La première étape du traitement du langage consiste à identifier la catégorie lexicale de chaque mot. Les connaissances concernant la nature des mots figurent dans un lexique ou dictionnaire. Celui-ci contient en outre des connaissances morphologiques permettant d'identifier les diverses variations d'un même mot, notamment de savoir que 'a mordu' correspond au verbe 'mordre', conjugué à la troisième personne du passé composé et à la voix active. Pour traiter notre exemple, les connaissances suivantes sont nécessaires:
Mot Nature Connaissances
Morphologiques
le article défini masculin singulier le
de préposition de
ma adjectif possessif 1p.s., féminin mon
singulier
chien nom commun masculin singulier chien
voisine nom commun féminin singulier voisin
Michel nom propre masculin singulier Michel
a mordu verbe transitif 3 p.s, passé comp., mordre
voix active
La
deuxième étape consiste à identifier des structures
syntaxiques. Ces structures sont décrites en termes de catégories
lexicales et permettent de décrire une grande variété de
phrases. Voici quelques règles qui définissent une grammaire
élémentaire: 1) article + nom commun => groupe nominal
2) adjectif possessif + nom commun => groupe nominal
3) nom propre => groupe nominal
4) article + nom commun + prép. + groupe nominal => groupe nominal
5) verbe transitif + groupe nominal => groupe verbal
6) verbe intransitif => groupe verbal
7) groupe nominal + groupe verbal => phrase
La règle 1 peut se lire comme suit "un article puis un nom commun forment un groupe nominal". La règle 2 reconnaît 'ma voisine' comme groupe nominal. La règle 3 identifie 'Michel' comme étant un groupe nominal. Par contre, si l'utilisateur tape 'mon Michel', aucune de ces règles n'identifierait cette réponse comme étant grammaticalement correcte. On peut intégrer dans ces règles des contraintes morphologiques afin de rejeter une réponse telle que 'mon voisine'. Après avoir appliqué la règle 2 à 'ma voisine', il est possible d'appliquer la règle 4 au groupe de mots 'Le chien de <groupe nominal>'. La figure 4.11 illustre la réduction progressive de la structure initiale jusqu'à l'identification d'une structure de phrase élémentaire (règle 7). Ces connaissances lexicales et grammaticales sont mises en oeuvre par une procédure de pattern matching plus élaborée que celle utilisée par Authorware.
La grammaire définie est aussi arbitraire que le pattern défini par l'auteur avec Authorware. On peut définir des grammaires pour des sous-langages, des grammaires fausses, des grammaires pour l'analyse d'expressions algébriques, etc. La procédure d'analyse teste simplement si une réponse correspond à une grammaire, elle n'implique pas que cette grammaire ait une valeur absolue. On peut par exemple analyser une phrase allemande avec une syntaxe française afin de détecter si un francophone qui apprend l'allemand reproduit dans cette langue certains aspects de sa langue maternelle. La procédure d'analyse à partir d'une grammaire formelle n'implique pas non plus que les règles décrites correspondent à une réalité psychologique, c'est-à-dire que l'être humain utilise des règles semblables pour sa compréhension de l'énoncé. La mise en oeuvre d'un système de règles est expliqué dans le module 8.
Figure 4.11 : Analyse d'une phrase simple
L'identification de la réponse du sujet peut se faire au moyen de règles de transformation. Ces règles définissent des classes de phrases équivalentes à la réponse-cible (du point de vue de l'auteur). La règle ci-dessous permet de transformer une phrase exprimée à la voix passive en son équivalent à la voix active:
sujet (X) + verbe à la voix passive (Y) + 'par' + complément d'agent (Z)
=>
sujet (Z) + verbe à la voix active (Y) + complément d'objet direct (X)
Cette règle permet de déterminer que la réponse 'Michel a été mordu par le chien de la voisine' correspond à la réponse cible 'Le chien de ma voisine a mordu Michel'. Il convient pour cela de substituer (le chien de ma voisine) à X, (mordre) à Y et (Michel) à Z.
