Schéma d'une portion de réseau lexical mettant en évidence quelques relations.
JeuxDeMots est l'outil d'un programme de recherche en Traitement Automatique du Langage Naturel (TALN), développé au sein de l'équipe TEXTE du LIRMM (Laboratoire d'Informatique, de Robotique et de Microélectronique de Montpellier, UMR CNRS/Université Montpellier 2) par Mathieu Lafourcade (lafourcade@lirmm.fr) et lancé en juillet 2007, en vue de construire un réseau lexical.
Un réseau lexical est une structure qui met en évidence la manière dont les mots sont reliés les uns avec les autres par toutes sortes de relations, dont la figure ci-dessous donne un aperçu:
Schéma d'une portion de réseau lexical mettant en évidence quelques relations.
Les associations d'idées que l'on peut faire avec un terme donné s'apparentent au champ lexical de ce terme (exemple pour chat : miauler, félin, griffe, litière, ronronner, minou, souris, croquettes, animal de compagnie, etc.) et constituent la plus élémentaire des relations du réseau. C'est également la plus riche quantitativement, c'est pourquoi nous ne l'avons pas représentée dans le schéma. Le schéma ci-dessus met en évidence des relations beaucoup plus précises :
On dit que les relations au sein du réseau sont typées (de natures diverses), orientées (les flèches symbolisent le sens de la relation) et pondérées (l'épaisseur du trait symbolisant une relation indique la fréquence avec laquelle cette relation associe les deux termes). Le schéma ci-dessus ne montre que quelques-unes des nombreuses relations qui constituent un réseau lexical, et JeuxDeMots permet d'en découvrir beaucoup d'autres, dont la polysémie, qui mérite qu'on s'y attarde.
Un terme polysémique est un mot qui a plusieurs sens, que l'on discrimine sans même y penser à cause du contexte dans lequel on emploie le mot : ainsi quand on dit j'ai mangé un avocat à midi, il est clair qu'on parle du fruit et non de l'homme de loi. Pour un cerveau humain c'est évident, mais pour un système automatisé, qui va s'appuyer sur un réseau lexical pour faire de l'analyse de texte, ça ne l'est pas du tout, d'où l'importance de préciser, au sein du réseau, les différents sens que peut avoir un terme.
Ainsi dans le schéma ci-dessus, on peut lire que garçon et table ont pour partie pied. le terme pied à plusieurs sens, parmi lesquels pied (anatomie) et pied (pied d'objet). Pied (anatomie) et pied (pied d'objet) sont des raffinements du terme pied, tout comme pied (poésie), pied (base), ou pied (unité de mesure).
.png)
De nombreuses applications de TALN nécessitent la connaissance la plus précise et exhaustive possible des relations entre les mots d'une langue. Les relations sont des données lexicales qu'il est très long (et coûteux en termes de moyens humains et matériels) d'établir manuellement, en faisant appel à des linguistes, par exemple, et dont l'extraction automatique nécessite une compréhension fine du texte, qui reste hors de portée des machines à l'heure actuelle.
D'où le recours au concept du jeu : JeuxDeMots est un GWAP (Game With A Purpose), c'est à dire une interface ludique conçue pour amener le public à générer des relations entre les mots [1]. Comment ?
Le réseau est alimenté par les propositions des joueurs en réponse à une consigne donnée relativement à un terme-source. Ce système de collecte de données repose sur le principe selon lequel les données recueillies sont supposées valides dès lors qu'elles sont issues de la concordance répétées des propositions des deux joueurs. Ainsi émergent des relations entre le terme-source et les intersections, c'est-à-dire les termes qui s'avèrent être communs quand on confronte les réponses des deux joueurs. La consigne traduit le type de relation visé par la partie. La consigne la plus générale (consigne par défaut pour les joueurs non inscrits) est idées associées, mais de nombreuses autres consignes sont proposées (générique, spécifique, synonyme, cause, conséquence, sentiment, contraire, etc.).
L'accumulation de relations ainsi validées par les propositions communes de paires de joueurs construit progressivement un réseau lexical au sein duquel les liens entre termes sont typés et orientés par la nature de la consigne qui les a générés et pondérés par le nombre de paires de joueurs qui les ont suggérés.
