Comparaison d’architectures neuronales pour l’analyse syntaxique en constituants - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2015

Comparaison d’architectures neuronales pour l’analyse syntaxique en constituants

Abstract

L’article traite de l’analyse syntaxique lexicalisée pour les grammaires de constituants. On se place dans le cadre de l’analyse par transitions. Les modèles statistiques généralement utilisés pour cette tâche s’appuient sur une re- présentation non structurée du lexique. Les mots du vocabulaire sont représentés par des symboles discrets sans liens entre eux. À la place, nous proposons d’utiliser des représentations denses du type plongements (embeddings) qui permettent de modéliser la similarité entre symboles, c’est-à-dire entre mots, entre parties du discours et entre catégories syntagma- tiques. Nous proposons d’adapter le modèle statistique sous-jacent à ces nouvelles représentations. L’article propose une étude de 3 architectures neuronales de complexité croissante et montre que l’utilisation d’une couche cachée non-linéaire permet de tirer parti des informations données par les plongements.
Fichier principal
Vignette du fichier
2015.jeptalnrecital-long.25.pdf (426.04 Ko) Télécharger le fichier
Origin : Publisher files allowed on an open archive

Dates and versions

hal-01174613 , version 1 (29-07-2022)

Identifiers

  • HAL Id : hal-01174613 , version 1

Cite

Maximin Coavoux, Benoît Crabbé. Comparaison d’architectures neuronales pour l’analyse syntaxique en constituants. TALN 2015 - 22ème Traitement Automatique des Langues Naturelles, Caen, 2015, 2015, Caen, France. ⟨hal-01174613⟩
116 View
7 Download

Share

Gmail Facebook X LinkedIn More