Comparaison d’architectures neuronales pour l’analyse syntaxique en constituants

Abstract : L’article traite de l’analyse syntaxique lexicalisée pour les grammaires de constituants. On se place dans le cadre de l’analyse par transitions. Les modèles statistiques généralement utilisés pour cette tâche s’appuient sur une re- présentation non structurée du lexique. Les mots du vocabulaire sont représentés par des symboles discrets sans liens entre eux. À la place, nous proposons d’utiliser des représentations denses du type plongements (embeddings) qui permettent de modéliser la similarité entre symboles, c’est-à-dire entre mots, entre parties du discours et entre catégories syntagma- tiques. Nous proposons d’adapter le modèle statistique sous-jacent à ces nouvelles représentations. L’article propose une étude de 3 architectures neuronales de complexité croissante et montre que l’utilisation d’une couche cachée non-linéaire permet de tirer parti des informations données par les plongements.
Document type :
Conference papers
Complete list of metadatas

https://hal.inria.fr/hal-01174613
Contributor : Benoit Crabbe <>
Submitted on : Thursday, July 9, 2015 - 1:33:58 PM
Last modification on : Friday, January 4, 2019 - 5:33:24 PM

Identifiers

  • HAL Id : hal-01174613, version 1

Collections

Citation

Maximin Coavoux, Benoît Crabbé. Comparaison d’architectures neuronales pour l’analyse syntaxique en constituants. TALN 2015, 2015, Caen, France. ⟨hal-01174613⟩

Share

Metrics

Record views

184