Un système dédié à l'étiquetage morpho-syntaxique des corpus de spécialité

Abstract : Le travail que nous présentons ici traite de la problématique de l'étiquetage morpho-syntaxique des corpus de spécialité non annotés. Les étiqueteurs existants sont entraînés sur divers corpus, et produisent des erreurs d'étiquetage dans les textes de spécialité. La méthode la plus triviale pour apprendre des automates adaptés à un domaine spécialisé est d'étiqueter manuellement de grands corpus du domaine, ce qui nécessite un travail très important. Pour éviter cela, nous proposons une méthode semi-automatique. ETIQ, le nouvel étiqueteur que nous avons développé, permet de corriger la base de règles obtenue par l‘étiqueteur de BRILL et de l‘adapter à un corpus de spécialité. L'expert du domaine visualise l‘étiquetage de base et le corrige par l‘écriture et l‘application de règles lexicales et contextuelles spécialisées. Les règles insérées sont plus expressives que celles de Brill. Pour aider l'expert dans sa tâche, nous avons conçu un algorithme inductif biaisé par les connaissances « correctes » acquises préalablement par l'expert. Ainsi, en utilisant des techniques d‘apprentissage et en permettant à l‘expert d‘incorporer ses connaissances de manière interactive, nous améliorons nettement l‘étiquetage des corpus de spécialité. Notre approche a été appliquée à un corpus de biologie moléculaire.


http://archivesic.ccsd.cnrs.fr/sic_00001260
Contributor : Pédauque Roger T. <>
Submitted on : Wednesday, December 8, 2004 - 3:00:34 PM
Last modification on : Wednesday, December 8, 2004 - 3:00:34 PM

Identifiers

  • HAL Id : sic_00001260, version 1

Collections

SHS

Citation

Ahmed Amrani, Yves Kodratoff, Oriane Matte-Tailliez. Un système dédié à l'étiquetage morpho-syntaxique des corpus de spécialité. Jun 2004. <sic_00001260>

Export

Share