Méthodes d'ensemble en inférence grammaticale : une approche à base de moindres généralisés

Résumé : Nous présentons un cadre général pour la classification supervisée basé sur la notion de moindre généralisé (généralisation minimale d'un ensemble d'exemples). Nous montrons que le fait de définir cette opération dans l'espace d'hypothèses choisi met à notre disposition, sans effort supplémentaire, plusieurs algorithmes d'apprentissage supervisé à plusieurs classes, en particulier des méthodes d'ensemble (de boosting par exemple). Après avoir décrit cette architecture générique, nous expliquons son utilisation pour l'inférence grammaticale : le calcul du moindre généralisé y est un apprentissage à partir d'exemples positifs seuls comme ceux effectués par les algorithmes TSSI et ZR. Des classifications efficaces de séquences sont alors possibles par vote de plusieurs automates élémentaires. Des expérimentations valident notre approche et nous discutons des intérêts et implications de ces idées.
Type de document :
Communication dans un congrès
Younès Bennani and Céline Rouveirol. 11e Conférence francophone sur l'Apprentissage automatique (CAp'2009), May 2009, Hammamet, Tunisie. pp.33-48, 2009
Liste complète des métadonnées

Littérature citée [10 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00425072
Contributeur : Fabien Torre <>
Soumis le : lundi 19 octobre 2009 - 21:13:06
Dernière modification le : jeudi 11 janvier 2018 - 06:22:13
Document(s) archivé(s) le : mardi 15 juin 2010 - 22:50:20

Fichier

CombinAutosCAp2009.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00425072, version 1

Collections

Citation

Fabien Torre, Alain Terlutte. Méthodes d'ensemble en inférence grammaticale : une approche à base de moindres généralisés. Younès Bennani and Céline Rouveirol. 11e Conférence francophone sur l'Apprentissage automatique (CAp'2009), May 2009, Hammamet, Tunisie. pp.33-48, 2009. 〈inria-00425072〉

Partager

Métriques

Consultations de la notice

226

Téléchargements de fichiers

233