Apprentissage partiel de grammaires lexicalisées

Erwan Moreau (1)

1 LINA - Laboratoire d'Informatique de Nantes Atlantique

Sur le plan théorique, le modèle de Gold semble adapté à l'apprentissage des langues naturelles. Cependant la mise en pratique des algorithmes d'acquisition issus de ce modèle pose de nombreux problèmes. Nous développons dans cet article des résultats obtenus à la suite des travaux de Buszkowski, Penn et Kanazawa, qui ont montré que certaines classes de grammaires catégorielles sont apprenables. L'algorithme d'origine nécessite une grande quantité d'information en entrée pour être efficace. En changeant la nature des informations en entrée, nous proposons un algorithme d'apprentissage de grammaires catégorielles plus réaliste dans la perspective d'applications aux langues naturelles. Cette méthode peut être étendue à certains formalismes grammaticaux lexicalisés, comme les grammaires de liens. L'expérimentation que nous proposons avec ce formalisme tend à montrer la faisabilité de notre approche.

Keywords: Inférence grammaticale; apprentissage partiel; grammaires catégorielles; grammaires de liens

Domains: Document and Text Processing; Machine Learning [cs.LG]

Erwan Moreau. Apprentissage partiel de grammaires lexicalisées. Revue TAL : traitement automatique des langues, 2004, 45 (3), pp.71--102. ⟨hal-00487068⟩