Les systèmes d'identification de chaines de reference

1/ Les expressions référentielles

1. Anaphores

2. Chaines de références (coréférences)

2/ Contexte et motivation

1. Modèles linguistiques du discours : théorie de l'accessibilité (Ariel 1990 1996) et du centrage (Groz et Sidner)

2. Rôles des anaphores et de chaînes de référence dans le discours : marqueurs de cohésion textuelle (Charolles, 1997), fonctionnement des chaînes (Schnedecker, 1997), thème et chaînes de référence (Cornish, 2005)

3/ Systèmes à base de contraintes versus systèmes d'apprentissage automatique 

1. Systèmes à base de règles : en français (Hernandez, 2004), (Dupont, 2003) (Victorri 2005), (Popescu Belis, 1996), (Longo, Todirascu, 2010), en anglais (Mitkov, 2003), (Bontcheva et al, 2004)‏, vérification de contraintes (lexicales, syntaxiques, sémantiques) pour trouver les affinités entre les possibles antécédents (entités nommées, groupes nominaux définis)‏ dépendantes de langue

2. Systèmes de classification systèmes supervisées (Ng et Cardie, 2002) (Yang et al, 2004)‏ (Weisenbacher & Nazarenko, 2008), nécessitent des données d'apprentissage de grande taille (500,000 – 1,000,000 tokens) annotées au niveau de relations de coréférence et anaphorique, données disponibles pour EN, DE, NL, ES, IT mais pas pour le français !!!,      propriétés: contraintes (lexicales, syntaxiques, sémantique), position dans la phrase, distance entre les candidats, type d'expressions référentielles (déterminant, nom commun/nom propre etc.)

3. Systèmes non-supervisés (Lang et al, 2009), (Ailloud, Klenner, 2009), (Bean et Riloff, 2004)‏, BART (Versley et al, 2008) :  exploitation des informations morpho-syntaxiques, la position ou la distance, le type d'antécédent, données : corpus étiquetés lemmatisés, éventuellement annotés syntaxiquement mais pas besoin d'avoir d'annotation des relations de coréférence

4. Problème : systèmes à base de règles : beaucoup d'effort pour construire les ressources, connaissances complexes (étiquetage, lemmatisation, analyse syntaxique, identification des entitées nommées), systèmes de classification : volume important de données, données insuffisantes

Références

• Ailloud, E, Klenner, M (2009) Vers des contraintes plus      linguistiques en résolution d de coréférences, TALN 2009
• Cornish, (1998). Les “chaînes topicales” : leur rôle dans la gestion      et la structuration du discours, Cahiers de Grammaire, 23 : 19-40.
• Dupont M. (2003) Une approche cognitive du calcul de la référence,      thèse de l’université de Caen, 308 p.
• Lang, J. Qin, B.,      Liu, T., Li, s. (2009) Unsupervised Coreference Resolution with HyperGraph      Partitionning, Computer and Information Science, Vol 2, no 4.
• Longo, L, Todirascu, A (2010) RefGen – un module      d'identification de chaînes de référence, TALN 2010
• Grosz B.J.,      Weinstein S., Joshi A.K. (1995), “Centering: a framework for modeling the      local coherence of discourse”. Computational Linguistics 21(2), 203-225.
• Ng V., Cardie C.      (2002). Improving machine learning approaches to coreference resolution.      Actes de ACL (Association For Computational Linguistics), Morristown,      104-111.
• YANG X., SU J., ZHOU G. & TAN C. (2004). An NP-cluster based      approach to coreference resolution. Proceedings of COLING'04