Communication Dans Un Congrès Année : 2025

Supervision faible pour la classification des relations discursives

Résumé

L'identification des relations discursives est importante pour comprendre les liens sémantiques qui structurent un texte, mais cette tâche souffre d'un manque de données qui limite les performances. D'un autre côté, de nombreux corpus discursifs existent : les divergences entre les projets d'annotation empêchent cependant de combiner directement ces jeux de données à l'entraînement. Nous proposons de résoudre ce problème en exploitant le cadre de la supervision faible, dont l'objectif est de générer des annotations à partir de sources variées, comme des heuristiques ou des modèles pré-entraînés. Ces annotations bruitées et partielles sont ensuite combinées pour entraîner un modèle sur la tâche. En combinant cette méthode avec des stratégies permettant de gérer les différences dans les jeux d'étiquettes, nous démontrons qu'il est possible d'obtenir des performances proches d'un système entièrement supervisé en s'appuyant sur une très petite partie des données d'origine, ouvrant ainsi des perspectives d'amélioration pour des domaines ou des langages à faibles ressources.

Fichier principal
Vignette du fichier
67.pdf (198.56 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte
Licence

Dates et versions

hal-05330601 , version 1 (26-10-2025)

Licence

Identifiants

  • HAL Id : hal-05330601 , version 1

Citer

Maachou Khalil, Chloé Braud, Philippe Muller. Supervision faible pour la classification des relations discursives. 20e Conférence en Recherche d’Information et Applications (CORIA) 32ème Conférence sur le Traitement Automatique des Langues Naturelles (TALN) 27ème Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RECITAL) Les 18e Rencontres Jeunes Chercheurs en RI (RJCRI), 2025, Marseille, France. pp.697-714. ⟨hal-05330601⟩
329 Consultations
44 Téléchargements

Partager

  • More