Construction incrémentale d'une ontologie par analyse du texte et de la structure des documents

François Role; Guillaume Rousse

Document numérique 2006/1 Vol. 9

Article de revue

Construction incrémentale d'une ontologie par analyse du texte et de la structure des documents

Par François Role
et Guillaume Rousse

Pages 77 à 91

ROLE, François
et ROUSSE, Guillaume,

2006. Construction incrémentale d'une ontologie par analyse du texte et de la structure des documents. Document numérique, 2006/1 Vol. 9, p.77-91. URL : https://stm.cairn.info/revue-document-numerique-2006-1-page-77?lang=fr.

Role, François.
et al.

« Construction incrémentale d'une ontologie par analyse du texte et de la structure des documents ». Document numérique, 2006/1 Vol. 9, 2006. p.77-91. CAIRN.INFO, stm.cairn.info/revue-document-numerique-2006-1-page-77?lang=fr.

Role, F.
et Rousse, G.

(2006). Construction incrémentale d'une ontologie par analyse du texte et de la structure des documents. Document numérique, . 9(1), 77-91. https://stm.cairn.info/revue-document-numerique-2006-1-page-77?lang=fr.

Figure 1

Description d'une espèce botanique avec texte et illustrations en noir et blanc.

<div> <body> <div class="page"> <h2>D.82LACHETKO&TOLSZEWSKI</h2> <h2>CLE DESESPECRS</h2> <table> <tbody> <tr> <td>L.Labele orae-letele h obleep-dlietiqie. marpes enieos 501.D.</td> </tr> <tr> <td>suy bp srn ow dqbppx ieruenn et finennt dmicelos,a roira a sct</td> </tr> <tr> <td>2Laelle snr clpemn panle pdillet For 5020</td> </tr> <tr> <td>2Lae ge u lls o deeps pank le</td> </tr> <tr> <td>3.Eprheegcnt eEndnqte-desusepre bsale pldroie</td> </tr> <tr> <td>3Epreee jtea dude concton b</td> </tr> <tr> <td>4.Tipe oan: 503.D.rAuim</td> </tr> <tr> <td>4.Tp lrg.opdeIm 504.D.bet</td> </tr> <tr> <td>5.Loblluversleen elliqu.gslgeque long.wqa 505.Dnd 6</td> </tr> <tr> <td>5'.1.aellephe lapquebne .abelle etepl iks cuksu sonns 50.6.D.fraramia 6°Lallonque.depes aigs 50.7.0.pb</td> </tr> </tbody> </table> <h2>50.1.Diaphananthe bueae (Schlechrer) Schlechter</h2> <p>Beh Be.CemH.3S:954191.-Sammeh,FWTA.ed2,26l (1968 ankS.Boh.3：159（16</p> <p>Tigecourte.de153cm dekonguer c 0.5m de daete.Femlles 35.au soamet d ltige.de 4-16 x0.5-2cm.ligulees-ancobes ou ligues-lineaires,legrement falciformes,inegalement bilobees au sommet acuminees, un des lobes tres reduit.</p> <p>Dylorscence liche.stcign 18cm.multiflore.Flews blaches etveries.jawoesou vert-jaune.Brwes orales de3-4mm.mplexicaules,oboses apukes,minces.reles glahres.Pedicelle et ovaire attcignam 9 mm,grles,glahres.drois.Sepafe dowsa! de 6-8,6 x2.54.1 un,ove-lanole.iga acwmine.parfoes ous,min.gabre,5nervrs non ramifiees.P4ales de 5-8x 1.3-2.25mm,oblongs a oblongs-oblanc6oles,1egeremem falcifonms.arrondis au somet.minotsglabresfablement trincrvis.Sfpoleylraur de 69 mm de bongocur.ateigmant 3.7 mm de largeu, oblongs-ovaks a oblongs-olliptiques, plus ou moins faiformes.obeus.mices,glsbrs.a 5nerves non ramifces.Leblle de 89x3.2-4.5m,oaleanofoea oblog-olliptique,obtus,entier.mince,frele,glabre,avec on petit callus transversal prts de la gorge deFeperon.Eperon de 12-15.5mm de longueur eatteignamt .4 mm de diametre.incund.etroitement cylindrique,lgerement renfle vers le somct.obus.-Pl. 318.p.739:cart256.</p> <p>TYPE:DrpA.CN ho-</p> <p>DISTRLBUTION: Cate d’Ivoirt, Cameroun, Ouganda. Alt 1000-2200 m.</p> <p>ECOLOGIE:epiphyte en fortranasse2-3mmu-dessus dumivemu du sol.sur Farr sp</p> <p>MATERTELCAMEROUNAIS</p> <p>Deiwf A. Beea. Gneguy sB Ley pKihong.30 kn SSE deNka .jil P</p> <p>Mx7F35Td,IL ksWNWBaboIt.nLP</p> <h2>ORCHIDACEAE</h2> <figure> <figcaption> <div class="caption">Pl.31&-Diananthe be (Seh） Sch:A,lbelle.peron.gyostere.ovare,pcelk bracte oeale et une pantie de Fax inflorentiek: B, lbee ave caius: C,fpale dersal; D,pet: E,sale htral; F, somme folaires: G,gyoweme,e de dessos: ,eur. , port (A-G,Mbmkw TFM 354:H, aps Schochoer.1932.modi:I, Liwzey 8889)</div> </figcaption> </figure> </div> </body> </div>

