Un système de générations de descriptions argumentées
Institution:
Paris 13Disciplines:
Directors:
Abstract EN:
In this thesis, we investigate the expression of arguments in natural language (NL). Our work has two motivations: theoretical motivation is to understand and simulate the sense of reasoning underlies the argumentative process and clarify the intuition that distinguishes between good and bad arguments, and a practical motivation: helping eventually, assistance in writing text descriptions "good" reasoned. The objective of this thesis is the realization of a system that can generate a description that is argued better for one of the protagonists of the accident. In this work, we cooperate in various ways within the same architecture as well as the reasoning component language. The idea is to take advantage of advanced artificial intelligence in terms of formalization of reasoning to reproduce a basic form of argument used by people everyday and who draws much of its force in the flexible and subjectivity of the LN. For knowledge representation and reasoning, we defined a language of first order reified which takes into account some useful terms, the temporal information and non-monotonic inferences expressed using a fragment of logic Reiter defects. For implementation, we used the paradigm Answer Set Programming by translating our rules of inference in extended logic programs expressed in the languages models. Finally, to validate the quality of the descriptions generated by our system, we used a psychological experience with the help of specialists in cognitive psychology. The results of this experiment are encouraging and have confirmed the overall relevance of the argumentative strategies that we simulated.
Abstract FR:
Dans la présente thèse, nous nous intéressons à l’expression d’argumentations en Langue Naturelle (LN). Notre travail a deux motivations : une motivation théorique qui consiste à comprendre et simuler le raisonnement de bon sens sous-jacent au processus argumentatif et à clarifier l’intuition qui permet de distinguer entre une bonne et une mauvaise argumentation ; et une motivation pratique : contribuer, à terme, à une assistance à la rédaction de descriptions textuelles "bien" argumentées. L’objectif de cette thèse est la réalisation d’un système qui permet de générer une description argumentée qui soit la plus favorable possible pour l’un des protagonistes de l’accident. Dans ce travail, nous faisons coopérer dans une même architecture divers moyens relevant aussi bien du volet raisonnement que du volet langage. L’idée étant de tirer profit des avancées de l’Intelligence Artificielle en termes de formalisation de raisonnement pour reproduire une forme fondamentale de l'argumentation, utilisée par les humains au quotidien et qui puise une grande partie de sa force dans le caractère flexible et subjectif de la LN. Pour la représentation des connaissances et le raisonnement, nous avons défini un langage de premier ordre réifié qui tient compte de certaines modalités utiles, de l’information temporelle et d’inférences non-monotones exprimées à l’aide d’un fragment de la logique des défauts de Reiter. Pour la mise en œuvre, nous avons utilisé le paradigme Answer Set Programming en traduisant nos règles d’inférence en un programme logique étendu exprimé dans le langage Smodels. Enfin, afin de valider la qualité des descriptions générées par notre système, nous avons fait appel à une expérience psychologique avec l’aide de spécialistes en Psychologie cognitive. Les résultats de cette expérience sont encourageants et ont globalement confirmé la pertinence des stratégies argumentatives que nous avons simulées.