Méthodes d'ensemble en inférence grammaticale : une approche à base de moindres généralisés - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2009

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

Abstract

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.
Fichier principal
Vignette du fichier
CombinAutosCAp2009.pdf (240.36 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

inria-00425072 , version 1 (19-10-2009)

Identifiers

  • HAL Id : inria-00425072 , version 1

Cite

Fabien Torre, Alain Terlutte. Méthodes d'ensemble en inférence grammaticale : une approche à base de moindres généralisés. 11e Conférence francophone sur l'Apprentissage automatique (CAp'2009), May 2009, Hammamet, Tunisie. pp.33-48. ⟨inria-00425072⟩
84 View
201 Download

Share

Gmail Facebook X LinkedIn More