Conférence
Notice
Langue :
Français
Conditions d'utilisation
Droit commun de la propriété intellectuelle
DOI : 10.60527/dp81-9v75
Citer cette ressource :
CEMU. (2015, 23 juin). 03c - Désambiguïsation lexicale à base de connaissances par sélection distributionnelle et traits sémantiques (Article RECITAL) (taln2015) , in Session désambiguïsation (taln 2015). [Vidéo]. Canal-U. https://doi.org/10.60527/dp81-9v75. (Consultée le 30 mai 2024)
logo caen
Centre d'Enseignement Multimédia Universitaire (C.E.M.U.)Université de Caen Normandie
S'abonner
Contacter

03c - Désambiguïsation lexicale à base de connaissances par sélection distributionnelle et traits sémantiques (Article RECITAL) (taln2015)

Réalisation : 23 juin 2015 - Mise en ligne : 17 juillet 2015
  • document 1 document 2 document 3
  • niveau 1 niveau 2 niveau 3
Descriptif

Sessions orales TALN 2015 – Mardi 23 juin 2015

Session Désambiguïsation

Désambiguïsation lexicale à base de connaissances par sélection distributionnelle et traits sémantiques (Article RECITAL)

Mokhtar Boumedyen Billami

Résumé : La désambiguïsation lexicale permet d’améliorer 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. Schématiquement, il s’agit de choisir quel est le sens le plus approprié pour chaque mot d’un texte. Une des approches classiques consiste à estimer la similarité sémantique qui existe entre les sens de deux mots puis de l’étendre à l’ensemble des mots du texte. La méthode la plus directe donne un score de similarité à toutes les paires de sens de mots puis choisit la chaîne de sens qui retourne le meilleur score (on imagine la complexité exponentielle liée à cette approche exhaustive). Dans cet article, nous proposons d’utiliser une méta-heuristique d’optimisation combinatoire qui consiste à choisir une fenêtre contenant les voisins les plus proches par sélection distributionnelle autour du mot à désambiguïser. Le test et l’évaluation de notre méthode portent sur un corpus écrit en langue française en se servant du réseau sémantique BabelNet. Le taux d’exactitude obtenu est de 78% sur l’ensemble des noms et des verbes choisis pour l’évaluation.

Thème
Disciplines :
Documentation
Présentation

Dans la même collection

Voir tout

Sur le même thème