Parmi les termes fournis par un joueur en réponse à une consigne, ceux pour lesquels il n'y a pas eu intersection avec un autre joueur ne sont pas validés, mais ne sont pas éliminés pour autant : ils sont mis en réserve, en tant que contributions susceptibles d'être validées soit par l'un des jeux annexes du projet JeuxDeMots, soit par un administrateur du jeu.
Le projet JeuxDeMots, c'est donc aussi un ensemble de jeux annexes [1][2] qui consolident, précisent, évaluent, ou valident certaines relations du réseau lexical, voire en créent d'autres. Ci-après une brève présentation de chacun d'eux :
Tierxical est un tiercé lexical : pour un terme et une consigne donnés, le joueur doit choisir et ordonner, parmi 9 propositions, les 3 qui lui paraissent répondre le mieux à la consigne. Son tiercé est comparé au choix d'un autre joueur sur le même terme et la même relation et le gain est proportionnel au degré de ressemblance entre les deux tiercés, maximal en cas de tiercé dans l'ordre (mêmes réponses dans le même ordre). En choisissant et en ordonnant des termes, les joueurs se prononcent sur la pertinence de relations déjà présentes dans le réseau, et la concordance des tiercés permet d'accroître le poids des relations les plus choisies. |
Essayez ! |
Demandez-lui ! |
Pensez à quelque chose et Totaki va tenter de le deviner ! Totaki est un petit génie qui lit dans votre tête: il se concentre très fort, et à l'aide des indices que vous lui avez soumis, il devine le mot auquel vous avez pensé ! Si, si, ça marche, essayez ! ;-) |
Askit est un jeu de questions fermées, où l'on répond oui, non ou bof. Le gain en termes de points est proportionnel au pourcentage de joueurs qui ont répondu de la même manière. Askit est un outil de validation de données [2]: la question posée au joueur concerne une relation et un terme précis, par exemple Est-ce-que satiété est une conséquence de manger ?. Si la relation manger>conséquence>satiété existe déjà dans le réseau, la réponse oui va la renforcer, la réponse non va diminuer son poids, la réponse bof va la caractériser comme non pertinente et lui affecter un poids minimal. Si la relation n'existe pas, le terme satiété est alors une contribution en attente pour la relation conséquence qui sera créée avec un poids positif si on répond oui, avec un poids négatif si on répond non, et avec un poids minimum et l'annotation non pertinente si on répond bof. Askit est également très performant pour détecter les relations erronées du fait de la polysémie : répondre non à la question Est-ce que page (jeune noble) est une partie de livre ? permet de donner un poids négatif à une relation erronée qui a pu être inférée par un robot. |
Aidez-le... |
Votre avis m'intéresse ! |
Plutôt qu'un jeu proprement dit, Asku est un outil de validation et de contribution couplé à un moteur d'inférences. Pour un terme donné, une liste de questions correspondant à différentes relations apparait. On répond en cochant des cases libellées vrai, faux et faux mais méritant d'être mémorisé. Non seulement les réponses valident et pondèrent les relations existantes ou potentielles, un peu comme pour Askit, mais chaque réponse déclenche un robot qui va faire des inférences (déductions) qui se matérialisent dans le réseau par des contributions en attente. De plus, un champ de texte libre permet au joueur de contribuer, pour le terme en question, sur la relation de son choix. |
LikeIt est une application destinée à affecter une relation de polarité aux termes du réseau. Pour un terme donné, le joueur clique sur oui, j'aime l'idée, ça ne me fait ni chaud ni froid, ou non, je n'aime pas l'idée. L'aspect ludique est lié à la possibilité de se situer par rapport aux autres puisque à chaque vote, le système renvoie le pourcentage de personnes qui partagent cette opinion. La distribution des votes entre les 3 opinions permet d'affecter au terme une polarité neutre, positive, ou négative si l'une des 3 perceptions a un score supérieur à 50%, ou de le caractériser comme sans polarité particulière si aucune ne prédomine. L'information de polarité est souvent utile dans le cadre de la désambiguisation lexicale (choisir parmi les différents sens d'un terme polysémique). Exemple: affection (maladie) est connoté négativement, alors que affection (sentiment) est connoté positivement. Pour un système automatisé d'analyse de texte, la connaissance de la polarité va permettre de choisir entre les sens sentiment et maladie du terme affection. De même, les informations de polarité des termes d'un texte sont de nature à aider un système à définir sa connotation positive ou négative. Les informations de polarité peuvent également être exploitées dans un contexte de sondage, de statistiques, d'analyse d'opinion. |
