Skip to Main content Skip to Navigation
Conference papers

Prédire l'aspect linguistique en anglais au moyen de transformers

Résumé : 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.
Document type :
Conference papers
Complete list of metadata

https://hal.archives-ouvertes.fr/hal-03265894
Contributor : Yannick Parmentier <>
Submitted on : Wednesday, June 23, 2021 - 11:44:07 PM
Last modification on : Tuesday, June 29, 2021 - 3:37:39 AM
Long-term archiving on: : Friday, September 24, 2021 - 7:12:19 PM

File

37.pdf
Publisher files allowed on an open archive

Identifiers

  • HAL Id : hal-03265894, version 1

Citation

Eleni Metheniti, Tim van de Cruys, Nabil Hathout. Prédire l'aspect linguistique en anglais au moyen de transformers. Traitement Automatique des Langues Naturelles (TALN 2021), 2021, Lille, France. pp.209-218. ⟨hal-03265894⟩

Share

Metrics

Record views

57

Files downloads

38