Détection de coréférences de bout en bout en français - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

Détection de coréférences de bout en bout en français

Résumé

Notre objectif est l'élaboration d'un système de détection automatique de relations de coréférence le plus général possible, pour le traitement des anaphores pronominales et les coréférences directes. Nous décrivons dans cet article les différentes étapes de traitement des textes dans le système que nous avons développé : (i) l'annotation en traits lexicaux et syntaxiques par le système Macaon ; (ii) le repérage des mentions par un modèle obtenu par apprentissage sur le corpus ANCOR ; (iii) l'annotation sémantique des mentions à partir de deux ressources : le DEM et le LVF ; (iv) l'an-notation en coréférences par un système à base de règles. Le système est évalué sur le corpus ANCOR. ABSTRACT End-to-end coreference resolution for French. We aim at developing a general coreference resolution system, for processing pronoun anaphora as well as direct coreferences. We describe in this article the different processing steps of the developped system : (i) extraction of lexical and syntactic features using the Macaon system ; (ii) mention detection with a supervised sequence classifier trained on the ANCOR corpus ; (iii) semantic mention tagging with two resources : DEM and LVF ; (iv) coreference prediction with a rule-based system. The system is evaluated on the ANCOR corpus. MOTS-CLÉS : expression référentielle, mention, détection automatique de relations de coréférence.
Fichier principal
Vignette du fichier
favre_taln2017a.pdf (85.6 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01687116 , version 1 (21-04-2018)

Identifiants

  • HAL Id : hal-01687116 , version 1

Citer

Elisabeth Godbert, Favre Benoit. Détection de coréférences de bout en bout en français. TALN 2017, Jun 2017, Orléans, France. ⟨hal-01687116⟩
236 Consultations
100 Téléchargements

Partager

Gmail Facebook X LinkedIn More