Intégrer des connaissances linguistiques dans un CRF : application à l'apprentissage d'un segmenteur-étiqueteur du français

Mathieu Constant (1) , Isabelle Tellier (2) , Denys Duchier (2) , Yoann Dupont (2) , Anthony Sigogne (1) , Sylvie Billot (2)

1 LIGM - Laboratoire d'Informatique Gaspard-Monge
2 LIFO - Laboratoire d'Informatique Fondamentale d'Orléans

Dans cet article, nous synthétisons les résultats de plusieurs séries d'expériences réalisées à l'aide de CRF (Conditional Random Fields ou "champs markoviens conditionnels") linéaires pour apprendre à annoter des textes français à partir d'exemples, en exploitant diverses ressources linguistiques externes. Ces expériences ont porté sur l'étiquetage morphosyntaxique intégrant l'identification des unités polylexicales. Nous montrons que le modèle des CRF est capable d'intégrer des ressources lexicales riches en unités multi-mots de différentes manières et permet d'atteindre ainsi le meilleur taux de correction d'étiquetage actuel pour le français.

Mots clés: Etiquetagemorphosyntaxique; Modèle CRF; Ressources lexicales; Segmentation; Unités polylexicales

Domaines: Apprentissage [cs.LG]

Mathieu Constant, Isabelle Tellier, Denys Duchier, Yoann Dupont, Anthony Sigogne, et al.. Intégrer des connaissances linguistiques dans un CRF : application à l'apprentissage d'un segmenteur-étiqueteur du français. TALN, Jun 2011, Montpellier, France. pp.321. ⟨hal-00620923⟩