홈 › Papers

D\'esambigu\"\isation lexicale \`a base de connaissances par s\'election distributionnelle et traits s\'emantiques

La d{\'e}sambigu{\"\i}sation lexicale permet d{'}am{\'e}liorer de nombreuses applications en traitement automatique des langues (TAL) comme la recherche d{'}information, l{'}extraction d{'}information, la traduction automatique, ou la simplification lexicale de textes. Sch{\'e}matiquement, il s{'}agit de choisir quel est le sens le plus appropri{\'e} pour chaque mot d{'}un texte. Une des approches classiques consiste {\a} estimer la similarit{\'e} s{\'e}mantique qui existe entre les sens de deux mots puis de l{'}{\'e}tendre {\a} l{'}ensemble des mots du texte. La m{\'e}thode la plus directe donne un score de similarit{\'e} {\a} toutes les paires de sens de mots puis choisit la cha{\^\i}ne de sens qui retourne le meilleur score (on imagine la complexit{\'e} exponentielle li{\'e}e {\a} cette approche exhaustive). Dans cet article, nous proposons d{'}utiliser une m{\'e}ta-heuristique d{'}optimisation combinatoire qui consiste {\a} choisir les voisins les plus proches par s{\'e}lection distributionnelle autour du mot {\a} d{\'e}sambigu{\"\i}ser. Le test et l{'}{\'e}valuation de notre m{\'e}thode portent sur un corpus {\'e}crit en langue fran{\c{c}}aise en se servant du r{\'e}seau s{\'e}mantique BabelNet. Le taux d{'}exactitude obtenu est de 78{\%} sur l{'}ensemble des noms et des verbes choisis pour l{'}{\'e}valuation.

Code (0)

등록된 구현이 없습니다.

Similar Papers 제목 키워드 기반