INQUER Interacção Pessoa-Máquina em Linguagem Natural

Apresentação em tema: "INQUER Interacção Pessoa-Máquina em Linguagem Natural"— Transcrição da apresentação:

1 INQUER Interacção Pessoa-Máquina em Linguagem Natural
MÓDULO II Inferência e Extracção de Informação  Ricardo Santos, 2003

2 Tópicos INQUER WordNet.PT
Módulo II - Inferência e Extracção de Informação Extracção e Tratamento da Base de Dados Alg. de Consulta e Extracção de Informação Inferência e Extraccão de Informação Interface (site do INQUER)

3 Arquitectura Geral do INQUER
Pergunta (Português) INQUER Base de Dados Lexical MÓDULO I Analisador Forma Lógica Base de Dados Léxico-Conceptual (WordNet.PT) MÓDULO II Motor de Inferência Forma Lógica Resposta MÓDULO III Gerador Resposta (Português)

4 WordNet.PT Base de Dados do Conhecimento Linguístico
Rede Léxico-Conceptual Capta padrões da organização do léxico mental

5 Relações entre conceitos lexicalizados
Relações estruturantes Sinonímia ex. borrego-cordeiro; rabanada-fatia dourada Hiperonímia / Hiponímia ex. gato-mamífero; mamífero-animal {animal} {mamífero} {cão} {gato} ... hiperonímia/ generalização Cada conceito tem uma glosa associada hiponímia/ especialização

6 Relações de Todo-Parte
Holonímia / Meronímia ex. açorda-pão; sangria-açúcar Holo-parte / Mero-parte ex. árvore-tronco; leão-juba Holo-membro / Mero-membro ex. enxame-abelha; pinhal-pinheiro Holo-porção / Mero-porção ex. bolo-fatia; melão-talhada Holo-matéria / Mero-matéria ex. carne de porco-fiambre Holo-localização / Mero-localização ex. cidade-baixa

7 Relações internas à estrutura do evento
Role / Involved ex. gordura-fritar Agente / Envolve Agente ex. cão-ladrar; gato-miar Paciente (Objecto) / Envolve Paciente (Objecto) ex. vaca-ordenhar; almoço-almoçar Resulta / Tem Resultado ex. bolo-cozer; fumado-fumar

8 Arquitectura Geral - Módulo II
Representação Semântica (Forma Lógica - LPO) INFERÊNCIA e EXTRACÇÃO de INFO. Processamento da FL PERG. POLARES PERG. SOBRE ARG. Alg. Satisf. da FL Alg. Segm. da FL INFERÊNCIA Base de Dados Léxico-Conceptual (WordNet.PT) Alg. de Consulta Alg. de Extracção Resposta (em linguagem artificial)

9 Extracção e Tratamento da BD
Construção de ficheiros consultáveis pelo Prolog WordNet.PT Ficheiros de Texto Extracção de Dados Polaris Geração de Ficheiros Prolog Detonador Base de Dados INQUER Ficheiros Prolog Ordenação e Remoção de redundâncias

10 Algoritmos de Consulta e Extracção de Informação
Correspondência entre Termos/Expressões em LN e relações da WN.PT Termos/Exps em LN WN.PT Ex. Perguntas sinónimo; “o mesmo”; variante Sinonímia Quais são os sinónimos de fatia dourada? “Borrego” é o mesmo que carneiro? hipónimo; tipo; subtipo; raça; espécie Hiponímia Quantos (sub)tipos de felino há? Quais são as raças de gatos que existem? hiperónimo; supertipo Hiperonímia - “Carnívoro” é hiperónimo/supertipo de cão? glosa; definição; significado/significar Glosa Qual é a definição/glosa de gato siamês? O que significa fritar?

11 Correspondências LN-WN.PT (cont.)
Relações da WN.PT Ex. Perguntas ser Hiper/Hiponímia; Sinonímia; Glosa Os cães são carnívoros? Um borrego é um cordeiro? O que é um gato? ter Meronímia; Mero-parte; Mero-porção A açorda tem pão? Os gatos têm patas? O pão tem migalhas? “feito de”; levar Mero-matéria O fiambre é feito de carne de porco? Um enchido leva carne? “feito com”; levar Holonímia/Meronímia Os doces são feitos com açúcar? Quais são os pratos que levam bacalhau? Verbos da WN.PT (miar,ladrar,comer,...) Role/Involved - Os gatos miam?

