@inproceedings{tian-etal-2015-etiquetage,
title = "Etiquetage morpho-syntaxique de tweets avec des {CRF}",
author = "Tian, Tian and
Marco, Dinarelli and
Isabelle, Tellier and
Pedro, Cardoso",
editor = "Lecarpentier, Jean-Marc and
Lucas, Nadine",
booktitle = "Actes de la 22e conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles courts",
month = jun,
year = "2015",
address = "Caen, France",
publisher = "ATALA",
url = "https://aclanthology.org/2015.jeptalnrecital-court.43/",
pages = "291--297",
abstract = "Nous nous int{\'e}ressons dans cet article {\`a} l`apprentissage automatique d`un {\'e}tiqueteur mopho-syntaxique pour les tweets en anglais. Nous proposons tout d`abord un jeu d'{\'e}tiquettes r{\'e}duit avec 17 {\'e}tiquettes diff{\'e}rentes, qui permet d`obtenir de meilleures performances en exactitude par rapport au jeu d'{\'e}tiquettes traditionnel qui contient 45 {\'e}tiquettes. Comme nous disposons de peu de tweets {\'e}tiquet{\'e}s, nous essayons ensuite de compenser ce handicap en ajoutant dans l`ensemble d`apprentissage des donn{\'e}es issues de textes bien form{\'e}s. Les mod{\`e}les mixtes obtenus permettent d`am{\'e}liorer les r{\'e}sultats par rapport aux mod{\`e}les appris avec un seul corpus, qu`il soit issu de Twitter ou de textes journalistiques."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="tian-etal-2015-etiquetage">
<titleInfo>
<title>Etiquetage morpho-syntaxique de tweets avec des CRF</title>
</titleInfo>
<name type="personal">
<namePart type="given">Tian</namePart>
<namePart type="family">Tian</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Dinarelli</namePart>
<namePart type="family">Marco</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Tellier</namePart>
<namePart type="family">Isabelle</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Cardoso</namePart>
<namePart type="family">Pedro</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2015-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts</title>
</titleInfo>
<name type="personal">
<namePart type="given">Jean-Marc</namePart>
<namePart type="family">Lecarpentier</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Nadine</namePart>
<namePart type="family">Lucas</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Caen, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Nous nous intéressons dans cet article à l‘apprentissage automatique d‘un étiqueteur mopho-syntaxique pour les tweets en anglais. Nous proposons tout d‘abord un jeu d’étiquettes réduit avec 17 étiquettes différentes, qui permet d‘obtenir de meilleures performances en exactitude par rapport au jeu d’étiquettes traditionnel qui contient 45 étiquettes. Comme nous disposons de peu de tweets étiquetés, nous essayons ensuite de compenser ce handicap en ajoutant dans l‘ensemble d‘apprentissage des données issues de textes bien formés. Les modèles mixtes obtenus permettent d‘améliorer les résultats par rapport aux modèles appris avec un seul corpus, qu‘il soit issu de Twitter ou de textes journalistiques.</abstract>
<identifier type="citekey">tian-etal-2015-etiquetage</identifier>
<location>
<url>https://aclanthology.org/2015.jeptalnrecital-court.43/</url>
</location>
<part>
<date>2015-06</date>
<extent unit="page">
<start>291</start>
<end>297</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Etiquetage morpho-syntaxique de tweets avec des CRF
%A Tian, Tian
%A Marco, Dinarelli
%A Isabelle, Tellier
%A Pedro, Cardoso
%Y Lecarpentier, Jean-Marc
%Y Lucas, Nadine
%S Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts
%D 2015
%8 June
%I ATALA
%C Caen, France
%F tian-etal-2015-etiquetage
%X Nous nous intéressons dans cet article à l‘apprentissage automatique d‘un étiqueteur mopho-syntaxique pour les tweets en anglais. Nous proposons tout d‘abord un jeu d’étiquettes réduit avec 17 étiquettes différentes, qui permet d‘obtenir de meilleures performances en exactitude par rapport au jeu d’étiquettes traditionnel qui contient 45 étiquettes. Comme nous disposons de peu de tweets étiquetés, nous essayons ensuite de compenser ce handicap en ajoutant dans l‘ensemble d‘apprentissage des données issues de textes bien formés. Les modèles mixtes obtenus permettent d‘améliorer les résultats par rapport aux modèles appris avec un seul corpus, qu‘il soit issu de Twitter ou de textes journalistiques.
%U https://aclanthology.org/2015.jeptalnrecital-court.43/
%P 291-297
Markdown (Informal)
[Etiquetage morpho-syntaxique de tweets avec des CRF](https://aclanthology.org/2015.jeptalnrecital-court.43/) (Tian et al., JEP/TALN/RECITAL 2015)
ACL
- Tian Tian, Dinarelli Marco, Tellier Isabelle, and Cardoso Pedro. 2015. Etiquetage morpho-syntaxique de tweets avec des CRF. In Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts, pages 291–297, Caen, France. ATALA.