Apprentissage symbolique et statistique pour le chunking:comparaison et combinaisons
Isabelle Tellier, Yoann Dupont
Résumé : Nous décrivons dans cet article l’utilisation d’algorithmes d’inférence grammaticale pour la tâche de chunking, pour ensuite les comparer et les combiner avec des CRF (Conditional Random Fields), à l’efficacité éprouvée pour cette tâche. Notre corpus est extrait du French TreeBank. Nous proposons et évaluons deux manières différentes de combiner modèle symbolique et modèle statistique appris par un CRF et montrons qu’ils bénéficient dans les deux cas l’un de l’autre.
Abstract : We describe in this paper how to use grammatical inference algorithms for chunking, then compare and combine them to CRFs (Conditional Random Fields) which are known efficient for this task. Our corpus is extracted from the FrenchTreebank. We propose and evaluate two ways of combining a symbolic model and a statistical model learnt by a CRF, and show that in both cases they benefit from one another.
Mots clés : apprentissage automatique, chunking, CRF, inférence grammaticale, k-RI, FrenchTreeBank
Keywords : machine learning, chunking, CRF, grammatical inference, k-RI, French TreeBank