Vous aimez... ou pas ? |
Sex or no sex ? |
SexIt est comparable à LikeIt dans son fonctionnement et dans son but : pour un terme donné, il s'agit de répondre par sex (=oui) ou no sex (=non) à la question Est-ce-que ça a un rapport avec le sexe ? Et comme pour LikeIt, le retour ludique est l'affichage du pourcentage de personnes du même avis. L'intérêt est d'enrichir le réseau d'une information supplémentaire. Au sein du réseau, la distribution des votes aboutit à caractériser les termes comme en rapport avec le sexe ou pas. Dans un contexte d'analyse de texte automatisée, l'information de connotation sexuelle peut servir à détecter et filtrer des contenus pornographiques [4]. |
Dans la même lignée que les deux précédents, Politit tente, via la question A quelle tendance politique associez-vous ce terme ?, et aux choix proposés : extrême-gauche, écologistes, gauche, centre-gauche, droite modérée, droite, extrême-droite, d'affecter, quand c'est possible, une coloration politique aux termes du réseau. Le joueur a la possibilité de passer si il estime que le terme est inéligible pour une information de cette nature. L'information relative à la coloration politique de termes usuels et d'expressions courantes, peut donner des indices pour détecter l'orientation politique sous-jacente d'un texte ou d'un discours qui se veut neutre. |
Quelle tendance ? |
Annoncez la couleur ! |
Dans ColorIt, un terme est proposé au joueur avec une palette de couleurs. Il doit cliquer sur la couleur qu'il associe au mot, et peut également saisir une ou plusieurs couleurs dans un champ de texte. Après validation, s'affichent les réponses données par les autres, et le score, qui dépend de l'adéquation entre la réponse du joueur et la distribution des couleurs déjà affectées au mot par les autres joueurs. ColorIt est un outil de validation et de contribution, qui non seulement génère de nouvelles associations de couleur, mais fait également rentrer dans le réseau de nouveaux termes relatifs à la couleur et à l'apparence. Les informations relatives à la couleur sont souvent d'un intérêt majeur dans le contexte de la désambiguisation lexicale [5]. Exemple : l'information de couleur blanche ou blanchâtre associée au terme langue permet de faire la distinction entre langue (organe) et langue (langage). |
Emot est bâti sur le même modèle que ColorIt : un terme est proposé au joueur, qui va lui associer un des sentiments ou émotions symbolisés par les smileys de l'interface, ou proposer d'autres termes via le champ de texte proposé. Un score et des niveaux sont attribués selon les mêmes modalités que ColorIt, et la progression conditionne le nombre de lettres autorisées dans le champ de texte. Emot est donc également un outil de contribution et de validation, qui génère des associations entre les mots et les sentiments/émotions qu'ils véhiculent, objectivement ou subjectivement. Une des perspectives d'exploitation de cette information est d'évaluer la corrélation entre couleurs et sentiments associés à certains termes, en particulier les noms abstraits. Exemple : au mot colère peuvent être associées les couleurs noir et rouge, et aux mots noir ou rouge peut être associé le sentiment de colère. |
Exprimez vos |
Le projet JeuxDeMots exploite avec succès le fait bien établi que les données produites par un très grand nombre de non-experts qui ne se concertent pas sont de meilleure qualité que celles émanant des travaux d'un petit groupe d'experts [1][2]. Ainsi, et c'est d'autant plus vrai que le réseau lexical JeuxDeMots est à vocation généraliste, le fait qu'un consensus se dégage des réponses non concertées d'un grand nombre d'individus est une garantie de qualité. Et malgré le caractère généraliste du réseau, l'accessibilité du jeu, la variété du vocabulaire, des relations lexicales, la diversité des joueurs, et l'expertise acquise par certains d'entre eux via une pratique assidue n'excluent pas l'émergence de relations et de termes qui relèvent de domaines spécialisés.
Les erreurs sont inévitables, mais le fait que le jeu principal soit couplé à un ensemble de jeux annexes permet au système de les détecter et de s'autocorriger ; les validations/invalidations, émanant des joueurs eux-mêmes pour une grande part, compensent et résorbent progressivement les relations erronées.
