Centre Universitaire d'Informatique

M. Gabriele Musillo soutiendra, en vue de l'obtention du grade de docteur ès science, mention informatique, sa thèse intitulée

Latent Variable Transforms for Dependency Parsing

Jury:

• Dr. Paola Merlo, Genève, co-directrice
• Prof. Christian Pellegrini, Genève, co-directeur
• Prof. Michael Collins, MIT
• Dr. James Henderson, Genève
• Prof. Giorgio Satta, Padua
• Prof. Eric Wehrli, Genève

Abstract :

This dissertation investigates transforms of dependency grammars into unlexicalised context-free grammars annotated with hidden symbols. Context-free grammars resulting from such transforms are able to efficiently capture bilexical as well as trilexical dependencies. Our transforms make learning and decoding algorithms for probabilistic context-free grammars available to dependency grammars. We design two classes of latent variable transforms. Both classes are designed to induce hidden lexical dependencies that mediate between the head words and their dependents. Our best latent model, that imposes linguistically motivated constraints on the flow of latent information achieves an accuracy of 88% on the Penn Treebank data set. This represents state-of-the-art parsing accuracy with respect to previously proposed unlexicalised models of dependency parsing. Such performance shows that our compact latent variable unlexicalised models induce hidden classes of lexical dependencies that are relevant to parsing accuracy and suggests that we should reassess the relevance of massive lexicalisation to dependency parsing.

Résumé :

Cette these definit des transformations qui reduisent les grammaires de dependance a des grammaires context-free annotees avec des categories latentes. Les grammaires resultant de ces transformations sont capables de capturer efficacement des dependances bilexicales et trilexicales. Ces transformations permettent de transferer les algorithmes de decodage et d'induction de grammaires context-free aux grammaires de dependance. Deux classes de grammaires decorees au moyen de categories latentes sont presentees. Chacune de ces classes est concue pour induire automatiquement des dependences cachees qui encodent les relations qu'un mot gouverneur peut entretenir avec des mots dependants. La meilleure de ces classes de modeles latents, qui impose des contraintes linguistiques sur le flot d'informations cachees, obtient une precision de 88% sur des donnees test standard. Cette performance represente l'etat de l'art par rapport aux modeles de dependence non-lexicalises precedemment proposes. Ceci montre la pertinence des informations latentes capturees par nos modeles et suggere que la necessite d'un usage massif de statistiques lexicales doit etre revisitee.

Date: Jeudi 25 février 2010 à 14h00

Lieu: Site de Battelle (bât. A, salle 404-407, 3ème étage) 7 route de Drize - 1227 Carouge

À la Une