Description d’une espèce. Les pages des volumes papier fournis par l’IRD ont été numérisées en TIFF, puis le texte a été extrait par un logiciel d’OCR. C’est sur le texte ainsi extrait que portent les travaux d’analyse structurelle et linguistique menés dans le projet BIOTIM

Figure 2

Code XML avec annotations morpho-syntaxiques pour des mots en français.

<div> <body> <div class="page"> <ul> <li><token id="E1F1">Plantes</token></li> </ul> <p><wordForm author="lexed"entry="lefff:plante" num@pl"tokens="E1F1"/></p> <p><token id="E1F2">pourvues</token></p> <p><wordForm author="lexed"entry="lefff:pourvoir" form="pourvues"tag="cat@verb mode@part tense@past num@plgender@fem"tokens="E1F2"/></p> <p><token id="E1F3">d'une</token></p> <p><wordForm author="lexed"entry="lefff:de" form="d'" tag="cat@prep"tokens="E1F3"/></p> <ul> <li><wordForm author="lexed"entry="lefff:une"form="une"</li> </ul> <p><token id="E1F4">tige</token></p> <ul> <li><wordForm author="lexed"entry="lefff:tige"form="tige" tag="cat@noun type@common gender@fem num@sing tokens="E1F4"/></li> </ul> </div> </body> </div>

Exemple d’annotations morpho-syntaxiques au format MAF

Figure 3

Description de l'image par IA : Diagramme montrant la conversion de texte en XML, puis en OWL et MAF, avec des étapes d'analyse et d'extraction.

L'image représente un flux de travail pour la conversion et l'analyse de texte en différents formats structurés. Elle commence par un bloc intitulé "Texte" en haut, qui est ensuite converti en format XML via une étape de "Structure logique". Le format XML est ensuite analysé morpho-syntaxiquement pour produire un format MAF (Markup Annotation Format). Simultanément, le format XML est utilisé pour extraire une hiérarchie de classes OWL (Web Ontology Language) par l'intermédiaire d'une extraction hiérarchique. Cette hiérarchie OWL est conçue pour refléter une taxinomie botanique traditionnelle. En outre, le format XML est également utilisé pour une extraction terminologique, qui vise à extraire des informations spécifiques relatives aux organes constitutifs des plantes. Ainsi, l'image illustre comment le texte initial est transformé et analysé pour obtenir des structures et des informations détaillées, facilitant ainsi des traitements linguistiques et des classifications botaniques.

La structure XML, obtenue par rétroconversion à partir du texte, sert d’une part à construire une hiérarchie de classes OWL reflétant la taxinomie botanique traditionnelle et d’autre part à mieux cibler des traitements linguistiques permettant d’extraire les informations relatives aux organes constitutifs des plantes

Figure 4

Code XML représentant les relations entre genres et espèces dans un volume de la Flore du Cameroun.

Aperçu général de la représentation des relations entre genres et espèces dans un volume de la Flore du Cameroun après conversion en XML

Figure 5

Code XML représentant la hiérarchie de classes OWL pour la taxonomie des plantes.

