Prédiction structurée pour l’analyse syntaxique en constituants par transitions : modèles denses et modèles creux

Abstract : L’article présente une méthode d’analyse syntaxique en constituants par transitions qui se fonde sur une méthode de pondération des analyses par apprentissage profond. Celle-ci est comparée à une méthode de pondération par perceptron structuré, vue comme plus classique. Nous introduisons tout d’abord un analyseur syntaxique pondéré par un réseau de neurones local et glouton qui s’appuie sur des plongements. Ensuite nous présentons son extension vers un modèle global et à recherche par faisceau. La comparaison avec un modèle d’analyse de la famille perceptron global et en faisceau permet de mettre en évidence les propriétés étonnamment bonnes du modèle neuronal à recherche gloutonne.
Document type :
Journal articles
Complete list of metadatas

Cited literature [29 references]  Display  Hide  Download

https://hal.inria.fr/hal-01365252
Contributor : Benoit Crabbe <>
Submitted on : Tuesday, September 13, 2016 - 12:03:52 PM
Last modification on : Friday, January 4, 2019 - 5:33:24 PM
Long-term archiving on : Wednesday, December 14, 2016 - 1:25:57 PM

File

3-Coavoux-TAL57-1.pdf
Publisher files allowed on an open archive

Identifiers

  • HAL Id : hal-01365252, version 1

Collections

Citation

Maximin Coavoux, Benoît Crabbé. Prédiction structurée pour l’analyse syntaxique en constituants par transitions : modèles denses et modèles creux. Traitement Automatique des Langues, ATALA, 2016, 57 (1). ⟨hal-01365252⟩

Share

Metrics

Record views

277

Files downloads

360