Identification automatique de chaînes de coréférences : vers une analyse des erreurs pour mieux cibler l'apprentissage - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2018

Automatic identification of coreference chains: Towards a linguistic analysis of errors in order to improve machine learning features.

Identification automatique de chaînes de coréférences : vers une analyse des erreurs pour mieux cibler l'apprentissage

Résumé

Automatic identification of coreference chains: Towards a linguistic analysis of errors in order to improve machine learning features. We present a preliminary qualitative study dealing with the linguistic analysis of the errors made by NLP systems dedicated to the automatic detection of coreference chains. We describe several cases of noise and silence, characterized with different degrees of importance, as well as coreference-specific types of errors, for instance the construction of "catch-all" chains that group non-used referring expressions. In order to further define a generalizable methodology, we propose a first typology of errors, and some guidelines for their consideration within the machine learning process. This research implies considerations on the possible types of hybrid systems.
Nous présentons une étude qualitative préliminaire concernant l'analyse linguistique des erreurs commises par des systèmes de détection automatique de chaînes de coréférences. Nous soulignons plusieurs cas de bruit et de silence, caractérisés par des gravités différentes, ainsi que des types d'erreurs spécifiques, notamment la construction de chaînes « fourre-tout » regroupant des expressions référentielles inexploitées par ailleurs. Dans le but de définir une méthodologie généralisable, nous proposons une première typologie d'erreurs et quelques pistes de réflexion pour leur prise en compte à terme dans les processus d'apprentissage, ce qui passe par des considérations sur les types d'hybridation à envisager pour ces processus.
Fichier principal
Vignette du fichier
18_ATALA.pdf (78.96 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01819602 , version 1 (20-06-2018)

Identifiants

  • HAL Id : hal-01819602 , version 1

Citer

Frédéric Landragin, Bruno Oberle. Identification automatique de chaînes de coréférences : vers une analyse des erreurs pour mieux cibler l'apprentissage. Journée commune AFIA-ATALA sur le Traitement Automatique des Langues et l’Intelligence Artificielle pendant la onzième édition de la plate-forme Intelligence Artificielle (PFIA 2018), Jul 2018, Nancy, France. ⟨hal-01819602⟩
151 Consultations
186 Téléchargements

Partager

Gmail Facebook X LinkedIn More