<!DOCTYPE html> <html> <head> <meta charset="UTF-8"/> <title>tmp6n41sqed</title> <meta name="generator" content="Docling HTML Serializer"/> <style> html { background-color: #f5f5f5; font-family: Arial, sans-serif; line-height: 1.6; } body { max-width: 800px; margin: 0 auto; padding: 2rem; background-color: white; box-shadow: 0 0 10px rgba(0,0,0,0.1); } h1, h2, h3, h4, h5, h6 { color: #333; margin-top: 1.5em; margin-bottom: 0.5em; } h1 { font-size: 2em; border-bottom: 1px solid #eee; padding-bottom: 0.3em; } table { border-collapse: collapse; margin: 1em 0; width: 100%; } th, td { border: 1px solid #ddd; padding: 8px; text-align: left; } th { background-color: #f2f2f2; font-weight: bold; } figure { margin: 1.5em 0; text-align: center; } figcaption { color: #666; font-style: italic; margin-top: 0.5em; } img { max-width: 100%; height: auto; } pre { background-color: #f6f8fa; border-radius: 3px; padding: 1em; overflow: auto; } code { font-family: monospace; background-color: #f6f8fa; padding: 0.2em 0.4em; border-radius: 3px; } pre code { background-color: transparent; padding: 0; } .formula { text-align: center; padding: 0.5em; margin: 1em 0; background-color: #f9f9f9; } .formula-not-decoded { text-align: center; padding: 0.5em; margin: 1em 0; background: repeating-linear-gradient( 45deg, #f0f0f0, #f0f0f0 10px, #f9f9f9 10px, #f9f9f9 20px ); } .page-break { page-break-after: always; border-top: 1px dashed #ccc; margin: 2em 0; } .key-value-region { background-color: #f9f9f9; padding: 1em; border-radius: 4px; margin: 1em 0; } .key-value-region dt { font-weight: bold; } .key-value-region dd { margin-left: 1em; margin-bottom: 0.5em; } .form-container { border: 1px solid #ddd; padding: 1em; border-radius: 4px; margin: 1em 0; } .form-item { margin-bottom: 0.5em; } .image-classification { font-size: 0.9em; color: #666; margin-top: 0.5em; } </style> </head> <body> <div class='page'> <pre><code><owl:Classrdf:ID="Diaphananthe"/> <owl:Class rdf:about="http://www.flowers.org/ontology#Diaphananthe"> <rdfs:subclassOf> <owl:Class rdf:about="http://www.flowers.org/ontology#Orchidaceae"> </owl:Class> </rdfs:subClassof> <rdfs:label>Diaphanante</rdfs:label> </owl:Class> <owl:Class rdf:about="http://www.flowers.org/ontology#Diaphananthe_pelluc ida"> <rdfs:subclassOf> <owl:Class rdf:about="http://www.flowers.org/ontology#Diaphananthe"> </owl:Class> </rdfs:subclassOf> </owl:Class> <owl:Class rdf:about="http://www.flowers.org/ontology#Diaphanante_bueae"> <rdfs:subclassOf> <owl:Class rdf:about="http://www.flowers.org/ontology#Diaphananthe"> </owl:Class> </rafs:subclassof> </owl:Class></code></pre> </div> </body> </html>

Représentation OWL de la hiérarchie de classes

Figure 6

Texte XML décrivant une espèce botanique avec détails physiques.

<div> <body> <div class="page"> <p><?xmlverslon="1.0"encoding=Is0-8859-1"?></p> <ul> <li><speciesauthor-"（Schlechter)Schlechter"id="1.1.2.11.1'namc="Diaphananihebueae"> <biblio></li> </ul> <p><type>Deistel s.u..Cameroun (holo-Bt).</type></p> <ul> <li><distribution>Coted'Ivoire,Cameroun,Ouganda.Ait.1000-2200m.</distribution> <ecology>epiphyte en foret,ramassee a 2-3 m au-dessus du niveau du sol,surFicus sp.</ecology></li> <li>+<material></li> </ul> <p><type>Annct1405.Came-oun Ihulo-P).</typc></p> <ul> <li><distribution>connue seulementparlarecolte type.Ait.nonconnue.</distrlbution> <ecology>probablementépiphyte.</ecology></li> <li><material></li> </ul> <p><p>Atmet1405.routede Blpindia Dehane（fl.juin.),P.</p> </material></p> <p>i"eperon.Dans D.garavana le labelle est depourvu de callus,il est plus large vers le sommetetétroltementcylindrique;I'eperon estaigu etparallele aupedicelleeta I'ovaire.DansD.</note></p> <h2><description></h2> <ul> <li><p>Tigecourte,de1,5-3cm delongueuret0,5cm dediametre.Feuilles3a 5,au sommetdelatige,de4-16x0,5-2cm,ligulées-lanceoleesou ligulees-linéaires, legerementfalciformes,inegalementbilobees au sommet,acuminees,un des lobestresreduit,</p></li> <li><p>Inflorescence lache,atteignant 18 cm,multiflore.Fleurs blanches etvertes, jaunes ou vert-jaune.Bracteesflorales de3-4 mm,amplexicaules,obtuses a apiculees,minces,freles,glabres.Pedicelle etovaire atteignant9 mm,greles, glabres,droits.Sepaledorsalde6-8,6x2,5-4,1mm,ovale-lanceole,aigua acumine,parfois obtus,mince,glabre,a5nervures non ramifiees.Petales de58x1,3-2,25mm,oblongs a oblongs-oblanceoles,legerementfalciformes, arrondis au sommet,minces,glabres,faiblement trinerviés.Sepales lateraux de 6-9 mm de longueur,atteignant 3,7 mm de largeur,oblongs-ovales a oblongselliptiques,plusou moins falciformes,obtus,minces,glabres,a5nervuresnon ramifiees.Labellede8-9x3,2-4,5mm,ovale-lanceoleaoblong-elliptique, obtus,entier,mince,frele,glabre,avecun petitcallus transversal presdela gorgedel'eperon.Eperonde12-15,5mmdelongueuretatteignant1,4mmde diametre,incurve,etroitementcylindrique,légerementrenfleverslesommet, hte-0T10n790.rAEc1</li> </ul> </div> </body> </div>

