Le Traitement automatique des langues à EDF Recherche & Développement Des échecs et des succès Le Traitement automatique des langues à EDF Recherche & Développement Depuis 1986 jusqu’en 2005 – Traitement de l’information textuelle • Projet européen Graal,, logiciel KES • Maîtrise du contenu fin du programme de recherche : Bibliothèque Electronique, Sphère, • Résumé automatique (Séraphin) • Indexation automatique (SCDT) • Extraction et gestion de terminologie (Lexter, Lexiclass, Coatis, WorldTrek) – Aide à la rédaction • Exploitation d ’une terminologie de référence (Merlin) • Mémoire de rédaction (HyTech) – Aide à la Traduction • Terminologies multilingues (web, communication avec les filiales) – Constitution d’ontologies formelles • Transformations terminologie-ontologie XTM et OWL EDF R&D - sept 2001 - Daniela GARCIA Exemple 1 - SCDT • Système de Consultation de Documentation Technique – Intranet – Textes et Schémas CAO – Fonctionnalités d ’accès et de Navigation • Table des matières • Texte intégral + Terminologie • Index – La terminologie sert de pivot pour naviguer entre des données de formats distincts (textes et 2D) EDF R&D - sept 2001 - Daniela GARCIA Le contexte d’élaboration du SCDT • Informatisation de la documentation technique – faciliter la consultation et la mise à jour • Propriétés de la documentation technique traitée – nature : domaine donné, activité bien déterminée – taille : quelques centaines de pages • Besoins des utilisateurs – moyens d’accès sûrs et rapides – prise en compte de leur activité EDF R&D - sept 2001 - Daniela GARCIA Le SCDT n’est pas une application de recherche documentaire Le problème est différent de la recherche d’information dans des fonds documentaires, ou sur Internet • Le profil et les besoins des utilisateurs peuvent être bien spécifiés à priori, • La documentation porte sur un domaine fermé (produit ou processus industriel donné), • La taille du corpus permet d’envisager des traitements fins EDF R&D - sept 2001 - Daniela GARCIA L'interrogation texte intégral assistée d’une terminologie Correspondance entre mots de la terminologie et termes de la requête Réduction du silence contrôle des mots de la requête précision de l'interrogation Réutilisabilité dans le cadre d’autres documents La terminologie est un produit en soi qui peut rendre d’autres services EDF R&D - sept 2001 - Daniela GARCIA L’interrogation plein texte sans assistance terminologique ...... Définir pour les tranches thermiques et nucléaires REP et RNR les prescriptions de réalisation des schémas mécaniques. ...... Recherche tranche* nucléaire* ...... - Schéma d'ensemble des systèmes de sûreté des tranches nucléaires, ...... ...... Repérage fonctionnel et matériel des centrales thermiques et nucléaires. (MIR II.01.01 ou DT 91.D.013) ...... EDF R&D - sept 2001 - Daniela GARCIA L'interrogation texte intégral assistée d’une terminologie ...... Définir pour les tranches thermiques et nucléaires REP et RNR les prescriptions de réalisation des schémas mécaniques. ...... Recherche tranche* nucléaire* ...... - Schéma d'ensemble des systèmes de sûreté des tranches nucléaires, ...... ...... Repérage fonctionnel et matériel des centrales thermiques et nucléaires. (MIR II.01.01 ou DT 91.D.013) ...... EDF R&D - sept 2001 - Daniela GARCIA Recherche en texte intégral : Apport d ’une terminologie EDF R&D - sept 2001 - Daniela GARCIA L’index, à mi-chemin entre réseau syntaxique et ontologie ouvrages électriques liaisons Classement de haut niveau par «est-un» Liens plus «flous» : liaisons souterraines liaisons aériennes Non formels La plupart du temps issus du réseau terminologique liaisons aériennes anciennes Compréhensibles par le lecteur guide d’expertise d’une ligne aérienne Utiles à la consultation GDP-B-3 ligne coût d’investissement des lignes critère de choix d’une ligne aérienne GDP-A-5 postes données économiques Liens sémantiques : de causalité (COATIS) statiques (SEEK) coûts coût d’investissement des lignes EDF R&D - sept 2001 - Daniela GARCIA Méthodologie d’élaboration du Système de Consultation de Documentation Technique EXPERT DU DOMAINE Modélisation INDEX de l’ACTIVITE INDEX du DOMAINE SYSTEME DE CONSULTATION TERMINOLOGIE Linguistic based toolbox for hypertext automatic linking on large technical documentation. Les décisions de A paperdes by Cécile Gros, Didier renforcement réseaux Bourigault and Jean-Louis Vuldy. régionaux doivent s'inscrire dans un plan de We have developped développement à long termea terminology extraction software cohérent avec les objectifs that parses texts on any technical stratégiques de l'Entreprise. subject and supplies a web of En particulier, ce plan à long likely terminological This terme doit, par la structure units. et web, together with the original les caractéristiques corpus it has beenqu'il extracted from techniques des réseaux is organized contient, favoriser :as an hypertext, known asd'un terminological - la fourniture produit hypertext, which is submitted to a de qualité, terminologist for