Towards less supervision in dependency parsing
- 1 April 2026
- thesis
- Published by Agence Bibliographique de l'Enseignement Supérieur
Abstract
Analyse probabiliste est l'un des domaines de recherche les plus attractives en langage naturel En traitement. Analyseurs probabilistes succès actuels nécessitent de grandes treebanks qui Il est difficile, prend du temps et coûteux à produire. Par conséquent, nous avons concentré notre l'attention sur des approches moins supervisés. Nous avons proposé deux catégories de solution: l'apprentissage actif et l'algorithme semi-supervisé. Stratégies d'apprentissage actives permettent de sélectionner les échantillons les plus informatives pour annotation. La plupart des stratégies d'apprentissage actives existantes pour l'analyse reposent sur la sélection phrases incertaines pour l'annotation. Nous montrons dans notre recherche, sur quatre différents langues (français, anglais, persan, arabe), que la sélection des phrases complètes ne sont pas une solution optimale et de proposer un moyen de sélectionner uniquement les sous-parties de phrases. Comme nos expériences ont montré, certaines parties des phrases ne contiennent aucune utiles information pour la formation d'un analyseur, et en se concentrant sur les sous-parties incertains des phrases est une solution plus efficace dans l'apprentissage actif.Keywords
This publication has 58 references indexed in Scilit:
- SCIP: solving constraint integer programsMathematical Programming Computation, 2009
- Introduction2009
- Design and Implementation of the Bulgarian HPSG-based TreebankResearch on Language and Computation, 2004
- Building a Turkish Treebank2003
- Sinica Treebank2003
- Treebanks2003
- Bilexical Grammars and their Cubic-Time Parsing Algorithms2000
- A Sequential Algorithm for Training Text Classifiers1994
- Tree adjunct grammarsJournal of Computer and System Sciences, 1975
- Reducibility among Combinatorial Problems1972