12 Algoritmos de Consulta e Extracção de Informação
Implementação dos algoritmos usando predicados que representam relações da WN.PT Predicados: has_hyponym/2 has_meronym/2 gloss/2 etc.

13 Inferência & Extracção de Info.
Dois tipos de pergunta Polares (consulta) Sobre argumentos (consulta e extracção) Inferência (Porquê?) A Base de Dados não contém todo o conhecimento de forma explícita Necessário mecanismo capaz de inferir informação implícita

14 Inferência Factos Prolog Forma Lógica felino gato gato siamês pata
has_hyponym(gato,'gato siamês'). has_hyponym(felino,gato). has_mero_part(felino,pata). x (gato_siamês(x)  gato(x)) x (gato(x)  felino(x)) x (felino(x)  (y (pata(y)  ter(x,y))) felino gato gato siamês pata

15 Perguntas Polares Uma Forma Lógica é verdadeira ou falsa num determinado modelo (WN.PT) Pressuposto de Mundo Fechado Satisfação da Forma Lógica A sse B - A é satisfazível em WN.PT se e só se a condição B se verifica R(t1,..,tn) sse t1 a tn são conceitos lexic. da WN e R/n um pred. exec. P  Q P é satisfazível e Q é satisfazível em WN.PT P P não é satisfazível em WN.PT x P(x) Existe pelo menos um x tq P(x) é sat. em WN.PT x P(x) Não existe um x tq P(x) não seja sat. em WN.PT Todos os felinos miam? - Não | -Alguns felinos miam? - Sim

16 Perguntas sobre Argumentos
Algoritmo: 1- Segmenta a FL devolvendo uma lista com os predicados executáveis que a compõem 2- Executa os predicados extraindo conjuntos de conceitos 3- Faz a intersecção desses conjuntos 4- Devolve resultado

17 Exemplo Quais são os carnívoros que têm focinho?
[qual(A)*>d(o,plu,B,carnívoro(B)&d(exi,sing,C,felino(C) &ter(B,C))>ser_v(A,B)))] 1- [ter(D,focinho), ser_v(E,carnívoro)] 2- conj1 (ter_focinho) [canídeo, marsupial, coelho, lebre, doninha, felino, equídeo, urso, roedor, ruminante, toupeira, ...] conj2 (ser_carnívoro) [canídeo, ave de rapina, fuínha, furão, marta, orca, felino, crocodilo, jacaré, tubarão branco, ...]

18 Exemplo (cont.) Resposta à pergunta:
3- [canídeo, diabo da Tasmânia, felino, fuínha, furão hiena, marta, ouriço-cacheiro] 4- canídeo, diabo da Tasmânia, felino, fuínha, furão hiena, marta, ouriço-cacheiro Resposta à pergunta: Quais são os carnívoros que têm focinho?

19 Processamento da Forma Lógica
Integração dos Módulos (Perg. Polares e Perg. Sobre Argumentos) Análise da FL e reencaminhamento para o respectivo Módulo Perguntas Ambíguas Uma resposta para cada interpretação Coordenações (ex. Os gatos e os cães são animais?) Aplicação do processo de inferência e extracção de informação a cada componente da coordenação

20 Interface Site do INQUER - Arquitectura  Web Browser Servidor CLUL
Prolog-CGI Script Pergunta  Form HTML Pedido HTTP Página HTML Página HTML Resposta Web Browser Servidor CLUL

21 Demonstração do site

22 Em síntese Estudo da WordNet.PT
Extracção e Tratamento da Base de Dados Implementação dos Algoritmos de Consulta e Extracção Implementação dos mecanismos de obtenção de resposta para os dois tipos de pergunta Construção do site do INQUER

23 Trabalho Futuro – Módulo II
Melhorar a rapidez dos algoritmos de busca e extracção de info. Cobrir todas as relações semânticas utilizadas pela WN.PT Considerar: Interrogativas de Alternativa - ex. os gatos são felinos ou canídeos? Interrogativas sobre Adjuntos Causais - ex. por que é que os peixes têm guelras? Interrogativas que envolvem comparação - ex. o que têm em comum um gato e um cão?

24 Trabalho Futuro - INQUER
Desenvolvimento do Módulo III – Geração em LN  Módulo de Fala (Reconhecimento e Síntese)  Rumo ao HAL