Analyse syntaxique en dépendance avec retour arrière fondé sur l'apprentissage par renforcement

Alexis Nasr (alexis (point) nasr <at> lis-lab (point) fr)

Laboratoire d'Informatique et des Systèmes (LIS). Université d'Aix-Marseille

Le 5 juin 2024 à 11 h 30

Salle 3195, Pavillon André-Aisenstadt — Diffusion simultanée sur Zoom


Les algorithmes gloutons pour le traitement automatique des langues, tel que l'analyse syntaxique par transition sont sujets à la propagation d'erreurs. Une manière de surmonter ce problème consiste à autoriser l'algorithme à revenir sur des choix faits précédemment afin d'explorer d'autres pistes lorsque des nouvelles informations contredisent la solution explorée jusque là. Afin de mettre en oeuvre un tel comportement, nous utilisons l'apprentissage par renforcement et autorisons l'algorithme à prédire une opération de retour arrière lorsqu'une telle action reçoit une récompense supérieure à celles consistant à poursuivre la solution courante. Cette idée a été testée sur une tâche jointe d'étiquetage morpho-syntaxique et d'analyse syntaxique. Les résultats montrent que le retour arrière est une méthode efficace pour lutter contre la propagation d'erreurs.

Enregistrement : https://umontreal.ca.panopto.com/Panopto/Pages/Viewer.aspx?id=ab4599bf-8e73-4b2c-9969-b18601247c2e


Alexis Nasr est professeur d'informatique à l'université d'Aix Marseille. Son domaine de recherche est le traitement automatique des langues. Il s'intéresse entre autre à la prédiction de la structure syntaxique des énoncés et la sémantique lexicale.


Pour recevoir les annonces hebdomadaires par courriel, visitez http://rali.iro.umontreal.ca/rali/?q=fr/node/1631

Liste des autres séminaires