Un Modèle de Classement des Mentions pour la Résolution de l'Anaphore Abstraite

La résolution de l'anaphore abstraite est une tâche importante, mais difficile pour la compréhension du texte. Cependant, grâce aux récentes avancées dans l'apprentissage des représentations, cette tâche devient un objectif plus concret. Une propriété centrale de l'anaphore abstraite est qu'elle établit une relation entre l'anaphore intégrée dans la phrase anaphorique et son antécédent (généralement non nominal). Nous proposons un modèle de classement des mentions qui apprend comment les anaphores abstraites se rapportent à leurs antécédents à l'aide d'un réseau Siamese-LSTM. Nous surmontons le manque de données d'entraînement en générant des paires artificielles de phrases anaphoriques et d'antécédents. Notre modèle surpass les résultats de pointe en matière de résolution des noms coquilles. Nous présentons également les premiers résultats de référence sur un sous-ensemble d'anaphore abstraite du corpus ARRAU. Ce corpus présente un défi plus grand en raison d'un mélange d'anaphores nominales et pronominales ainsi que d'une gamme plus large de facteurs perturbateurs. Nous avons trouvé des variantes de modèles qui surpassent les baselines pour les anaphores nominales, sans entraînement sur des données individuelles d'anaphores, mais qui restent encore en retard pour les anaphores pronominales. Notre modèle sélectionne des candidats syntaxiquement plausibles et — si la syntaxe est ignorée — discrimine les candidats en utilisant des caractéristiques plus profondes.