BEGIN:VCALENDAR VERSION:2.0 PRODID:-//wp-events-plugin.com//7.4.3//EN TZID:Europe/Paris X-WR-TIMEZONE:Europe/Paris BEGIN:VEVENT UID:0-157@lisn.upsaclay.fr DTSTART;TZID=Europe/Paris:20240209T140000 DTEND;TZID=Europe/Paris:20240209T170000 DTSTAMP:20240205T130416Z URL:https://www.lisn.upsaclay.fr/evenements/methodes-de-prediction-structu ree-pour-lanalyse-semantique/ SUMMARY:Méthodes de prédiction structurée pour l'analyse sémantique DESCRIPTION:La soutenance se fera en anglais et peut être suivie à distan ce avec le lien suivant : https://bbb.lisn.upsaclay.fr/b/alb-fxj-85m-4b1.\ nJury\n- Maxime AMBLARD\, professeur des universités au LORIA (CNRS\, Uni versité de Lorraine) \;\n- Marie CANDITO\, maîtresse de recherches au LL F (Université Paris-Cité) \;\n- Pascal DENIS\, chargé de recherches à l'INRIA (CNRS\, Université de Lille) \;\n- Vincent GUIGUE\, professeur à AgroParisTech (Université Paris-Saclay) \;\n- Laura KALLMEYER\, professe ure (Université de Düsseldorf) \;\n- François YVON\, directeur de thès e\, directeur de recherche à l’ISIR (CNRS\, Sorbonne Université)\;\n- Caio CORRO\, co-encadrant de thèse\, maître de conférences à l’ISIR (CNRS\, Sorbonne Université).\nMots-clefs\nAnalyse sémantique\, généra lisation compositionnelle\, traitement automatique des langues\nRésumé\n L'analyse sémantique est une tâche qui consiste à produire une représe ntation formelle manipulable par un ordinateur à partir d'un énoncé en language naturel. Il s'agit d'une tâche majeure dans le traitement automa tique des langues avec plusieurs applications comme le développement de s ystèmes de question-réponse ou la génération de code entre autres.\nCe s dernières années\, les approches fondées sur les réseaux de neurones \, et en particulier les architectures séquence-à-séquence\, ont démon tré de très bonnes performances pour cette tâche. Cependant\, plusieurs travaux ont mis en avant les limites de ces analyseurs sémantiques sur d es exemples hors distribution. En particulier\, ils échouent lorsque la g énéralisation compositionnelle est requise. Il est donc essentiel de dé velopper des analyseurs sémantiques qui possèdent de meilleures capacit és de composition\nLa représentation du contenu sémantique est une autr e préoccupation lorsque l'on aborde l'analyse sémantique. Comme différe ntes structures syntaxiques peuvent être utilisées pour représenter le même contenu sémantique\, il est souhaitable d'utiliser des structures q ui peuvent à la fois représenter précisément le contenu sémantique et s'ancrer facilement sur le langage naturel. \;\nÀ ces égards\, cett e thèse utilise des représentations fondées sur les graphes pour l'anal yse sémantique et se concentre sur deux tâches. La première concerne l' entrainement des analyseurs sémantiques fondés sur les graphes. Ils doiv ent apprendre une correspondance entre les différentes parties du graphe sémantique et l'énoncé en langage naturel. Comme cette information est généralement absente des données d'apprentissage\, nous proposons des a lgorithmes d'apprentissage qui traitent cette correspondance comme une var iable latente.\nLa deuxième tâche se concentre sur l'amélioration des c apacités de composition des analyseurs sémantiques fondés sur les graph es dans deux contextes différents. Notons que dans la prédiction de grap hes\, la méthode traditionnelle consiste à prédire d'abord les nœuds\, puis les arcs du graphe. Dans le premier contexte\, nous supposons que le s graphes à prédire sont nécessairement des arborescences et nous propo sons un algorithme d'optimisation basé sur le lissage des contraintes et la méthode du graident conditionnel qui permet de prédire l'ensemble du graphe de manière jointe. Dans le second contexte\, nous ne faisons aucun e hypothèse quant à la nature des graphes sémantiques. Dans ce cas\, no us proposons d'introduire une étape intermédiaire de superétiquetage da ns l'algorithme d'inférence. Celle-ci va imposer des contraintes supplém entaires sur l'étape de prédiction des arcs. Dans les deux cas\, nos con tributions peuvent être vues comme l'introduction de contraintes locales supplémentaires pour garantir la validité de la prédiction globale. Exp érimentalement\, nos contributions améliorent de manière significative les capacités de composition des analyseurs sémantiques fondés sur les graphes et surpassent les approches comparables sur plusieurs jeux de donn ées conçus pour évaluer la généralisation compositionnelle. CATEGORIES:STL LOCATION:LISN Site Belvédère\, Rue du Belvédère Campus universitaire b ât 507 91405 Orsay\, France X-APPLE-STRUCTURED-LOCATION;VALUE=URI;X-ADDRESS=Rue du Belvédère Campus universitaire bât 507 91405 Orsay\, France;X-APPLE-RADIUS=100;X-TITLE=LIS N Site Belvédère:geo:0,0 END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Paris X-LIC-LOCATION:Europe/Paris BEGIN:STANDARD DTSTART:20231029T020000 TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET END:STANDARD END:VTIMEZONE END:VCALENDAR