 |
Journal articles
Analyse automatique d’arguments et apprentissage multi-tâches : un cas d’étude
Résumé : Nous proposons une étude sur l’analyse automatique d’arguments via des techniques d’apprentissage supervisé exploitant le paradigme de l’apprentissage multi-tâches. Nous définissons pour cela une approche multi-tâches à base d’apprentissage profond que nous évaluons sur un cas d’étude spécifique portant sur l’extraction d’arguments dans un corpus de dissertations. Les résultats obtenus permettent de discuter l’intérêt de définir un modèle multi-tâches unique – optimisé sur différents critères en tirant parti de la diversité des tâches d’apprentissage auxquelles il est confronté – par rapport à un ensemble de classifieurs entraînés de manière indépendante et spécifique. Nous montrons en particulier l’impact de l’ajout de tâches auxiliaires de bas niveau, telles que l’étiquetage morpho-syntaxique et l’analyse de dépendances grammaticales, pour l’obtention de classifieurs multi-tâches performants. Nous observons aussi que l’apprentissage multi-tâches permet l’obtention de modèles efficaces de performances semblables à l’état de l’art pour le cas d’étude traité.
https://hal.mines-ales.fr/hal-03638222
Contributor : Administrateur Imt - Mines Alès Connect in order to contact the contributor
Submitted on : Tuesday, April 12, 2022 - 10:11:27 AM
Last modification on : Tuesday, May 17, 2022 - 1:34:06 PM
Contributor : Administrateur Imt - Mines Alès Connect in order to contact the contributor
Submitted on : Tuesday, April 12, 2022 - 10:11:27 AM
Last modification on : Tuesday, May 17, 2022 - 1:34:06 PM
File
ROIA_2022__3_3-4_201_0.pdf
Publisher files allowed on an open archive