Modulation contextuelle pour l'identification de métaphores au niveau des relations

Identifier des métaphores dans un texte est très difficile et nécessite de comprendre la comparaison sous-jacente. L'automatisation de ce processus cognitif a récemment suscité un large intérêt. Cependant, la majorité des approches existantes se concentre sur l'identification au niveau des mots en traitant la tâche soit comme une classification de mots uniques, soit comme un étiquetage séquentiel sans modéliser explicitement l'interaction entre les composants de la métaphore. D'un autre côté, bien que les approches existantes au niveau des relations modélisent implicitement cette interaction, elles ignorent le contexte dans lequel la métaphore se produit. Dans ce travail, nous abordons ces limitations en introduisant une architecture novatrice pour identifier les expressions métaphoriques au niveau des relations grammaticales sur la base de la modulation contextuelle. Dans une méthodologie inspirée par des travaux sur le raisonnement visuel, notre approche repose sur le conditionnement du calcul du réseau de neurones sur les caractéristiques contextualisées profondes des expressions candidates en utilisant une modulation linéaire par caractéristique. Nous démontrons que l'architecture proposée atteint des résultats à la pointe de la technologie sur des ensembles de données de référence. La méthodologie proposée est générique et pourrait être appliquée à d'autres problèmes de classification textuelle qui bénéficient de l'interaction contextuelle.