Improving a symbolic parser through partially supervised learning - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2013

Improving a symbolic parser through partially supervised learning


Recently, several statistical parsers have been trained and evaluated on the dependency version of the French TreeBank (FTB). However, older symbolic parsers still exist, including FRMG, a wide coverage TAG parser. It is interesting to compare these different parsers, based on very different approaches, and explore the possibilities of hybridization. In particular, we explore the use of partially supervised learning techniques to improve the performances of FRMG to the levels reached by the statistical parsers.
Récemment, plusieurs analyseurs syntaxiques statistiques ont été entrainés et évalués sur la version en dépendances du French TreeBank (FTB). Cependant, des analyseurs symboliques plus anciens continuent à exister, dont FRMG, un analyseur TAG à large couverture. Il est intéressant de comparer ces divers analyseurs, fondés sur des approches très différentes et d'explorer des possibilités d'hybridation. En particulier, nous explorons l'utilisation de techniques d'apprentissage partiellement supervisé pour améliorer les performances de FRMG au niveau de celles des analyseurs statistiques.
Fichier principal
Vignette du fichier
mgconll.pdf (152.15 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-00879358 , version 1 (02-11-2013)


  • HAL Id : hal-00879358 , version 1


Éric Villemonte de La Clergerie. Improving a symbolic parser through partially supervised learning. The 13th International Conference on Parsing Technologies (IWPT), Nov 2013, Naria, Japan. ⟨hal-00879358⟩
199 View
106 Download


Gmail Facebook X LinkedIn More