@inproceedings{rigaud-2020-representation,
title = "Repr{\'e}sentation vectorielle de paires de verbes pour la pr{\'e}diction de relations lexicales (Verb-pairs embeddings for discourse relation prediction)",
author = "Rigaud, Etienne",
editor = "Benzitoun, Christophe and
Braud, Chlo{\'e} and
Huber, Laurine and
Langlois, David and
Ouni, Slim and
Pogodalla, Sylvain and
Schneider, St{\'e}phane",
booktitle = "Actes de la 6e conf{\'e}rence conjointe Journ{\'e}es d'{\'E}tudes sur la Parole (JEP, 33e {\'e}dition), Traitement Automatique des Langues Naturelles (TALN, 27e {\'e}dition), Rencontre des {\'E}tudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (R{\'E}CITAL, 22e {\'e}dition). Volume 3 : Rencontre des {\'E}tudiants Chercheurs en Informatique pour le TAL",
month = "6",
year = "2020",
address = "Nancy, France",
publisher = "ATALA et AFCP",
url = "https://aclanthology.org/2020.jeptalnrecital-recital.14",
pages = "179--192",
abstract = "Dans cet article, nous proposons un mod{\`e}le de repr{\'e}sentations vectorielles de paire de mots, obtenues {\`a} partir d{'}une adaptation du mod{\`e}le Skip-gram de Word2vec. Ce mod{\`e}le est utilis{\'e} pour g{\'e}n{\'e}rer des vecteurs de paires de verbes, entra{\^\i}n{\'e}es sur le corpus de textes anglais Ukwac. Les vecteurs sont {\'e}valu{\'e}s sur les donn{\'e}es ConceptNet {\&} EACL, sur une t{\^a}che de classification de relations lexicales. Nous comparons les r{\'e}sultats obtenus avec les vecteurs paires {\`a} des mod{\`e}les utilisant des vecteurs mots, et testons l{'}{\'e}valuation avec des verbes dans leur forme originale et dans leur forme lemmatis{\'e}e. Enfin, nous pr{\'e}sentons des exp{\'e}riences o{\`u} ces vecteurs paires sont utilis{\'e}s sur une t{\^a}che d{'}identification de relation discursive entre deux segments de texte. Nos r{\'e}sultats sur le corpus anglais Penn Discourse Treebank, d{\'e}montrent l{'}importance de l{'}information verbale pour la t{\^a}che, et la compl{\'e}mentarit{\'e} de ces vecteurs paires avec les connecteurs discursifs des relations.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="rigaud-2020-representation">
<titleInfo>
<title>Représentation vectorielle de paires de verbes pour la prédiction de relations lexicales (Verb-pairs embeddings for discourse relation prediction)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Etienne</namePart>
<namePart type="family">Rigaud</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2020-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 6e conférence conjointe Journées d’Études sur la Parole (JEP, 33e édition), Traitement Automatique des Langues Naturelles (TALN, 27e édition), Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL, 22e édition). Volume 3 : Rencontre des Étudiants Chercheurs en Informatique pour le TAL</title>
</titleInfo>
<name type="personal">
<namePart type="given">Christophe</namePart>
<namePart type="family">Benzitoun</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Chloé</namePart>
<namePart type="family">Braud</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Laurine</namePart>
<namePart type="family">Huber</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">David</namePart>
<namePart type="family">Langlois</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Slim</namePart>
<namePart type="family">Ouni</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Sylvain</namePart>
<namePart type="family">Pogodalla</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Stéphane</namePart>
<namePart type="family">Schneider</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA et AFCP</publisher>
<place>
<placeTerm type="text">Nancy, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Dans cet article, nous proposons un modèle de représentations vectorielles de paire de mots, obtenues à partir d’une adaptation du modèle Skip-gram de Word2vec. Ce modèle est utilisé pour générer des vecteurs de paires de verbes, entraînées sur le corpus de textes anglais Ukwac. Les vecteurs sont évalués sur les données ConceptNet & EACL, sur une tâche de classification de relations lexicales. Nous comparons les résultats obtenus avec les vecteurs paires à des modèles utilisant des vecteurs mots, et testons l’évaluation avec des verbes dans leur forme originale et dans leur forme lemmatisée. Enfin, nous présentons des expériences où ces vecteurs paires sont utilisés sur une tâche d’identification de relation discursive entre deux segments de texte. Nos résultats sur le corpus anglais Penn Discourse Treebank, démontrent l’importance de l’information verbale pour la tâche, et la complémentarité de ces vecteurs paires avec les connecteurs discursifs des relations.</abstract>
<identifier type="citekey">rigaud-2020-representation</identifier>
<location>
<url>https://aclanthology.org/2020.jeptalnrecital-recital.14</url>
</location>
<part>
<date>2020-6</date>
<extent unit="page">
<start>179</start>
<end>192</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Représentation vectorielle de paires de verbes pour la prédiction de relations lexicales (Verb-pairs embeddings for discourse relation prediction)
%A Rigaud, Etienne
%Y Benzitoun, Christophe
%Y Braud, Chloé
%Y Huber, Laurine
%Y Langlois, David
%Y Ouni, Slim
%Y Pogodalla, Sylvain
%Y Schneider, Stéphane
%S Actes de la 6e conférence conjointe Journées d’Études sur la Parole (JEP, 33e édition), Traitement Automatique des Langues Naturelles (TALN, 27e édition), Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL, 22e édition). Volume 3 : Rencontre des Étudiants Chercheurs en Informatique pour le TAL
%D 2020
%8 June
%I ATALA et AFCP
%C Nancy, France
%G French
%F rigaud-2020-representation
%X Dans cet article, nous proposons un modèle de représentations vectorielles de paire de mots, obtenues à partir d’une adaptation du modèle Skip-gram de Word2vec. Ce modèle est utilisé pour générer des vecteurs de paires de verbes, entraînées sur le corpus de textes anglais Ukwac. Les vecteurs sont évalués sur les données ConceptNet & EACL, sur une tâche de classification de relations lexicales. Nous comparons les résultats obtenus avec les vecteurs paires à des modèles utilisant des vecteurs mots, et testons l’évaluation avec des verbes dans leur forme originale et dans leur forme lemmatisée. Enfin, nous présentons des expériences où ces vecteurs paires sont utilisés sur une tâche d’identification de relation discursive entre deux segments de texte. Nos résultats sur le corpus anglais Penn Discourse Treebank, démontrent l’importance de l’information verbale pour la tâche, et la complémentarité de ces vecteurs paires avec les connecteurs discursifs des relations.
%U https://aclanthology.org/2020.jeptalnrecital-recital.14
%P 179-192
Markdown (Informal)
[Représentation vectorielle de paires de verbes pour la prédiction de relations lexicales (Verb-pairs embeddings for discourse relation prediction)](https://aclanthology.org/2020.jeptalnrecital-recital.14) (Rigaud, JEP/TALN/RECITAL 2020)
ACL