Learning Sequential Tree-to-Word Transducers

Grégoire Laurence 1, 2 Aurélien Lemay 1, 2 Joachim Niehren 1, 2 Slawomir Staworko 1, 2 Marc Tommasi 1, 3
2 LINKS - Linking Dynamic Data
LIFL - Laboratoire d'Informatique Fondamentale de Lille, Inria Lille - Nord Europe
3 MAGNET - Machine Learning in Information Networks
LIFL - Laboratoire d'Informatique Fondamentale de Lille, Inria Lille - Nord Europe
Abstract : We study the problem of learning sequential top-down tree-to- word transducers (STWs). First, we present a Myhill-Nerode characterization of the corresponding class of sequential tree-to-word transformations (STW). Next, we investigate what learning of stws means, identify fundamental obstacles, and propose a learning model with abstain. Finally, we present a polynomial learning algorithm.

A long version is available here

Type de document :
Communication dans un congrès
8th International Conference on Language and Automata Theory and Applications, Mar 2014, Madrid, Spain. Springer, 2014
Liste complète des métadonnées

Littérature citée [20 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00912969
Contributeur : Joachim Niehren <>
Soumis le : mardi 3 décembre 2013 - 08:53:37
Dernière modification le : jeudi 11 janvier 2018 - 06:25:27
Document(s) archivé(s) le : lundi 3 mars 2014 - 22:15:47

Fichier

main.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00912969, version 1

Citation

Grégoire Laurence, Aurélien Lemay, Joachim Niehren, Slawomir Staworko, Marc Tommasi. Learning Sequential Tree-to-Word Transducers. 8th International Conference on Language and Automata Theory and Applications, Mar 2014, Madrid, Spain. Springer, 2014. 〈hal-00912969〉

Partager

Métriques

Consultations de la notice

649

Téléchargements de fichiers

231