Représentation XML de la structure logique d’une fiche décrivant une espèce. Les paragraphes situés dans l’élément description contiennent une description physique détaillée de l’espèce

Figure 7

Tige courte, feuilles lancéolées, fleurs blanches et vertes, bractées florales, pédicelle, sépales et pétales décrits en détail.

<div> <body> <div class="page"> <p><p>Tige courte, de 1,5-3 cm de longueur et 0,5 cm de diametre. Feuilles 3 a 5, au sommet de la tige, de 4-16 x 0,5-2 cm, ligulées-lancéolées ou ligulées-lineaires, légerement falciformes, inégalement bilobées au sommet, acuminées, un des lobes tresréduit.</p></p> <p><p>Inflorescence lache, atteignant 18 cm, multiflore. Fleurs blanches et vertes, jaunes ou vert-jaune. Bractees florales de 3-4 mm, amplexicaules, obtuses a apiculées, minces, freles, glabres.Pédicelle et ovaire atteignant 9 mm, greles, glabres, droits. Sépale dorsal de 6-8,6 x 2,5-4,1 mm, ovale-lancéolé, aigu a acumine, parfois obtus, mince, glabre, a 5 nervures non ramifiées. Petales de 5-8 x 1,3-2,25 mm, oblongs a oblongs-oblancéolés, légerement falciformes, arrondis au sommet, minces, glabres, faiblement trinerviés. Sepales lateraux de 6-9 mm de longueur, atteignant 3,7 mm de largeur, oblongs-ovales a oblongs-elliptiques, plus ou moins falciformes, obtus, minces, glabres, a 5 nervures non ramifiées. Labelle de 89 x 3,2-4,5 mm, ovale-lancéolé a oblong-elliptique, obtus, entier, mince, frele, glabre, avec un petit callus transversal pres de la gorge de I'éperon. Eperon de 1215,5 mm de longueur et atteignant 1,4 mm de diametre, incurvé, étroitement cylindrique, légerement renflé vers le sommet, obtus. - P1. 318, p. 739; carte 256.</p></p> </div> </body> </div>

Description des caractéristiques physiques d’une espèce

Figure

Figure 8

Description de l'image par IA : Code XML avec des annotations lexicographiques pour des termes botaniques comme sépale, dorsal, ovale-lancéolé, etc.

L'image montre un extrait de texte XML contenant des annotations lexicales et des descriptions de mots. Le texte est structuré en plusieurs balises `<token>` et `<wordForm>`, chacune identifiant des mots spécifiques et leurs caractéristiques. Les mots annotés incluent "sépale", "dorsal", "ovale-lancéolé", "aigu", "â", et "acuminé". Chaque mot est associé à des informations telles que l'auteur ("lexed"), l'entrée lexicale ("lefff"), la forme du mot, la catégorie grammaticale (cat), le genre, le nombre, et les tokens correspondants. Par exemple, le mot "sépale" est décrit avec les attributs "cat@noun", "type@common", "gender@masc", "num@sing", et est lié au token "E9F1". De même, "dorsal" est annoté avec "cat@adj", "gender@masc", "num@sing", et est lié au token "E9F2". Le mot "ovale-lancéolé" est décrit avec "cat@noun", "type@common", "gender@masc", "num@pl", et est lié au token "E9F19". Les mots "aigu", "â", et "acuminé" suivent un schéma similaire avec leurs propres annotations et tokens respectifs. Le texte semble faire partie d'un processus de description lexicale pour des mots spécifiques, probablement dans le cadre d'un projet de publication ou de traitement de texte.

Début des annotations liées à la description d’un sépale dorsal

Compte personnel

Construction incrémentale d'une ontologie par analyse du texte et de la structure des documents

Accès institutions

Toutes les institutions

Construction incrémentale d'une ontologie par analyse du texte et de la structure des documents

Citer cet article

Accès institutions

Toutes les institutions