Regroupement sémantique de relations pour l'extraction d'information non supervisée
Abstract
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.
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 pou rregrouper 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 le smesures 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
Origin : Files produced by the author(s)
Loading...