validation. - l'implantation de clients potentiels. TERMES RELATIONS ENTRE TERMES CLASSES DE TERMES Analyse automatique de texte DOCUMENTS TECHNIQUES EDF R&D - sept 2001 - Daniela GARCIA Les outils : LEXTER • Un Logiciel d'EXtraction de TERminologie – en entrée : un corpus de textes techniques – en sortie : un réseau de candidats termes • Type d'analyse – Premier module : étiquetage grammatical (Sylex, Cordial, ...) – Analyse syntaxique (repérage de frontières entre groupes nominaux terminologiques, apprentissage endogène) • Indépendance vis-à-vis d'un domaine • L'interface de validation et de consultation : WorldTrek EDF R&D - sept 2001 - Daniela GARCIA Exemple de réseau terminologique LEXTER T T ligne aérienne haute tension ligne aérienne moyenne tension ligne aérienne ligne simple ligne d'alimentation ligne E alimentation E capacité de transit de la ligne déclenchement de la ligne E ordre de déclenchement de la ligne EDF R&D - sept 2001 - Daniela GARCIA Les outils : modules de post-traitement du réseau terminologique • Module de typage – analyse statistique de la position des termes dans le réseau – propositions de typage en objet, attribut, valeur d'attribut, action RESEAU, POSTE COUT, PUISSANCE objet attribut • Module de classification (LEXICLASS) AERIEN SOUTERRAIN LIAISON LIGNE LIGNE ELECTRIQUE TECHNIQUE EDF R&D - sept 2001 - Daniela GARCIA Groupe turbo-alternateur Domaine Centrale nucléaire Domaine Cycle de la vapeur Groupe turboalternateur Chaudière nucléaire Groupe turboalternateur Turbine Pompe d’extraction Condenseur Pompe Condenseur d’alimentation Sécheursurchauffeur Liens tout-partie 15/01/99 Liens fonctionnels DESS Traductique et Gestion de l'Information 15 Structuration manuelle qui aurait pu être assistée du TAL EDF R&D - sept 2001 - Daniela GARCIA Liens de synonymie : SynoTerm • Abréviations : possibilité d’aide à la détection automatique – END / Energie Non Distribuée • Variantes grammaticales : proposées par Lexter – alimentation (du/d’un/des) poste(s) • Expérience d’utilisation de dictionnaire de synonymes – très positif et utilisé dans le domaine du nucléaire EDF R&D - sept 2001 - Daniela GARCIA Les outils : COATIS • Fonction : typage de candidats termes Lexter en termes d'action • Principe : repérage de marqueurs verbaux de la causalité « le raccordement d'une charge monophasée provoque l'apparition d'une composante inverse » RACCORDEMENT D'UNE CHARGE MONOPHASEE terme d'action APPARITION D'UNE COMPOSANTE INVERSE terme d'action RACCORDEMENT , APPARITION termes d'action CHARGE MONOPHASEE, COMPOSANTE INVERSE termes d ’objet EDF R&D - sept 2001 - Daniela GARCIA Exemple 1: Navigation documentaire hypertexte en XTM Racine méta Scope : Contenu consultation Association (2 rôles, 1 type) : Scopé Métastructure : trait gras Structuration indexation Scopé Hiérarchie : trait fin Structuration données Entrée Structure Entrée Ressources Variant scopé : DSE Pour Affichage Pour Tri 1300 KR LB002 ASG Matériel ASG VR Topic Occurence RRI Bâtiment K Topic AA XXX Tdm ASG XX ASG42A A Instance of Instance of Tdm doc 1 Matériel Chap 1 Local Index Visualisation de schémas de tuyauterie 2D sur l ’Intranet EDF R&D - sept 2001 - Daniela GARCIA Chapitre 1 - Liste et contenu des mises à jour.html EDF R&D - sept 2001 - Daniela GARCIA Exemple 2 : Merlin • Le système Merlin d ’aide à la rédaction • Rédaction conforme avec une terminologie de référence – – – – terme le plus précis possible évacuer les termes interdits utiliser des synonymes ..... EDF R&D - sept 2001 - Daniela GARCIA Merlin Aide à la rédaction EDF R&D - sept 2001 - Daniela GARCIA Exemple 3 : HyTec • Aide à la rédaction de réponses au lettres de réclamation des clients résidentiels • Création automatisée d ’hypertexte EDF R&D - sept 2001 - Daniela GARCIA Aide au traitement des lettres de réclamation • Aide à la rédaction de la réponse au courrier clientèle • Analyse de la cohérence des réponses • Amélioration de la qualité de la mémoire de rédaction EDF R&D - sept 2001 - Daniela GARCIA EDF R&D - sept 2001 - Daniela GARCIA Aller à la réponse associée EDF R&D - sept 2001 - Daniela GARCIA Liens dynamiques entre syntagmes nominaux caractérisés par leur contexte d’utilisation Mémoire de rédaction Nouveau courrier à traiter ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ portion de texte contenant un syntagme nominal dans un contexte pertinent ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ ___________ Réponses associées EDF R&D - sept 2001 - Daniela GARCIA Exemple 4 : WorldTrek • Outil générique – visualisation de terminologie et ontologies reliés à des documents textuels – création, validation et gestion de terminologies et ontologies – atelier de fabrication et de mise à jour d ’index • Utilisés dans les projets – SCDT – Merlin EDF R&D - sept 2001 - Daniela GARCIA Visualisation des résultats de l’analyse Lexter + ContextO WORLDTREK EDF R&D - sept 2001 - Daniela GARCIA Exemple 5 Safir : terminologie multilingue chambre à combustion centrale de cogénération De TML à OWL ou de WorldTrek à Protégé