Embeddings Améliorés par des Connaissances de Bon Sens pour la Résolution des Problèmes de Déambiguïsation des Pronoms dans le Défi de Winograd Schema

Dans cet article, nous proposons des plongements (embeddings) améliorés par la connaissance de bon sens (Commonsense Knowledge Enhanced Embeddings, KEE) pour résoudre les problèmes de désambiguïsation des pronoms (Pronoun Disambiguation Problems, PDP). La tâche PDP que nous examinons dans ce travail est une tâche complexe de résolution de co-référence qui nécessite l'utilisation de connaissances de bon sens. Cette tâche constitue un ensemble de tests standard du premier tour du défi Winograd Schema 2016. Dans cette tâche, les caractéristiques linguistiques traditionnelles utiles pour la résolution de co-référence, comme les informations contextuelles et sur le genre, ne sont plus efficaces. Par conséquent, les modèles KEE sont proposés pour fournir un cadre général permettant d'utiliser la connaissance de bon sens pour résoudre les problèmes PDP. Étant donné que la tâche PDP n'a pas de données d'entraînement, les modèles KEE seraient utilisés lors du processus d'extraction non supervisée des caractéristiques. Pour évaluer l'efficacité des modèles KEE, nous proposons d'intégrer diverses bases de connaissances de bon sens, notamment ConceptNet, WordNet et CauseCom, au processus d'entraînement des KEE. Nous avons obtenu les meilleures performances en appliquant les méthodes proposées au défi Winograd Schema 2016. De plus, des expériences menées sur la tâche PDP standard indiquent que les modèles KEE proposés peuvent résoudre les problèmes PDP avec une précision de 66,7 %, ce qui représente une nouvelle performance à l'état de l'art.