Prédire l'aspect linguistique en anglais au moyen de transformers - Archive ouverte HAL Access content directly
Conference Papers Year : 2021

Prédire l'aspect linguistique en anglais au moyen de transformers

(1, 2) , (1, 3) , (2)
1
2
3

Abstract

L’aspect du verbe décrit la manière dont une action, un événement ou un état exprimé par un verbe est lié au temps ; la télicité est la propriété d’un syntagme verbal qui présente une action ou un événement comme étant mené à son terme ; la durée distingue les verbes qui expriment une action (dynamique) ou un état (statique). Ces caractéristiques essentielles à l’interprétation du langage naturel, sont également difficiles à annoter et à identifier par les méthodes de TAL. Dans ce travail, nous estimons la capacité de différents modèles de type transformers pré-entraînés (BERT, RoBERTa, XLNet, ALBERT) à prédire la télicité et la durée. Nos résultats montrent que BERT est le plus performant sur les deux tâches, tandis que les modèles XLNet et ALBERT sont les plus faibles. Par ailleurs, les performances de la plupart des modèles sont améliorées lorsqu’on leur fournit en plus la position des verbes. Globalement, notre étude établit que les modèles de type transformers captent en grande partie la télicité et la durée.
Fichier principal
Vignette du fichier
37.pdf (246.53 Ko) Télécharger le fichier
Origin : Publisher files allowed on an open archive

Dates and versions

hal-03265894 , version 1 (23-06-2021)

Identifiers

  • HAL Id : hal-03265894 , version 1

Cite

Eleni Metheniti, Tim van de Cruys, Nabil Hathout. Prédire l'aspect linguistique en anglais au moyen de transformers. Traitement Automatique des Langues Naturelles (TALN 2021), 2021, Lille, France. pp.209-218. ⟨hal-03265894⟩
131 View
60 Download

Share

Gmail Facebook Twitter LinkedIn More