com a

mesma

“

cabe

ç

a

”

:

“

frutos frescos ou secos

”

2.

Modifica

ç

ão:

inser

ç

ão de um modificador:

“

resistência [mecânica] do man

í

pulo

”

3.

Sinapse:

remo

ç

ão de algumas palavras fun

ç

ão:

cultivo de bananas / cultivo das bananas

(28)

Variantes Morfo

-

_-

Sint

_Sint

á

_á

cticas

_cticas

O conte

ú

do da UT original ou de uma sua

variante morfol

ó

gica

é

encontrado na UT

variante. A estrutura sint

á

ctica tamb

é

m

é

alterada.

1.

Nome

-

Nome

:

“

semente de alfarrobeira

”

/

“

semente de alfarroba

”

2.

Nome

-

Verbo

:

“

produ

ç

ão de enzimas

”

/

“

produzir enzimas

”

3.

Nome

-

Adjectivo

:

“

produ

ç

ão de fruta

”

,

“

(29)

Variantes Semânticas

Rela

ç

ões semânticas (sinon

í

mia, hiperon

í

mia)

encontradas entre palavras da UT original e da UT

variante:

1.

1. Semânticas (Puras):Semânticas (Puras): ““farinha de trigofarinha de trigo”” / / ““farinha de farinha de

milho

milho”” ((coco--hiperonhiperoníímiamia trigo/milho)trigo/milho)

2.

2. SintSintáácticoctico--SemânticasSemânticas:: (1) mais possibilidade de (1) mais possibilidade de

Modifica

Modificaçção/Sinapse: ão/Sinapse: ““grãos duros de milhogrãos duros de milho”” / / ““grãos de grãos de trigo

trigo””

3.

3. MorfoMorfo--sintsintáácticoctico--semânticassemânticas:: (2) + aplicar (2) + aplicar

transforma

transformaçções tambões tambéém m ààs palavras morfologicamente s palavras morfologicamente relacionadas:

(30)

Restri

ç

ões

à

produ

ç

ão de Variantes Semânticas

Consideremos duas

UT

’

s

possivelmente variantes:

UT = wUT = w11ww22 e UTe UT’’ = w= w11’_’ww22’’

ObservaObservaçção: ão:

w1 e w1w1 e w1’’ podem estar semanticamente relacionadospodem estar semanticamente relacionados

w2 e w2w2 e w2’’ podem estar semanticamente relacionadospodem estar semanticamente relacionados

Não implica UT e UTNão implica UT e UT’’ semanticamente prsemanticamente próóximos!!ximos!!

ÉÉ necessnecessáário impor algumas restririo impor algumas restriçções:ões:

1.

1. Isomorfia sintIsomorfia sintáácticactica 2.

2. Isomorfia semânticaIsomorfia semântica 3.

(31)

Isomorfia sint

á

ctica

As palavras relacionadas têm de ocupar posi

ç

ões

similares nas UT, como:

CabeCabeççasas ArgumentosArgumentos ModificadoresModificadores

Ex

:

processo

processo de de elaboraelaboraççãoão !ISO_SIN !ISO_SIN elaboraelaboraççãoão de um de um mméétodotodo “

“processo”processo” e e ““mémétodotodo”” são sinsão sinóónimos mas nimos mas “

(32)

Isomorfia semântica

As palavras relacionadas têm de ter significados

semelhantes em ambas as

UT

’

s

.

EX.:

an

anáálise da lise da distribuidistribuiççãoão estatestatíística stica !ISO_SEM

!ISO_SEM

an

anáálise de lise de divisãodivisão estatestatíísticastica Apesar de haver ISO_SIN

Apesar de haver ISO_SIN

É

necess

á

rio lidar com polissemia

(33)

Rela

ç

ão semântica hol

í

stica

Temos de verificar que as

UT

’

s

completas (i.e.

os

holons

) são semanticamente equivalentes.

EX:

inspec

ç

ão

alimentar

não

é

semanticamente equivalente a

controlo

alimentar

apesar de

inspec

ç

ão

e

controlo

serem pr

ó

ximos

Parece

-

me ainda mais dif

í

cil e dependente do

dom

(34)

Variantes semânticos: defini

ç

_ç

ão

_ão

Duas UT multi

-

palavra w1w2 e w1

’

w2

’

são

variantes semânticos se 3 condi

ç

ões se

verificarem:

1.

