Modèles génératif et discriminant en analyse syntaxique : expériences sur le corpus arboré de Paris 7
Joseph Le Roux, Benoît Favre, Seyed Abolghasem Mirroshandel, Alexis Nasr
Résumé : Nous présentons une architecture pour l'analyse syntaxique en deux étapes. Dans un premier temps un analyseur syntagmatique construit, pour chaque phrase, une liste d'analyses qui sont converties en arbres de dépendances. Ces arbres sont ensuite réévalués par un réordonnanceur discriminant. Cette méthode permet de prendre en compte des informations auxquelles l'analyseur n'a pas accès, en particulier des annotations fonctionnelles. Nous validons notre approche par une évaluation sur le corpus arboré de Paris 7. La seconde étape permet d'améliorer significativement la qualité des analyses retournées, quelle que soit la métrique utilisée.
Abstract : We present an architecture for parsing in two steps. First, a phrase-structure parser builds for each sentence an n-best list of analyses which are converted to dependency trees. Then these trees are rescored by a discriminative reranker. This method enables the incorporation of additional linguistic information, more precisely functional annotations. We test our approach on the French Treebank. The evaluation shows a significative improvement on different parse metrics.
Mots clés : analyse syntaxique, corpus arboré, apprentissage automatique, réordonnancement discriminant
Keywords : parsing, treebank, machine learning, discriminative reranking