@inproceedings{zhao-bernard-2023-auto,
title = "Auto-apprentissage et renforcement pour une analyse jointe sur donn{\'e}es disjointes : {\'e}tiquetage morpho-syntaxique et analyse syntaxique",
author = "Zhao, Fang and
Bernard, Timoth{\'e}e",
editor = "Servan, Christophe and
Vilnat, Anne",
booktitle = "Actes de CORIA-TALN 2023. Actes de la 30e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN), volume 2 : travaux de recherche originaux -- articles courts",
month = "6",
year = "2023",
address = "Paris, France",
publisher = "ATALA",
url = "https://aclanthology.org/2023.jeptalnrecital-short.9",
pages = "82--90",
abstract = "Cet article se penche sur l{'}utilisation de donn{\'e}es disjointes pour entra{\^\i}ner un syst{\`e}me d{'}analyse jointe du langage naturel. Dans cette {\'e}tude exploratoire, nous entra{\^\i}nons un syst{\`e}me {\`a} pr{\'e}dire un {\'e}tiquetage morpho-syntaxique et une analyse syntaxique en d{\'e}pendances {\`a} partir de phrases annot{\'e}es soit pour l{'}une de ces t{\^a}ches, soit pour l{'}autre. Deux m{\'e}thodes sont consid{\'e}r{\'e}es : l{'}auto-apprentissage et l{'}apprentissage par renforcement, pour lequel nous d{\'e}finissons une fonction de r{\'e}compense encourageant le syst{\`e}me {\`a} effectuer des pr{\'e}dictions m{\^e}me sans supervision. Nos r{\'e}sultats indiquent de bonnes performances dans le cas o{\`u} les donn{\'e}es disjointes sont issues d{'}un m{\^e}me domaine, mais sont moins satisfaisants dans le cas contraire. Nous identifions des limitations de notre impl{\'e}mentation actuelle et proposons en cons{\'e}quence des pistes d{'}am{\'e}lioration.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="zhao-bernard-2023-auto">
<titleInfo>
<title>Auto-apprentissage et renforcement pour une analyse jointe sur données disjointes : étiquetage morpho-syntaxique et analyse syntaxique</title>
</titleInfo>
<name type="personal">
<namePart type="given">Fang</namePart>
<namePart type="family">Zhao</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Timothée</namePart>
<namePart type="family">Bernard</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2023-06</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 CORIA-TALN 2023. Actes de la 30e Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 2 : travaux de recherche originaux – articles courts</title>
</titleInfo>
<name type="personal">
<namePart type="given">Christophe</namePart>
<namePart type="family">Servan</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Anne</namePart>
<namePart type="family">Vilnat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Paris, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Cet article se penche sur l’utilisation de données disjointes pour entraîner un système d’analyse jointe du langage naturel. Dans cette étude exploratoire, nous entraînons un système à prédire un étiquetage morpho-syntaxique et une analyse syntaxique en dépendances à partir de phrases annotées soit pour l’une de ces tâches, soit pour l’autre. Deux méthodes sont considérées : l’auto-apprentissage et l’apprentissage par renforcement, pour lequel nous définissons une fonction de récompense encourageant le système à effectuer des prédictions même sans supervision. Nos résultats indiquent de bonnes performances dans le cas où les données disjointes sont issues d’un même domaine, mais sont moins satisfaisants dans le cas contraire. Nous identifions des limitations de notre implémentation actuelle et proposons en conséquence des pistes d’amélioration.</abstract>
<identifier type="citekey">zhao-bernard-2023-auto</identifier>
<location>
<url>https://aclanthology.org/2023.jeptalnrecital-short.9</url>
</location>
<part>
<date>2023-6</date>
<extent unit="page">
<start>82</start>
<end>90</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Auto-apprentissage et renforcement pour une analyse jointe sur données disjointes : étiquetage morpho-syntaxique et analyse syntaxique
%A Zhao, Fang
%A Bernard, Timothée
%Y Servan, Christophe
%Y Vilnat, Anne
%S Actes de CORIA-TALN 2023. Actes de la 30e Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 2 : travaux de recherche originaux – articles courts
%D 2023
%8 June
%I ATALA
%C Paris, France
%G French
%F zhao-bernard-2023-auto
%X Cet article se penche sur l’utilisation de données disjointes pour entraîner un système d’analyse jointe du langage naturel. Dans cette étude exploratoire, nous entraînons un système à prédire un étiquetage morpho-syntaxique et une analyse syntaxique en dépendances à partir de phrases annotées soit pour l’une de ces tâches, soit pour l’autre. Deux méthodes sont considérées : l’auto-apprentissage et l’apprentissage par renforcement, pour lequel nous définissons une fonction de récompense encourageant le système à effectuer des prédictions même sans supervision. Nos résultats indiquent de bonnes performances dans le cas où les données disjointes sont issues d’un même domaine, mais sont moins satisfaisants dans le cas contraire. Nous identifions des limitations de notre implémentation actuelle et proposons en conséquence des pistes d’amélioration.
%U https://aclanthology.org/2023.jeptalnrecital-short.9
%P 82-90
Markdown (Informal)
[Auto-apprentissage et renforcement pour une analyse jointe sur données disjointes : étiquetage morpho-syntaxique et analyse syntaxique](https://aclanthology.org/2023.jeptalnrecital-short.9) (Zhao & Bernard, JEP/TALN/RECITAL 2023)
ACL