R\'eseaux neuronaux profonds pour l'\'etiquetage de s\'equences (Deep Neural Networks for Sequence Labeling)

Abstract

Depuis quelques ann\'ees les r\'eseaux neuronaux se montrent tr\`es efficaces dans toutes les t\^aches de Traitement Automatique des Langues (TAL). R\'ecemment, une variante de r\'eseau neuronal particuli\`erement adapt\'e \`a l'\'etiquetage de s\'equences textuelles a \'et\'e propos\'ee, utilisant des repr\'esentations distributionnelles des \'etiquettes. Dans cet article, nous reprenons cette variante et nous l'am\'eliorons avec une version profonde. Dans cette version, diff\'erentes couches cach\'ees permettent de prendre en compte s\'epar\'ement les diff\'erents types d'informations donn\'ees en entr\'ee au r\'eseau. Nous \'evaluons notre mod\`ele sur les m\^emes t\^aches que la premi\`ere version de r\'eseau de laquelle nous nous sommes inspir\'es. Les r\'esultats montrent que notre variante de r\'eseau neuronal est plus efficace que les autres, mais aussi qu'elle est plus efficace que tous les autres mod\`eles \'evalu\'es sur ces t\^aches, obtenant l'\'etat-de-l'art.

Tasks

Reproductions