Semantic relation clustering for unsupervised information extraction (Regroupement sémantique de relations pour l’extraction d’information non supervisée) [in French]

Regroupement sémantique de relations pour l’extraction d’information non supervisée Wei Wang1 Romaric Besançon1 Olivier Ferret1 Brigitte Grau2 (1) CEA, LIST, Laboratoire Vision et Ingénierie des Contenus, Gif-sur-Yvette, F-91191 France. (2) LIMSI, UPR-3251 CNRS-DR4, Bât. 508, BP 133, 91403 Orsay Cedex. {wei.wang,romaric.besancon,olivier.ferret}@cea.fr brigitte.grau@limsi.fr RÉSUMÉ Beaucoup des recherches menées en extraction d’information non supervisée se concentrent sur l’extraction des relations et peu de travaux proposent des méthodes pour organiser les relations extraites. Nous présentons dans cet article une méthode de clustering en deux étapes pour regrouper des relations sémantiquement équivalentes : la première étape regroupe des relations proches par leur expression tandis que la seconde fusionne les premiers clusters obtenus sur la base d’une mesure de similarité sémantique. Nos expériences montrent en particulier que les mesures distributionnelles permettent d’obtenir pour cette tâche de meilleurs résultats que les mesures utilisant WordNet. Nous montrons également qu’un clustering à deux niveaux permet non seulement de limiter le nombre de similarités sémantiques à calculer mais aussi d’améliorer la qualité des résultats du clustering. ABSTRACT Semantic relation clustering for unsupervised information extraction Most studies in unsupervised information extraction concentrate on the relation extraction and few work has been proposed on the organization of the extracted relations. We present in this paper a two-step clustering procedure to group semantically equivalent relations : a first step clusters relations with similar expressions while a second step groups these first clusters into larger semantic clusters, using different semantic similarities. Our experiments show the stability of distributional similarities over WordNet-based similarities for semantic clustering. We also demonstrate that the use of a multi-level clustering not only reduces the calculations from all relation pairs to basic clusters pairs, but it also improves the clustering results. MOTS-CLÉS : Extraction d’Information Non Supervisée, Similarité Sémantique, Clustering. KEYWORDS: Unsupervised Information Extraction, Semantic Similarity, Relation Clustering. 1 Introduction Dans le domaine de l’Extraction d’Information (EI), les problématiques ont évolué sous l’impulsion d’une série de campagnes d’évaluation allant de MUC (Message Understanding Conference) à TAC (Text Analysis Conference) en passant par ACE (Automatic Content Extraction). Les tâches définies dans les campagnes MUC et ACE concernent l’extraction d’information supervisée, pour laquelle le type d’information à extraire est prédéfini et des instances sont annotées dans des corpus représentatifs. À partir de ces données, des systèmes développés manuellement ou par TALN-RÉCITAL 2013, 17-21 Juin, Les Sables d’Olonne 353 c￿ ATALA apprentissage automatique peuvent être développés. Les approches semi-supervisées peuvent s’affranchir partiellement des contraintes de disponibilité de telles données. Par exemple, pour la tâche KBP (Knowledge Base Population) de la campagne TAC, l’extraction de relations s’appuie sur une base de connaissances existante (construite à partir des infoboxes de Wikipédia), mais sans données annotées. Dans ce cas, des techniques de supervision distante (Mintz et al., 2009) peuvent être appliquées. Les méthodes semi-supervisées incluent également des techniques d’amorçage (bootstrapping) (Grishman et Min, 2010) permettant de partir d’un nombre limité d’exemples pour en extraire d’autres. L’extraction d’information non supervisée diffère de ces tâches en ouvrant la problématique de l’extraction de relations à des relations de …

Content truncated to 500 words