@inproceedings{aufrant-etal-2016-ne,
title = "Ne nous arr{\^e}tons pas en si bon chemin : am{\'e}liorations de l`apprentissage global d`analyseurs en d{\'e}pendances par transition (Don`t Stop Me Now ! Improved Update Strategies for Global Training of Transition-Based)",
author = "Aufrant, Lauriane and
Wisniewski, Guillaume and
Yvon, Fran{\c{c}}ois",
editor = "Danlos, Laurence and
Hamon, Thierry",
booktitle = "Actes de la conf{\'e}rence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Articles longs)",
month = "7",
year = "2016",
address = "Paris, France",
publisher = "AFCP - ATALA",
url = "https://aclanthology.org/2016.jeptalnrecital-long.19/",
pages = "248--261",
language = "fra",
abstract = "Dans cet article, nous proposons trois am{\'e}liorations simples pour l`apprentissage global d`analyseurs en d{\'e}pendances par transition de type A RC E AGER : un oracle non d{\'e}terministe, la reprise sur le m{\^e}me exemple apr{\`e}s une mise {\`a} jour et l`entra{\^i}nement en configurations sous-optimales. Leur combinaison apporte un gain moyen de 0,2 UAS sur le corpus SPMRL. Nous introduisons {\'e}galement un cadre g{\'e}n{\'e}ral permettant la comparaison syst{\'e}matique de ces strat{\'e}gies et de la plupart des variantes connues. Nous montrons que la litt{\'e}rature n`a {\'e}tudi{\'e} que quelques strat{\'e}gies parmi les nombreuses variations possibles, n{\'e}gligeant ainsi plusieurs pistes d`am{\'e}liorations potentielles."
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="aufrant-etal-2016-ne">
<titleInfo>
<title>Ne nous arrêtons pas en si bon chemin : améliorations de l‘apprentissage global d‘analyseurs en dépendances par transition (Don‘t Stop Me Now ! Improved Update Strategies for Global Training of Transition-Based)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Lauriane</namePart>
<namePart type="family">Aufrant</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Guillaume</namePart>
<namePart type="family">Wisniewski</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">François</namePart>
<namePart type="family">Yvon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2016-07</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Articles longs)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Laurence</namePart>
<namePart type="family">Danlos</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Thierry</namePart>
<namePart type="family">Hamon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>AFCP - ATALA</publisher>
<place>
<placeTerm type="text">Paris, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Dans cet article, nous proposons trois améliorations simples pour l‘apprentissage global d‘analyseurs en dépendances par transition de type A RC E AGER : un oracle non déterministe, la reprise sur le même exemple après une mise à jour et l‘entraînement en configurations sous-optimales. Leur combinaison apporte un gain moyen de 0,2 UAS sur le corpus SPMRL. Nous introduisons également un cadre général permettant la comparaison systématique de ces stratégies et de la plupart des variantes connues. Nous montrons que la littérature n‘a étudié que quelques stratégies parmi les nombreuses variations possibles, négligeant ainsi plusieurs pistes d‘améliorations potentielles.</abstract>
<identifier type="citekey">aufrant-etal-2016-ne</identifier>
<location>
<url>https://aclanthology.org/2016.jeptalnrecital-long.19/</url>
</location>
<part>
<date>2016-7</date>
<extent unit="page">
<start>248</start>
<end>261</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Ne nous arrêtons pas en si bon chemin : améliorations de l‘apprentissage global d‘analyseurs en dépendances par transition (Don‘t Stop Me Now ! Improved Update Strategies for Global Training of Transition-Based)
%A Aufrant, Lauriane
%A Wisniewski, Guillaume
%A Yvon, François
%Y Danlos, Laurence
%Y Hamon, Thierry
%S Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Articles longs)
%D 2016
%8 July
%I AFCP - ATALA
%C Paris, France
%G fra
%F aufrant-etal-2016-ne
%X Dans cet article, nous proposons trois améliorations simples pour l‘apprentissage global d‘analyseurs en dépendances par transition de type A RC E AGER : un oracle non déterministe, la reprise sur le même exemple après une mise à jour et l‘entraînement en configurations sous-optimales. Leur combinaison apporte un gain moyen de 0,2 UAS sur le corpus SPMRL. Nous introduisons également un cadre général permettant la comparaison systématique de ces stratégies et de la plupart des variantes connues. Nous montrons que la littérature n‘a étudié que quelques stratégies parmi les nombreuses variations possibles, négligeant ainsi plusieurs pistes d‘améliorations potentielles.
%U https://aclanthology.org/2016.jeptalnrecital-long.19/
%P 248-261
Markdown (Informal)
[Ne nous arrêtons pas en si bon chemin : améliorations de l’apprentissage global d’analyseurs en dépendances par transition (Don’t Stop Me Now ! Improved Update Strategies for Global Training of Transition-Based)](https://aclanthology.org/2016.jeptalnrecital-long.19/) (Aufrant et al., JEP/TALN/RECITAL 2016)
ACL