@inproceedings{Metheniti-van-de-Cruys-Hathout:TALN:2021,
    author = "Metheniti, Eleni and van de Cruys, Tim and Hathout, Nabil",
    title = "Pr\'edire l'aspect linguistique en anglais au moyen de transformers",
    booktitle = "Actes de la 28e Conf\'erence sur le Traitement Automatique des Langues Naturelles. Volume 1 : Articles courts",
    month = "6",
    year = "2021",
    address = "Lille, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "104-113",
    note = "Classifying Linguistic Aspect in English with Transformers ",
    abstract = "L'aspect du verbe d\'ecrit la mani\`ere dont une action, un \'ev\'enement ou un \'etat exprim\'e par un verbe est li\'e au temps ; la t\'elicit\'e est la propri\'et\'e d'un syntagme verbal qui pr\'esente une action ou un \'ev\'enement comme \'etant men\'e \`a son terme ; la dur\'ee distingue les verbes qui expriment une action (dynamique) ou un \'etat (statique). Ces caract\'eristiques essentielles \`a l'interpr\'etation du langage naturel, sont \'egalement difficiles \`a annoter et \`a identifier par les m\'ethodes de TAL. Dans ce travail, nous estimons la capacit\'e de diff\'erents mod\`eles de type transformers pr\'e-entra{\^\i}n\'es (BERT, RoBERTa, XLNet, ALBERT) \`a pr\'edire la t\'elicit\'e et la dur\'ee. Nos r\'esultats montrent que BERT est le plus performant sur les deux t\^aches, tandis que les mod\`eles XLNet et ALBERT sont les plus faibles. Par ailleurs, les performances de la plupart des mod\`eles sont am\'elior\'ees lorsqu'on leur fournit en plus la position des verbes. Globalement, notre \'etude \'etablit que les mod\`eles de type transformers captent en grande partie la t\'elicit\'e et la dur\'ee.",
    keywords = "transformers, apprentissage automatique, aspect lexical, t\'elicit\'e, dur\'ee.",
    url = "http://talnarchives.atala.org/TALN/TALN-2021/37.pdf"
}