La langue Tamazight

Résumé du document

Ce travail est destiné à réaliser un ensemble de programmes informatiques pour aider un utilisateur à apprendre une langue par questions réponses. L'utilisateur qui veut améliorer ses connaissances de sa langue maternelle, interrogera le programme, qui lui donnera l'information utile à son apprentissage. Le but d'appliquer ce système informatique à la langue Tamazight est de viser à unifier cette langue. En effet, la langue Tamazight est parlée par des Amazighs à travers l'Afrique du Nord y compris le subsaharien et l'Europe de l'Ouest. Les variantes linguistiques relatives aux Touaregs [], Kabyle [], Tachelhit [] pourraient être réunies et reconstituer la langue tamazight unifiée. Notre approche repose sur une ontologie qui peut par sa nature représenter cette langue unifiée et la mettre au service de la communauté amazighe.

Ce mémoire de master décrit la manière avec laquelle l'ontologie linguistique a été construite. Grâce à l'ontologie fondamentale à base de primitives (McRae, Maouene), sur laquelle nous avons conçu une méthode qui utilise la représentation d'hypergraphe pour réaliser automatiquement une ontologie de catégories (objets et concepts d'objets). La plupart des réalisations informatiques d'ontologies sont manuelles ou, au mieux, sont semi-automatiques [Gruber]. Le domaine d'application est composé de 540 mots (concepts) amazighs et 7200 propriétés de ces mots. A ce niveau lexical, la méthode suit deux mécanismes principaux : la similarité des propriétés (ou relations entre concepts) et les propriétés d'inclusions (fait-partie-de).

Ce choix vient du fait qu'une structure comme une ontologie permet de gérer, de contrôler et de hiérarchiser les concepts. Les hyperarêtes d'un hypergraphe représentent les clusters, à partir de ces clusters, des hiérarchies taxonomiques sont construites automatiquement. Une telle structure permet de répondre à des questions posées par un utilisateur. En effet les questions sont formulées autour de l'identification d'objets et de concepts par exemple si je ne possède pas un langage riche pour identifier le type particulier d'herbe que mange la vache je peux poser cette question au système : quels types d'herbe mange la vache ?

Extraits

[...] La transversale d'un hypergraphe H = E E Em) est un ensemble T X t.q. T(Ei Le nombre de transversales est défini par le nombre minimum de sommets dans une transversale formulé par : = min T . Un ensemble S ( dans un G(X est stable ( ( sj ( si, sj ne sont pas adjacents dans S. = est une transversale de G. On peut dire aussi que S est stable si il n'existe pas d'arêtes entre les sommets de S. [...]

[...] Pour reprendre l'exemple ci-dessus nous avons Tableau 2 : La matrice binaire qui représente la relation entre objet et propriétés B. Algorithmes d'inclusion Nous déterminons d'abord toutes les inclusions taxonomiques d'ordre 2 (qui comprend deux hyperarêtes en inclusion) comme par exemple (has_paws (bear cat)) (has_fur (bat_animal bear caribou cat chimp cougar deer dog fox goat gopher hamster hare lamb lion moose mouse otter rat skunk squirrel tiger)) Inclusions d'ordre Reprenons ) les (hi et posons h ( dans la colonne : I1,1 ( ( Pour 1(i Pour i(j Si Oi ( Oj alors Ii,j ( (hi hj ) sinon j j + i i + IH2 ( Trions IH2 en fonction du nombre des objets que contienne chaque h et posons IH2 ( (IH2 trié ) Nous pouvons représenter IH2 comme l'union des (hi ( hj) où hi ( (hi c'est-à-dire ( ) où chaque élément de IH2 est composé de hi et de ses sommets que nous notons par Oi. [...]

[...] Ces ontologies, à base de connaisses, basent leur développement sur les outils : Protégé 2000 et Ontolingua [voir NATA06 ( T. GRUBER]. Application des ontologies. Systèmes de Recherche d'Informations (RI). Inférence pour détecter les incohérences sur les connaissances ou sur les données. Systèmes à base de connaissance dédiés à la résolution de problèmes. Aide au diagnostic : des maladies, des problèmes techniques, etc. [...]

[...] LOOM : développé par des chercheurs de l'IA at University of Southern California , l'objectif est de développer des outils sophistiqués pour la représentation des connaissances et le raisonnement en AI. Dans la RC il a été prévu un support de déduction pour la connaissance déclarative : fonctions, règles et règles de défauts. Le moteur de déduction utilise uniquement le chainage avant. Il faut attendre le successeur de LOOM, PowerLoom, pour que ce dernier ajoute au moteur de LOOM le chaînage arrière. Le PowerLoom permet de construire des applications intelligentes à base de connaissance. [...]

[...] Les hypergraphes Soit un ensemble fini X={x1 x2 x xn} Un hypergraphe H sur X est une famille formée des parties de X E E Em} (Ei est dite hyperarête). Avec Ei ( i = X E1 E2 Figure 1 : représentation graphique d'un hypergraphe où x x x x6 } ; E2, E3, E4} x2, x3, x4} x5, x6} x3} } Les points X1, X2, X3, X4 et X5 : représentent les sommets Les E1, E2, E3et E4 représentent les hyperarrêtes Matrice d'incidence d'un hypergraphe La matrice d'incidence binaire d'un hypergraphe H = , est une matrice A = (aij) de dimension n). [...]