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

Maximin Coavoux 1 Benoît Crabbé 1
1 ALPAGE - Analyse Linguistique Profonde à Grande Echelle ; Large-scale deep linguistic processing
Inria Paris-Rocquencourt, UPD7 - Université Paris Diderot - Paris 7
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.
Type de document :
Article dans une revue
Traitement Automatique des Langues, ATALA, 2016, 57 (1)
Liste complète des métadonnées

Littérature citée [29 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01365252
Contributeur : Benoit Crabbe <>
Soumis le : mardi 13 septembre 2016 - 12:03:52
Dernière modification le : vendredi 25 mai 2018 - 12:02:05
Document(s) archivé(s) le : mercredi 14 décembre 2016 - 13:25:57

Fichier

3-Coavoux-TAL57-1.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • 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〉

Partager

Métriques

Consultations de la notice

197

Téléchargements de fichiers

188