Uniformité de la densité informationnelle: le cas du redoublement du sujet - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Uniformité de la densité informationnelle: le cas du redoublement du sujet

Résumé

Nous présentons les résultats d'une expérience visant à savoir si la densité d'information (ou de surprise) affecte le redoublement du sujet dans des conversations spontanées. En utilisant la version française de GPT, nous estimons la surprise lexicale du sujet NP étant donné un contexte précédent et vérifions si la surprise du sujet affecte son redoublement. L'analyse de régression à effet mixte montre que, en plus des facteurs qui ont été montrés comme affectant le redoublement du sujet dans la littérature, la prévisibilité du sujet nominal est un prédicteur important du non-redoublement. Les sujets nominaux moins prédictibles tendent à être redoublés par rapport à ceux qui sont plus prédictibles. Notre travail confirme l'intérêt de l'hypothèse de l'Uniformité de la densité informationnelle (UID) pour le français et illustre l'opérationalisation de la densité informationnelle à l'aide de grands modèles neuronaux de langage.
Fichier principal
Vignette du fichier
461901.pdf (870.92 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04130144 , version 1 (20-06-2023)

Identifiants

  • HAL Id : hal-04130144 , version 1

Citer

Yiming Liang, Pascal Amsili, Heather Burnett. Uniformité de la densité informationnelle: le cas du redoublement du sujet. 18e Conférence en Recherche d'Information et Applications -- 16e Rencontres Jeunes Chercheurs en RI -- 30e Conférence sur le Traitement Automatique des Langues Naturelles -- 25e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues, 2023, Paris, France. pp.164-176. ⟨hal-04130144⟩
42 Consultations
52 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More