(Michel) (a été mordu) (par ) (le chien de la voisine)
=>
(le chien de ma voisine)(a mordu)(Michel)
Ces règles permettent de fournir le feed-back associé à la phrase-cible identifiée. Par exemple, le concepteur déterminera que la phrase 'C'est le chien de ma voisine qui a mordu Michel' est une bonne description de l'image présentée et il fournira le feed-back 'Très bien' à toute phrase équivalente. Cette association d'une classe de réponses à un feed-back unique constitue cependant une forme assez rigide d'interaction. On peut faire mieux en associant une représentation du contenu de la phrase. Ainsi, l'énoncé utilisé plus haut contient certaines informations: il s'agit d'une agression (mordre); l'agression a eu lieu dans le passé; l'auteur de l'agression est un chien (chien-A); la victime de l'agression est une personne (personne-A); personne-A s'appelle Michel; le chien appartient à une personne (personne-B); personne-B est de sexe féminin; personne-B est voisine d'une personne C, auteur de la phrase;
On peut représenter ces entités et leurs relations par des structures de données. Chaque entité est définie par une certain nombre de paires attribut-valeur. Par exemple, une personne peut être décrite par la liste '(nom Paul) (age 35) (taille 178) (sexe masculin) ...'. L'ensemble des objets qui sont définis par les même attributs forment une classe. On dit qu'ils constituent des exemples de cette classe. Les trois personnes (A,B,C) évoquées dans l'analyse ci-dessus constituent trois exemples de la classe 'personnes'. La classe 'personnes' constitue une sous-classe de la classe des animaux. La figure 4.12. illustre les entités décrites, les relations entre elles ainsi que la hiérarchie des classes. Certains langages informatiques, dits 'orientés-objet', disposent d'instructions permettant de définir des classes, d'en créer des exemples, de définir des traitements spécifiques pour les exemples des différentes classes, etc.
Cet ensemble d'objets interconnectés porte le nom de 'réseau sémantique'. Les langages informatiques disposent d'instructions permettant de retrouver la valeur de l'attribut d'un objet (par exemple 'valeur-de person-A nom'). Si le logiciel dispose de règles permettant de traduire des questions formulées en langue naturelle en instructions de lecture du réseau sémantique, il pourra répondre à des questions telles que: " Est-ce un chien qui a mordu Michel? ". " A qui appartient le chien qui a mordu Michel? ", " Ma voisine a-t-elle un chien? ",...
Un réseau sémantique est constituée de symboles et connections entre symboles. Ces connections permettent de rechercher un symbole à partir d'un autre, par exemple, de trouver 'voisine' à partir de 'chien'. Cette performance peut donner à l'utilisateur l'illusion que le système a compris sa question. L'ordinateur ne comprend en réalité aucun de ces symboles. Remplacez le symbole 'voisine' par le symbole 'hk%*3Bz' et le réseau fonctionnera exactement de la même manière. Aucun de ces symboles ne possède de signification réelle pour l'ordinateur. Les connaissances sémantiques de l'ordinateur peuvent se comparer avec la situation d'un sujet ne parlant pas Chinois, enfermé seul dans une pièce et qui veut apprendre le chinois au moyen d'un dictionnaire Chinois-Chinois. La définition d'un mot dans ce dictionnaire renvoie vers d'autres symboles aussi incompréhensibles que le premier. L'association de symboles dénués de sens ne fournit pas une véritable compréhension de ces symboles, mais simplement de produire une réponse en fonction d'un message complexe.
Les aspects sémantiques et pragmatiques de la langue constituent un obstacle fondamental au traitement automatique du langage naturel. Considérons par exemple les phrases suivantes: "Jean a prêté sa voiture à Paul. Il l'a chaleureusement remercié." Nos connaissances nous permettent de déterminer que le pronom 'il' réfère à Paul et non à Jean. Nous savons que 'prêter' est une action généreuse qui implique une reconnaissance de l'emprunteur vers le prêteur. Considérons un autre exemple, inspiré de Dix. et al (1993): "Paul a frappé le garçon avec un bâton en bois. Christine a frappé le garçon avec un bonnet en laine." A nouveau, seule une construction du contexte sémantique nous permet de comprendre que 'avec le bâton en bois' concerne l'acte de frapper, alors que 'avec le bonnet en laine' concerne le garçon frappé. La résolution des ambiguïtés propres au langage courant repose sur une grande quantité d'informations spécifiques au contexte du message. Ceci explique que des systèmes relativement robustes n'aient pu être développés que dans des domaines bien circonscrits, par exemple la traduction automatique des bulletins d'avalanche. Par contre, toutes les prévisions concernant le développement de systèmes génériques de compréhension du langage naturel se sont révélées largement optimistes.
Figure 4.12 : Réseau sémantique permettant d'organiser les connaissances contenues dans la phrase 'Le chien de ma voisine a mordu Michel'