<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="zhao-2022-auto">
    <titleInfo>
        <title>Auto-correction dans un analyseur neuronal par transitions : un comportement factice ? (Self-correction in a transition-based neural parser : a spurious behaviour ?)</title>
    </titleInfo>
    <name type="personal">
        <namePart type="given">Fang</namePart>
        <namePart type="family">Zhao</namePart>
        <role>
            <roleTerm authority="marcrelator" type="text">author</roleTerm>
        </role>
    </name>
    <originInfo>
        <dateIssued>2022-06</dateIssued>
    </originInfo>
    <typeOfResource>text</typeOfResource>
    <language>
        <languageTerm type="text">fra</languageTerm>
    </language>
    <relatedItem type="host">
        <titleInfo>
            <title>Actes de la 29e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 2 : 24e Rencontres Etudiants Chercheurs en Informatique pour le TAL (RECITAL)</title>
        </titleInfo>
        <name type="personal">
            <namePart type="given">Yannick</namePart>
            <namePart type="family">Estève</namePart>
            <role>
                <roleTerm authority="marcrelator" type="text">editor</roleTerm>
            </role>
        </name>
        <name type="personal">
            <namePart type="given">Tania</namePart>
            <namePart type="family">Jiménez</namePart>
            <role>
                <roleTerm authority="marcrelator" type="text">editor</roleTerm>
            </role>
        </name>
        <name type="personal">
            <namePart type="given">Titouan</namePart>
            <namePart type="family">Parcollet</namePart>
            <role>
                <roleTerm authority="marcrelator" type="text">editor</roleTerm>
            </role>
        </name>
        <name type="personal">
            <namePart type="given">Marcely</namePart>
            <namePart type="family">Zanon Boito</namePart>
            <role>
                <roleTerm authority="marcrelator" type="text">editor</roleTerm>
            </role>
        </name>
        <originInfo>
            <publisher>ATALA</publisher>
            <place>
                <placeTerm type="text">Avignon, France</placeTerm>
            </place>
        </originInfo>
        <genre authority="marcgt">conference publication</genre>
    </relatedItem>
    <abstract>Cette étude explore la capacité d‘auto-correction dans le cas d‘un analyseur neuronal par transitions. Nous définissons un oracle dynamique pour le système étudié lui apprenant à s‘auto-corriger. Les performances du modèle restent identiques à celles du modèle de base, qui ne s‘auto-corrige pas. En effet, il y a à peu près autant de \guillemotleft corrections \guillemotright justes que de fautives. Les erreurs finales commises par les deux modèles sont aussi similaires. Nous montrons néanmoins que beaucoup des corrections effectuées par le modèle avec oracle dynamique coïncident avec des cas difficiles à gérer par les analyseurs automatiques. Le problème d‘apprentissage d‘un comportement efficace d‘auto-correction retombe dans un traitement efficace de ces cas difficiles.</abstract>
    <identifier type="citekey">zhao-2022-auto</identifier>
    <location>
        <url>https://aclanthology.org/2022.jeptalnrecital-recital.2/</url>
    </location>
    <part>
        <date>2022-6</date>
        <extent unit="page">
            <start>20</start>
            <end>32</end>
        </extent>
    </part>
</mods>
</modsCollection>

%0 Conference Proceedings
%T Auto-correction dans un analyseur neuronal par transitions : un comportement factice ? (Self-correction in a transition-based neural parser : a spurious behaviour ?)
%A Zhao, Fang
%Y Estève, Yannick
%Y Jiménez, Tania
%Y Parcollet, Titouan
%Y Zanon Boito, Marcely
%S Actes de la 29e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 2 : 24e Rencontres Etudiants Chercheurs en Informatique pour le TAL (RECITAL)
%D 2022
%8 June
%I ATALA
%C Avignon, France
%G fra
%F zhao-2022-auto
%X Cette étude explore la capacité d‘auto-correction dans le cas d‘un analyseur neuronal par transitions. Nous définissons un oracle dynamique pour le système étudié lui apprenant à s‘auto-corriger. Les performances du modèle restent identiques à celles du modèle de base, qui ne s‘auto-corrige pas. En effet, il y a à peu près autant de \guillemotleft corrections \guillemotright justes que de fautives. Les erreurs finales commises par les deux modèles sont aussi similaires. Nous montrons néanmoins que beaucoup des corrections effectuées par le modèle avec oracle dynamique coïncident avec des cas difficiles à gérer par les analyseurs automatiques. Le problème d‘apprentissage d‘un comportement efficace d‘auto-correction retombe dans un traitement efficace de ces cas difficiles.
%U https://aclanthology.org/2022.jeptalnrecital-recital.2/
%P 20-32

Markdown (Informal)

[Auto-correction dans un analyseur neuronal par transitions : un comportement factice ? (Self-correction in a transition-based neural parser : a spurious behaviour ?)](https://aclanthology.org/2022.jeptalnrecital-recital.2/) (Zhao, JEP/TALN/RECITAL 2022)

• Auto-correction dans un analyseur neuronal par transitions : un comportement factice ? (Self-correction in a transition-based neural parser : a spurious behaviour ?) (Zhao, JEP/TALN/RECITAL 2022)

ACL

• Fang Zhao. 2022. Auto-correction dans un analyseur neuronal par transitions : un comportement factice ? (Self-correction in a transition-based neural parser : a spurious behaviour ?). In Actes de la 29e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 2 : 24e Rencontres Etudiants Chercheurs en Informatique pour le TAL (RECITAL), pages 20–32, Avignon, France. ATALA.