INQUER
Interacção Pessoa-Máquina em Linguagem Natural
MÓDULO II
Inferência e Extracção de Informação
 Ricardo Santos, 2003
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)
Arquitectura Geral do INQUER
Pergunta (Português)
INQUER
MÓDULO I
Analisador
Base de Dados
Lexical
Forma Lógica
Forma
Lógica
MÓDULO II
Motor de Inferência
Resposta
MÓDULO III
Gerador
Resposta (Português)
Base de Dados
Léxico-Conceptual
(WordNet.PT)
WordNet.PT
Base de Dados do Conhecimento Linguístico
Rede Léxico-Conceptual
Capta padrões da organização do léxico
mental
Relações entre conceitos lexicalizados
Relações estruturantes
 Sinonímia
ex. borrego-cordeiro; rabanada-fatia dourada
 Hiperonímia / Hiponímia
{animal}
ex. gato-mamífero; mamífero-animal
hiperonímia/
generalização
{mamífero}
hiponímia/
especialização
{cão}
...
{gato}
Cada conceito
tem uma glosa
associada
Relações de Todo-Parte
Holonímia / Meronímia
 Holo-parte / Mero-parte
ex. açorda-pão; sangria-açúcar
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
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
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
Alg. de Consulta
Alg. de Extracção
Base de Dados
Léxico-Conceptual
(WordNet.PT)
Resposta (em linguagem artificial)
Extracção e Tratamento da BD
Construção de ficheiros consultáveis pelo
Prolog
Extracção de Dados
WordNet.PT
Ficheiros de Texto
Polaris
Detonador
Base de Dados
INQUER
Geração de
Ficheiros
Prolog
Ficheiros Prolog
Ordenação e
Remoção de
redundâncias
Algoritmos de Consulta e
Extracção de Informação
Correspondência entre Termos/Expressões
em LN e relações da WN.PT
Termos/Exps em LN
WN.PT
sinónimo; “o mesmo”;
variante
Sinonímia
hipónimo; tipo; subtipo;
raça; espécie
Hiponímia
hiperónimo; supertipo
Hiperonímia
glosa; definição;
significado/significar
Glosa
Ex. Perguntas
- Quais são os sinónimos de fatia dourada?
- “Borrego” é o mesmo que carneiro?
- Quantos (sub)tipos de felino há?
- Quais são as raças de gatos que existem?
- “Carnívoro” é hiperónimo/supertipo de
cão?
- Qual é a definição/glosa de gato siamês?
- O que significa fritar?
Correspondências LN-WN.PT (cont.)
LN
ser
ter
“feito de”; levar
“feito com”; levar
Verbos da WN.PT
(miar,ladrar,comer,...)
Relações da WN.PT
Hiper/Hiponímia;
Sinonímia; Glosa
Meronímia; Mero-parte;
Mero-porção
Mero-matéria
Holonímia/Meronímia
Role/Involved
Ex. Perguntas
- Os cães são carnívoros?
- Um borrego é um cordeiro?
- O que é um gato?
- A açorda tem pão?
- Os gatos têm patas?
- O pão tem migalhas?
- O fiambre é feito de carne de porco?
- Um enchido leva carne?
- Os doces são feitos com açúcar?
- Quais são os pratos que levam bacalhau?
- Os gatos miam?
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.
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
Inferência
Factos Prolog
Forma Lógica
has_hyponym(gato,'gato siamês').
x (gato_siamês(x)  gato(x))
has_hyponym(felino,gato).
x (gato(x)  felino(x))
has_mero_part(felino,pata).
x (felino(x)  (y (pata(y) 
ter(x,y)))
felino
pata
gato
gato siamês
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
sse
P é satisfazível e Q é satisfazível em WN.PT
P
sse
P não é satisfazível em WN.PT
x P(x)
sse
Existe pelo menos um x tq P(x) é sat. em WN.PT
x P(x)
sse
Não existe um x tq P(x) não seja sat. em WN.PT
-Todos os felinos miam? - Não | -Alguns felinos miam? - Sim
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
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, ...]
Exemplo (cont.)
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?
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
Interface
Site do INQUER - Arquitectura
Form
HTML
Pergunta

Pedido HTTP
Prolog-CGI
Script
Página
HTML
Página HTML
Resposta
Web Browser
Servidor CLUL
Demonstração do site
http://www.clul.ul.pt/clg/inquer
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
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?
Trabalho Futuro - INQUER
Desenvolvimento do Módulo III – Geração em LN
Módulo de Fala (Reconhecimento e Síntese)
Rumo ao HAL9000...