Existe uma rela

ção semântica

ç

ão semântica

S

entre w1 e w1’

entre w1 e w1

’

e/ou w2 e w2

’

. O elemento não relacionado

é

idêntico ou

é

morfologicamente relacionado

2.

w1 e w1

’

são cabeç

são cabe

ç

as enquanto que w2 e w2

’

possuem pap

é

is tem

á

ticos semelhantes

3.

w1w2 e w1

’

w2’

w2

’

possuem

a mesma

rela

ção

ç

ão

semântica

S

_S

(35)

Variantes semânticos: Corol

á

_á

rio

_rio

Se

duas UT compostas T e T’ forem consideradas (hipoteticamente)

variantes semânticos (usando as regras)

e T e T’ são estruturados a partir das UT simples w1/w1’ ou

w2/w2’

e w1/w1’ e w2/w2’ que verificam (1) e (2)

Então

podemos assumir que as UT Variantes T e T’ partilham a mesma

relação semântica S que um dos seus constituintes (w1/w1’ ou w2/w2’), e por isso poderemos propagar a relação

Algoritmo:

1. procurar UT variantes

2. propagar entre as UT variantes as relações semânticas dos seus

(36)

Pesquisa de Variantes

Baseada nas regras e restri

ç

ões anteriores foi criada uma

meta

-

gram

á

tica

de produ

ção de varia

ç

ão de varia

ç

ões

110

110 meta

meta

-

regras

!

16 para termos 16 para termos AdjAdj NN

22 para termos N 22 para termos N AdjAdj

72 para N 72 para N PrepPrep NN

Ex

:

N1 Prep N2 -> M(N1; N) Adv? Adj? Prep Art? Adj? S(N2)

composi

composiççãoão do do frutofruto --> > compostos qucompostos quíímicosmicos da da sementesemente

Usada no FASTR

(37)

Pesquisa de Variantes

Recapitulando a ideia base:

Conhecemos a relaç

Conhecemos a rela

ç

ão

““sementesemente”” éé parte do parte do ““frutofruto””

Conhecemos e somos capazes detectar UT variantes:

composicomposiçção do fruto ão do fruto

compostos [qucompostos [quíímicos] da sementemicos] da semente

Usando: Usando: N1 Prep N2 -> M(N1; N) Adv? Adj? Prep Art? Adj? S(N2)

Pela definiPela definiçção de UT variantes podemos assumir:ão de UT variantes podemos assumir:

““compostos qucompostos quíímicos da sementemicos da semente”” éé parte do parte do ““composicomposiçção ão

do fruto

(38)

Resultados da pesquisa de variantes

Foram encontrados 1.143 variantes

SintSintáácticos: 495cticos: 495

Semânticos: 584Semânticos: 584

MorfoMorfo--sintsintáácticos: 64cticos: 64

981 Variantes foram considerados correctos

–

85.5%

Resultados parciais vari

áveis:

á

veis:

1.

1. SintSintáácticos cticos –– P = 93.9 %P = 93.9 % 2.

2. Semânticos Semânticos ““purospuros”” –– P = 86.2 %P = 86.2 % 3.

3. MorfoMorfo--sintsintáácticos cticos –– P = 71.2 % P = 71.2 % 4.

4. Semânticos com variaSemânticos com variaçções sintões sintáácticas/morfolcticas/morfolóógicas gicas –– P = 73.8 %P = 73.8 %

Para (3) e (4) muitas Para (3) e (4) muitas UT variantes são UT variantes são semanticamente semanticamente

diferentes das originais

(39)

Propaga

ç

_ç

ão de Rela

_{ão de Rela}

ç

_ç

ões

_ões

Pretende

-

se projectar hierarquias de UT 1 de palavra

em hierarquias de UT multi

-

palavra.

Recordemos que o FASTR, precisou de poder testar

rela

ções semânticas entre palavras simples

ç

ões semânticas entre palavras simples

2 op

ç

ões

dispon

í

veis para este efeito:

1.

Tesauros

[AGROVAC]

2.

Conjuntos de hiper

ó

nimo e os seus co

-

hip

ó

nimos

gerados pelo

Prom

éth

é

thé

ée

e

a partir do corpus (tipo

synsets

(40)

Propaga

ç

_ç

ão de Rela

_{ão de Rela}

ç

_ç

ões

_ões

E.g.

(41)

Propaga

ç

_ç

ão de Rela

_{ão de Rela}

ç

_ç

ões: 2 tipos

_{ões: 2 tipos}

1.

Projec

ç

ão por Transferência

as ligaas ligaçções entre 2 conceitos representados por UT de 1 ões entre 2 conceitos representados por UT de 1

palavra são transferidas para UT multi

palavra são transferidas para UT multi--palavra localizadas palavra localizadas noutro ponto da hierarquia.

noutro ponto da hierarquia.

hiper(frutahiper(fruta, ma, maççã) ã) ÆÆ hiper(sumohiper(sumo de fruta, sumo de made fruta, sumo de maççã)ã)

2.

