Identification de relations sémantiques dans des textes scientifiques et techniques en exploitant le raisonnement à partir de cas

Les énoncés en langue naturelle dans les domaines scientifiques et techniques présentent des constructions syntaxiques récurrentes. Nous proposons de mettre en oeuvre un système de raisonnement à partir de cas pour construire une interprétation d'un énoncé en langue naturelle qui puisse être exploitée par un processus de fouille de données textuelle. L'interprétation d'un énoncé, dans le contexte où nous nous situons, consiste à identifier la relation sémantique exprimée par cet énoncé et les arguments liés par cette relation. La difficulté dans l'identification des relations sémantiques est notamment liée à deux phénomènes linguistiques : la polysémie des verbes et la paraphrase. Nous nous sommes intéressée, dans un premier temps, pour illustrer et valider notre modèle, aux relations partie-de et les relations qui peuvent être confondues avec elles comme les relations d'inclusion, de possession et d'attribution. Pour l'identification des relations sémantiques, nous exploitons et appliquons les principes du raisonnement à partir de cas (RàPC). Cette approche utilise plusieurs types de connaissances : une base de cas, une hiérarchie des index et une ontologie, pour construire l'analyse. Nous avons testé le modèle proposé sur deux corpus. Le premier est un corpus de textes sur le stress professionnel, et le deuxième est le corpus AGROVOC de résumés scientifiques en agriculture.Our approach provides a semantic interpretation of an utterance in natural language, which can be used in a textual data mining process. This analysis relies on case-based reasoning principles. The semantic interpretation of an utterance consists in identifying the semantic relation expressed by this utterance and its arguments. Semantic relations have an important contribution to a sense of a texte in natural language, and they link concepts in an ontologie. The analysis in our model is based on several types of knowledge: domaine knowledge (an ontology), linguistic knowledge, (transformations and adaptation functions) and experimental knowledge (a case base). We adopt a case-based reasoning model founded on the classification principles and paths of similarity in order to guarantee the adaptability. We have tested the model on two corpuses : the first is a corpus of texts in the domain of profesionnal stress, and the second is a corpus of texts in agriculture