Compression de vocabulaire de sens gr\^ace aux relations s\'emantiques pour la d\'esambigu\" lexicale (Sense Vocabulary Compression through Semantic Knowledge for Word Sense Disambiguation)

Abstract

En D\'esambigu\" sation Lexicale (DL), les syst\`emes supervis\'es dominent largement les campagnes d'\'evaluation. La performance et la couverture de ces syst\`emes sont cependant rapidement limit\'es par la faible quantit\'e de corpus annot\'es en sens disponibles. Dans cet article, nous pr\'esentons deux nouvelles m\'ethodes qui visent \`a r\'esoudre ce probl\`eme en exploitant les relations s\'emantiques entre les sens tels que la synonymie, l'hyperonymie et l'hyponymie, afin de compresser le vocabulaire de sens de WordNet, et ainsi r\'eduire le nombre d'\'etiquettes diff\'erentes n\'ecessaires pour pouvoir d\'esambigu\" ser tous les mots de la base lexicale. Nos m\'ethodes permettent de r\'eduire consid\'erablement la taille des mod\`eles de DL neuronaux, avec l'avantage d'am\'eliorer leur couverture sans donn\'ees suppl\'ementaires, et sans impacter leur pr\'ecision. En plus de nos m\'ethodes, nous pr\'esentons un syst\`eme de DL qui tire parti des r\'ecents travaux sur les repr\'esentations vectorielles de mots contextualis\'ees, afin d'obtenir des r\'esultats qui surpassent largement l'\'etat de l'art sur toutes les t\^aches d'\'evaluation de la DL.

Tasks

Reproductions