Apprentissage faiblement supervisé de la structure discursive - Archive ouverte HAL
Conference Papers Year : 2019

Learning discourse structure using weak supervision

Apprentissage faiblement supervisé de la structure discursive

Abstract

L'avènement des techniques d'apprentissage automatique profond a fait na\^ıtre un besoin énorme de données d'entra\^ınement. De telles données d'entra\^ınement sont extrêmement coûteuses à créer, surtout lorsqu'une expertise dans le domaine est requise. L'une de ces tâches est l'apprentissage de la structure sémantique du discours, tâche très complexe avec des structures récursives avec des données éparses, mais qui est essentielle pour extraire des informations sémantiques profondes du texte. Nous décrivons nos expérimentations sur l'attachement des unités discursives pour former une structure, en utilisant le paradigme du data programming dans lequel peu ou pas d'annotations sont utilisées pour construire un ensemble de données d'entra\^ınement \textquotedblleftbruité\textquotedblright. Le corpus de dialogues utilisé illustre des contraintes à la fois linguistiques et non-linguistiques intéressantes qui doivent être apprises. Nous nous concentrons sur la structure des règles utilisées pour construire un modèle génératif et montrons la compétitivité de notre approche par rapport à l'apprentissage supervisé classique.
Fichier principal
Vignette du fichier
28.pdf (161.99 Ko) Télécharger le fichier
Origin Publisher files allowed on an open archive
Loading...

Dates and versions

hal-02567767 , version 1 (03-07-2020)

Identifiers

  • HAL Id : hal-02567767 , version 1

Cite

Sonia Badene, Kate Thompson, Jean-Pierre Lorré, Nicholas Asher. Apprentissage faiblement supervisé de la structure discursive. Conférence sur le Traitement Automatique des Langues Naturelles (TALN - PFIA 2019), Jul 2019, Toulouse, France. pp.175-184. ⟨hal-02567767⟩
105 View
54 Download

Share

More