Xerox persiste et signe dans l'analyse sémantique

Le laboratoire isérois du constructeur se signale à nouveau en lançant un moteur de textmining, qu'il destine à sa branche service.

Tous les deux ou trois ans, le centre de recherche européen de Xerox, installé à Grenoble, fait parler de lui dans le domaine de l'analyse sémantique. En 1998, c'était Inxight, ancienne filiale de Xerox (rachetée cette année par Business Objects), qui emploiyait des technologies d'analyse textuelle et de visualisation de données issues des centres de Palo Alto et de Grenoble. En 2001, le Français Témis a revendu et développé Xelda, un moteur linguistique conçu par les équipes iséroises. En 2004, Askonce, le métamoteur de recherche issu de la R&D du constructeur, et permettant de bâtir à la volée un référentiel documentaire virtuel, est, lui, passé sous la coupe de Documentum.Aujourd'hui, Xerox dévoile Factspotter, un moteur d'analyse sémantique contextuel, fonctionnant en plusieurs langues, dont le français et l'anglais. Le projet a mobilisé dix personnes pendant quatre ans. Disponible en début 2008, Factspotter sera exploité par Xerox Global Services, l'entité service spécialisée, entre autres, dans l'intégration de systèmes documentaires. Le moteur sera notamment utilisé dans des domaines tels que la santé ou le droit, pour gérer les litiges, par exemple.

Une recherche combinée par concepts

Deux principales originalités caractérisent Factspotter : d'une part, la saisie de la requête s'effectue en langage naturel ; d'autre part, la sélection des contenus remontés ne s'opère pas seulement à partir de mots clés. Elle se fonde aussi sur des concepts. ' Au-delà du découpage du texte en mots et de leur analyse morphologique, Factspotter sait associer des rôles thématiques à des groupes de mots. Et il décèle des relations entre ces groupes ', explique Frédérique Second, chargé de la recherche linguistique au centre grenoblois. De ces relations naissent les concepts (rachat, déclaration, etc.). Mais le moteur va plus loin, puisqu'il combine lesdits concepts. Ainsi, pour aboutir à la notion de ' risques dus aux médicaments ', il identifie les groupes de mots liés aux médicaments, au danger, et à une relation de causalité. Puis il corrèle ces éléments. Ces relations ne sont spécifiées que par des règles grammaticales (et non statistiques) stockées dans une base de connaissances. Les concepts identifiés dans la requête de lutilisateur sont alors rapprochés de ceux de la [e-mail]