Identifier les relations discursives implicites en combinant données naturelles et données artificielles [Identifying implicit discourse relations by combining natural and artificial data]

Identifier les relations discursives implicites en combinant données naturelles et données artificielles Chloé Braud* — Pascal Denis** * ALPAGE, Université Paris Diderot & INRIA Paris-Rocquencourt chloe.braud@inria.fr ** MAGNET, INRIA Lille Nord Europe pascal.denis@inria.fr RÉSUMÉ. Cet article présente les premières expériences sur le français d’identification automa- tique des relations discursives implicites (i.e., non marquées par un connecteur). Nos systèmes exploitent des exemples implicites annotés, ainsi que des exemples implicites artificiels obtenus à partir d’exemples explicites par suppression du connecteur, une méthode introduite par Marcu et Echihabi (2002). Les précédentes études sur l’anglais montrent que l’utilisation à l’entraîne- ment des données artificielles dégrade largement les performances sur les données naturelles, ce qui reflète des différences importantes en termes de distribution. Ce constat, qui tient aussi pour le français, nous a amenés à envisager différentes méthodes, inspirées de l’adaptation de domaine, visant à combiner plus efficacement les données. Nous évaluons ces méthodes sur le corpus ANNODIS : notre meilleur système obtient 41,7 % d’exactitude, soit un gain significatif de 4,4 % par rapport à un modèle n’utilisant que les données naturelles. ABSTRACT. This paper presents the first experiments on French in automatic identification of implicit discourse relations (i.e. relations that lack an overt connective). Our systems exploit hand-labeled implicit examples, along with artificial implicit examples obtained from explicit examples by suppressing their connective, following Marcu et Echihabi (2002). Previous work on English shows that using artificial data for training largely degrades performance on natural data, reflecting important differences in the distribution. This conclusion, that also holds for French, has led us to consider various methods inspired by domain adaptation to better combine the data. We evaluate these methods on the ANNODIS corpus: our best system achieves a 41.7 % accuracy, that is a significant gain of 4.4 % compared to a model using only the natural data. MOTS-CLÉS : structure discursive, relations discursives implicites, apprentissage automatique. KEYWORDS: discourse structure, implicit discourse relations, machine learning. TAL. Volume 55 – n◦ 1/2014, pages 135 à 165 136 TAL. Volume 55 – n◦ 1/2014 1. Introduction L’analyse discursive a pour but de rendre compte de la cohérence d’un texte, cohé- rence reposant sur le fait que les propositions ne s’interprètent pas isolément les unes des autres, elles sont liées les unes aux autres par des relations dites discursives ou rhétoriques (type explication, contraste...) de manière à former une structure globale couvrant tout le document. Ainsi, dans l’exemple 11 les propositions formant la pre- mière phrase sont liées par une relation de contraste, et la phrase entière est elle-même liée à la phrase suivante par une relation de continuation. (1) { { [La hulotte est un rapace nocturne]1 [mais elle peut vivre le jour.]2 }contraste [La hulotte mesure une quarantaine de centimètres.]3 }continuation (ANNODIS - document WK_-_hulotte) Différents cadres théoriques et formalismes ont été développés pour l’analyse dis- cursive, notamment la Rhetorical Structure Theory (RST) (Mann et Thompson, 1988), la Segmented Discourse Representation Theory (SDRT) (Asher et Lascarides, 2003) et le formalisme des Discourse Lexicalized Tree Adjoining …

Content truncated to 500 words