Projec

ç

ão por Especializa

ç

ão

as ligaas ligaçções entre 2 conceitos representados por UT de 1 ões entre 2 conceitos representados por UT de 1

palavra são transferidas em paralelo para

palavra são transferidas em paralelo para UTUT’’ss multimulti--palavra palavra que representam conceitos especializados de cada um dos

que representam conceitos especializados de cada um dos

conceitos base

(42)

Propaga

(43)

Propaga

ç

ão de Rela

ç

ões: observa

ç

ões

Estamos a trabalhar em dom

í

nios espec

í

ficos o que

reduz ambiguidades / polissemia / homografia

Por isso, estas propagaPor isso, estas propagaçções não devem gerar demasiados ões não devem gerar demasiados

pares esp

pares espúúriosrios

UT multi

-

palavra são normalmente espec

í

ficas e menos

frequentes em corpora

Por isso, nem todas as propagaPor isso, nem todas as propagaçções possões possííveis podem depois veis podem depois

ser encontradas / verificadas em corpora

Esta t

é

cnica deve ser entendida como uma forma semi

-

-autom

(44)

Avalia

ç

_ç

ão das Projec

_{ão das Projec}

ç

_ç

ões (1)

_{ões (1)}

Propaga

ç

ão das

rela

ções obtidas pelo

ç

ões obtidas pelo

M

é

todo 1:

Prom

é

th

é

e

+ corpora

Dos 1216 pares entre

UT

’

s

de 1 palavra,

seleccionaram

-

se 89

Propagadas 584 novas

rela

ç

ões entre UT

multi

(45)

Avalia

ç

_ç

ão das Projec

_{ão das Projec}

ç

_ç

ões (1)

_{ões (1)}

Transferências são mais habituais: 507

vs

. 77

Certas classes são muito produtivas:

Elementos qu

í

micos, cereais e frutos

Termos muito gené

Termos muito gen

é

ricos

Outras classes são muito pouco produtivas:

Poli

ó

leos

, prote

í

nas: UT muito espec

í

ficos, ou

melhor têm regras pr

ó

prias de obtenç

prias de obten

ç

ão de variantes

e de projec

ç

ão

(46)

Especializa

ç

ão

vs

. Transferência (1)

Projec

ç

ão por Especializa

ç

ão:

Menos frequentes: 77

tuplos

Precisão m

édia relativamente baixa: 58.4 %

é

dia relativamente baixa: 58.4 %

Desvio padrão elevado

Projec

ç

ão por Transferência:

Bastante frequentes: 507

Precisão m

é

dia relativamente elevada: 83.8 %

Desvio padrão reduzido

(47)

Avalia

ç

_ç

ão das Projec

_{ão das Projec}

ç

_ç

ões (2)

_{ões (2)}

PropagaPropagaçção das relaão das relaçções ões

identificadas por consulta a

um tesauro [AGROVAC:

15,800

15,800 UTUT’’ss]]

Teste Teste àà robustez do robustez do

Prom

Promééththééee

SeleccionaramSeleccionaram--se 168 se 168 UTUT’’ss

de 4 t

de 4 tóópicos: cultivo / picos: cultivo /

anatomia vegetal / produtos

vegetais / sabores

Projectadas 371 novas Projectadas 371 novas

rela

relaçções entre UT multiões entre UT multi- -palavra

(48)

Avalia

ç

_ç

ão das Projec

_{ão das Projec}

ç

_ç

ões (2)

_{ões (2)}

Resultados semelhantes ao caso anterior

Projec

ç

ão por Especializa

ç

ão:

Menos frequentes: 45

tuplos

Precisão m

é

dia relativamente baixa: 57.8 %

Projec

ç

ão por Transferência:

Bastante frequentes: 326

Precisão m

é

dia relativamente elevada: 72.4 %

(49)

Corpora

vs

_vs

.

_.

Tesauros

_Tesauros

Os resultados da utiliza

ç

ão da informa

ç

ão de

tesauros são significativamente inferiores

Os tesauros utilizam hierarquias mais profundas

o que aumenta a distância m

é

dia entre co

-

-hip

hip

ó

nimos

Aparentemente,

é

mais dif

í

cil verificar a rela

ç

ão

entre UT simples usando tesauros (não h

á

transitividade?) e por isso são validadas menos

rela

(50)

Conclusões

Um m

é

todo que permite propagar algumas rela

ç

ões

semânticas f

semânticas fá

á

ceis de estabelecer automaticamente (i.e.

entre UT 1 palavra) a um conjunto de UT compostas

cuja detec

ç

ão de rela

ç

ões

é

mais complexa

Boa precisão

Pass

í

vel de ser portado para PT

Bom m

é

todo para criar gloss

á

rios

(51)

Conclusões

Um m

é

todo

autom

á

tico

interessante para

obten

ç

ão de PLS

Precisão razo

á

vel e talvez tenha poucas

vantagens relativamente

à

aproxima

ç

ão manual

Seria interessante pensar:

1.

1. como generalizar o mcomo generalizar o méétodo de propagatodo de propagaçção para quaisquer ão para quaisquer

UT para partir de qualquer tamanho

2.