Résolution des références neuronale:
une approche basée sur les têtes
Quentin Gliosca & Pascal Amsili TALN 2019
Méthodes de résolution de co-références neuronales :
malgré l’emergence des systèmes end-to-end (Leeet al., 2017), on continue à raisonner en confondant
I la détection des mentions (groupes syntaxiques référentiels) ; et I la détection des chaînes de co-référence.
... et si on distinguait les deux ? Intérêt des méthodes neuronales (entre autres) :
• permettent de représenter les traits intéressants des mentions sans avoir à se préoccuper des bornes exactes de ces mentions ... on peut donc proposer une nouvelle approche, “head-based”, de la résolution de coréférences...
où les mentions sont représentées par un seul mot (leur tête) I la résolution de coréférences ne fait plus de syntaxe
I complexité réduite
I évaluation plus pertinente I pas encore de benchmark :-(
Méthodes de résolution de co-références neuronales :
malgré l’emergence des systèmes end-to-end (Leeet al., 2017),
on continue à raisonner en confondant
I la détection des mentions (groupes syntaxiques référentiels) ; et I la détection des chaînes de co-référence.
... et si on distinguait les deux ? Intérêt des méthodes neuronales (entre autres) :
• permettent de représenter les traits intéressants des mentions sans avoir à se préoccuper des bornes exactes de ces mentions ... on peut donc proposer une nouvelle approche, “head-based”, de la résolution de coréférences...
où les mentions sont représentées par un seul mot (leur tête) I la résolution de coréférences ne fait plus de syntaxe
I complexité réduite
I évaluation plus pertinente I pas encore de benchmark :-(
Méthodes de résolution de co-références neuronales :
malgré l’emergence des systèmes end-to-end (Leeet al., 2017), on continue à raisonner en confondant
I la détection des mentions (groupes syntaxiques référentiels) ; et I la détection des chaînes de co-référence.
... et si on distinguait les deux ? Intérêt des méthodes neuronales (entre autres) :
• permettent de représenter les traits intéressants des mentions sans avoir à se préoccuper des bornes exactes de ces mentions ... on peut donc proposer une nouvelle approche, “head-based”, de la résolution de coréférences...
où les mentions sont représentées par un seul mot (leur tête) I la résolution de coréférences ne fait plus de syntaxe
I complexité réduite
I évaluation plus pertinente I pas encore de benchmark :-(
Méthodes de résolution de co-références neuronales :
malgré l’emergence des systèmes end-to-end (Leeet al., 2017), on continue à raisonner en confondant
I la détection des mentions (groupes syntaxiques référentiels) ; et I la détection des chaînes de co-référence.
... et si on distinguait les deux ?
Intérêt des méthodes neuronales (entre autres) :
• permettent de représenter les traits intéressants des mentions sans avoir à se préoccuper des bornes exactes de ces mentions ... on peut donc proposer une nouvelle approche, “head-based”, de la résolution de coréférences...
où les mentions sont représentées par un seul mot (leur tête) I la résolution de coréférences ne fait plus de syntaxe
I complexité réduite
I évaluation plus pertinente I pas encore de benchmark :-(
Méthodes de résolution de co-références neuronales :
malgré l’emergence des systèmes end-to-end (Leeet al., 2017), on continue à raisonner en confondant
I la détection des mentions (groupes syntaxiques référentiels) ; et I la détection des chaînes de co-référence.
... et si on distinguait les deux ? Intérêt des méthodes neuronales (entre autres) :
• permettent de représenter les traits intéressants des mentions sans avoir à se préoccuper des bornes exactes de ces mentions ... on peut donc proposer une nouvelle approche, “head-based”, de la résolution de coréférences...
où les mentions sont représentées par un seul mot (leur tête) I la résolution de coréférences ne fait plus de syntaxe
I complexité réduite
I évaluation plus pertinente I pas encore de benchmark :-(
Méthodes de résolution de co-références neuronales :
malgré l’emergence des systèmes end-to-end (Leeet al., 2017), on continue à raisonner en confondant
I la détection des mentions (groupes syntaxiques référentiels) ; et I la détection des chaînes de co-référence.
... et si on distinguait les deux ? Intérêt des méthodes neuronales (entre autres) :
• permettent de représenter les traits intéressants des mentions sans avoir à se préoccuper des bornes exactes de ces mentions
... on peut donc proposer une nouvelle approche, “head-based”, de la résolution de coréférences...
où les mentions sont représentées par un seul mot (leur tête) I la résolution de coréférences ne fait plus de syntaxe
I complexité réduite
I évaluation plus pertinente I pas encore de benchmark :-(
Méthodes de résolution de co-références neuronales :
malgré l’emergence des systèmes end-to-end (Leeet al., 2017), on continue à raisonner en confondant
I la détection des mentions (groupes syntaxiques référentiels) ; et I la détection des chaînes de co-référence.
... et si on distinguait les deux ? Intérêt des méthodes neuronales (entre autres) :
• permettent de représenter les traits intéressants des mentions sans avoir à se préoccuper des bornes exactes de ces mentions ... on peut donc proposer une nouvelle approche, “head-based”, de la résolution de coréférences...
où les mentions sont représentées par un seul mot (leur tête) I la résolution de coréférences ne fait plus de syntaxe
I complexité réduite
I évaluation plus pertinente I pas encore de benchmark :-(
Méthodes de résolution de co-références neuronales :
malgré l’emergence des systèmes end-to-end (Leeet al., 2017), on continue à raisonner en confondant
I la détection des mentions (groupes syntaxiques référentiels) ; et I la détection des chaînes de co-référence.
... et si on distinguait les deux ? Intérêt des méthodes neuronales (entre autres) :
• permettent de représenter les traits intéressants des mentions sans avoir à se préoccuper des bornes exactes de ces mentions ... on peut donc proposer une nouvelle approche, “head-based”, de la résolution de coréférences...
où les mentions sont représentées par un seul mot (leur tête)
I la résolution de coréférences ne fait plus de syntaxe I complexité réduite
I évaluation plus pertinente I pas encore de benchmark :-(
Méthodes de résolution de co-références neuronales :
malgré l’emergence des systèmes end-to-end (Leeet al., 2017), on continue à raisonner en confondant
I la détection des mentions (groupes syntaxiques référentiels) ; et I la détection des chaînes de co-référence.
... et si on distinguait les deux ? Intérêt des méthodes neuronales (entre autres) :
• permettent de représenter les traits intéressants des mentions sans avoir à se préoccuper des bornes exactes de ces mentions ... on peut donc proposer une nouvelle approche, “head-based”, de la résolution de coréférences...
où les mentions sont représentées par un seul mot (leur tête) I la résolution de coréférences ne fait plus de syntaxe
I complexité réduite
I évaluation plus pertinente I pas encore de benchmark :-(