JeuxDeMots a été lancé en 2007 avec 150 000 termes et aucune relation entre eux.
Le 24 juin 2014, 1 386 540 parties ont été jouées, ce qui représente 963 jours de jeu en durée cumulée. La base compte 321 452 termes dont 246 217 ont au moins une relation de type idée associée.
9 609 606 relations lexicales sont présentes dans la base.
Parmi les 6815 termes étiquetés comme polysémiques, 6620 (soit 97%) ont été raffinés, ce qui représente 21 662 sens.
Le 5 février 2015, le réseau compte 18 371 254 relations pour 487 428 termes. 7938 termes sont raffinés en 25001 usages. Au total, 8446 termes sont étiquetés comme polysémiques.
Le Diko de jeuxDeMots est en quelque sorte la vitrine du réseau lexical (Rezo JeuxDeMots), c'est-à-dire une présentation de type dictionnaire, où pour chaque entrée (terme du réseau), on trouve l'ensemble des relations établies et des relations potentielles, qui correspondent aux contributions non encore validées. Le Diko est également un outil de contribution ouvert aux joueurs, qui peuvent proposer des relations pour tous les types, y compris ceux qui ne sont pas disponibles dans le jeu. Par exemple, pour un terme signifiant une maladie, on peut proposer des symptômes. Le Diko est également une interface de validation pour les administrateurs du jeu. |
Les données du rezo, sous licence CC (Creative Commons) sont gratuitement accessibles ici.
Les ressources lexicales générées par les jeux annexes sont également libres de droits et gratuitement accessibles : SexIt, Politit, LikeIt, Emot, ColorIt, Asku, AskIt. [6]
JeuxDeMots est donc un instrument d'acquisition de données lexico-sémantiques générales, incluant des ressources plus spécialisées et accessibles séparément, comme les relations de couleurs, ou les connotations politiques ou sexuelles des mots d'usage courant, ou encore les relations termes-sentiments. Le fait
en fait une ressource de choix utilisable (et utilisée !) par toutes sortes d'applications commerciales (dictionnaires, dictionnaires des synonymes, correcteurs orthographiques, moteurs de recherche) ou dans le cadre de travaux expérimentaux : des équipes de recherche en Traitement Automatique du Langage (TAL) utilisent le réseau JDM comme étalon pour évaluer leur propre production de ressources (en général des extractions automatiques depuis des collections de textes).
Le réseau lexical JeuxDeMots est l'objet, le terrain et la matière première de divers projets de recherche fondamentaux et appliqués, impliquant une équipe et ses doctorants, avec comme objectifs généraux la conception, le développement et l'évaluation d'outils pour le traitement de la langue.
Parmi les projets de recherche en cours, une thèse de doctorat en convention CIFRE avec la société IMAIOS [7] est particulièrement représentative de la diversité des applications possibles. Elle concerne l'analyse et l'indexation de compte-rendus d'imagerie médicale, et le réseau JDM est utilisé comme base de connaissances générales pour analyser la sémantique des compte-rendus médicaux, afin de pouvoir les retrouver facilement via des termes en rapport avec leur contenu, au sein d'une large base documentaire.
Exemple : soit un compte-rendu radiologique évoquant une fracture du fémur ; grâce au réseau JeuxDeMots on a énormément d'informations sur les termes fracture et fémur. On trouve notamment que fracture est associé à blessure par une relation de synonymie, à lésion par relation générique, que fémur est un os (relation générique) et qu'il fait partie de la jambe (relation est une partie de). On pourra donc retrouver le compte-rendu évoquant une fracture du fémur en tapant lésion d'un os de la jambe, ou même lésion à la jambe tout court, ou encore blessure à la jambe.
Un autre projet étudie via l'interface du jeu la manière de mettre en correspondance offre et demande en matière de logement dans le cadre du tourisme. La structure interne du réseau est également l'objet de recherches visant à améliorer techniquement la génération automatique de relations, et l'interface jeu proprement dite est améliorée en permanence dans le double but d'accroître son efficacité et la diversité des relations générées, et de développer le côté ludique pour attirer et fidéliser plus de joueurs.
En bref, le réseau JeuxDeMots, grâce à son ampleur, sa richesse et sa diversité est particulièrement adapté et performant dès qu'il s'agit de traiter du texte dans l'optique d'une analyse fine du contenu.