January 1, 2009Open Access
Apprendre des correspondances sémantiques avec moins de supervision
Key Points
Key points are not available for this paper at this time.
Abstract
Un problème central dans l'acquisition d'un langage ancré est d'apprendre les correspondances entre un état du monde riche et un flux de texte qui référence cet état du monde. Pour faire face au haut degré d'ambiguïté présent dans ce contexte, nous présentons un modèle génératif qui segmente simultanément le texte en énoncés et associe chaque énoncé à une représentation de signification ancrée dans l'état du monde. Nous montrons que notre modèle se généralise à travers trois domaines de difficulté croissante : le sportcasting Robocup, les prévisions météorologiques (un nouveau domaine) et les résumés de la NFL.