Apprentissage structuré avec des arbres latents : une approche jointe de la résolution de la coréférence

Structured learning with latent trees : a joint approach to coreference resolution

• Auteur / Autrice : Emmanuel Lassalle
• Direction : Laurence Danlos, Pascal Denis
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2015
• Etablissement(s) : Sorbonne Paris Cité
• Ecole(s) doctorale(s) : École doctorale Sciences mathématiques de Paris centre (Paris2000-....)
• Partenaire(s) de recherche : autre partenaire : Université Paris Diderot - Paris 7 (1970-2019)

Mots clés

Mots clés contrôlés

Coréférence

Apprentissage machine

Apprentissage automatique

Traitement automatique du langage naturel

Linguistique -- Informatique

Mots clés libres

Structure prediction

Coreference resolution

Résumé

Nous explorons différentes manières de définir des systèmes de résolution de la coréférence utilisant des techniques d'apprentissage statistique structuré. Nous mettons au point des modèles supervisés qui apprennent à construire des classes d'équivalence de coréférence à partir de texte brut : notre principal objectif est de définir des modèles capables de traiter les documents de manière globale et structurée afin de créer des sorties cohérentes Nos modèles sont entraînés et évalués sur la partie anglaise du corpus de la Shared Task CoNLL-2012. Nous effectuons des comparaisons détaillées de différentes versions des modèles afin de mettre au point un système complet de résolution de la coréférence.

This thesis explores ways to define automated coreference resolution systems by using structured machine leaming techniques. We design supervised models that leam to build coreference clusters from raw text: our main objective is to get model able to process documents globally, in a structurel fashion, to ensure coherent outputs. Our models are trained and evaluated on the English part of die CoNLL-2012 Shared Task annotated corpus with standard metrics. We carry out detailed comparisons of different settings so as to refine our models and design a complete end-to-end coreference resolver. Specifically, we first carry out a preliminary work on improving the way features are employed by linear models for classification: we extend existing work on separating different types of mention pairs to define more accurate classifiers of coreference links. We then define varions structured models based on latent trees to learn to build clusters globally, and not only from die predictions of a mention pair classifier. We study different latent representations (varions shapes and sparsity) and show empirically that die best suited structure is some restricted class of trees related to the best-first rule for selecting coreference links. We further improve this latent representation by integrating anaphoricity modelling jointly with coreference, designing a global (structured at the document level) and joint model outperforming existing models on gold mentions evaluation. We finally design a complete end-to-end resolver and evaluate the improvement obtained by our new modela on detected mentions, a more realistic setting for coreference resolution.