Système de raisonnement en langage naturel guidé par un raisonnement caricatural

Natural language question answering system using a caricatural reasoning approach

• Auteur / Autrice : Martine Karoubi
• Direction : Daniel Kayser
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 1986
• Etablissement(s) : Paris 11
• Partenaire(s) de recherche : autre partenaire : Université de Paris-Sud. Faculté des sciences d'Orsay (Essonne)
• Jury : Président / Présidente : Henri Farreny del Bosque
• Jury : Examinateurs / Examinatrices : Henri Farreny del Bosque, Marie-Odile Cordier, Jean-François Le Ny, Gérard Sabah, Daniel Kayser

Mots clés

Mots clés contrôlés

Questions et réponses, Systèmes de

Systèmes experts (informatique)

Mots clés libres

Langage naturel

Profondeur variable

Articulation de mécanismes inférentiels

Modélisation de raisonnement

Résumé

Cette thèse présente un système de raisonnement en langage naturel. Une première partie est consacrée à l’exposé d’un système de question-réponse en langage naturel. Les principales caractéristiques de ce système sont de ne pas utiliser de représentation interne et de raisonner à l’aide de règles de production contextuelles. Nous comparons la méthodologie utilisée à l’approche systèmes experts. La seconde partie étudie la coopération entre deux stratégies de raisonnement, coopération qui a pour but de réduire la combinatoire. En effet, ce système de question-réponse est guidé par un raisonnement caricatural. La caricature est une stratégie de raisonnement qui manipule des concepts abstraits et propose un plan de résolution. Des axes de solutions éventuelles sont ainsi dégagés. Il s’agit d’exploiter les résultats de la stratégie caricaturale et de valider ou d’invalider, par un examen plus raffiné, les solutions qu’elle propose.

The work presented here is our contribution to a question-answering system. The object of this work is twofold: First we present a new version of an answering strategy built around a natural language like representation. This system uses contextual production rules to build a reasoning tree which is the answer to the question. Among other technical features, we use "patterns of rules" to increase the performances of the pattern¬matching algorithm. In the second part we describe a mechanism for exploiting the results of a strategy called "caricature". We refine abstract caricatural reasoning paths in real fine-grain reasonings. We use the caricatural classes to choose "transparent rules" and we also compare phrases to detect the main differencies that have to be reduced.