| 1 |
Prédire l'aspect linguistique en anglais au moyen de transformers
|
|
|
|
In: à paraître : Actes de la 28e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conférence principale ; Traitement Automatique des Langues Naturelles (TALN 2021) ; https://hal.archives-ouvertes.fr/hal-03265894 ; Traitement Automatique des Langues Naturelles (TALN 2021), 2021, Lille, France. pp.209-218 ; https://talnrecital2021.inria.fr/articles-acceptes/ (2021)
|
|
Abstract:
International audience ; L’aspect du verbe décrit la manière dont une action, un événement ou un état exprimé par un verbe est lié au temps ; la télicité est la propriété d’un syntagme verbal qui présente une action ou un événement comme étant mené à son terme ; la durée distingue les verbes qui expriment une action (dynamique) ou un état (statique). Ces caractéristiques essentielles à l’interprétation du langage naturel, sont également difficiles à annoter et à identifier par les méthodes de TAL. Dans ce travail, nous estimons la capacité de différents modèles de type transformers pré-entraînés (BERT, RoBERTa, XLNet, ALBERT) à prédire la télicité et la durée. Nos résultats montrent que BERT est le plus performant sur les deux tâches, tandis que les modèles XLNet et ALBERT sont les plus faibles. Par ailleurs, les performances de la plupart des modèles sont améliorées lorsqu’on leur fournit en plus la position des verbes. Globalement, notre étude établit que les modèles de type transformers captent en grande partie la télicité et la durée.
|
|
Keyword:
[INFO.INFO-CL]Computer Science [cs]/Computation and Language [cs.CL]; apprentissage automatique; aspect lexical; durée; télicité; transformers
|
|
URL: https://hal.archives-ouvertes.fr/hal-03265894
https://hal.archives-ouvertes.fr/hal-03265894/file/37.pdf
https://hal.archives-ouvertes.fr/hal-03265894/document
|
|
BASE
|
|
Hide details
|
|
|
|
|
