Improving a symbolic parser through partially supervised learning
Abstract
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.
| Origin | Files produced by the author(s) |
|---|
Loading...