Labelisation sémantique des rôles en bout à bout avec un modèle transitionnel neuronal

L’étiquetage sémantique des rôles (SRL) end-to-end a récemment suscité un intérêt croissant. Il traite conjointement les deux sous-tâches du SRL : l’identification des prédicats et l’étiquetage des rôles des arguments. Les travaux récents se concentrent principalement sur les modèles neuronaux basés sur les graphes, tandis que le cadre transitionnel basé sur les réseaux neuronaux, largement utilisé dans de nombreuses tâches étroitement liées, n’a pas encore été exploré pour cette tâche conjointe. Dans cet article, nous présentons le premier travail sur les modèles neuronaux transitionnels pour le SRL end-to-end. Notre modèle transitionnel découvre progressivement tous les prédicats d’une phrase ainsi que leurs arguments à l’aide d’un ensemble d’actions transitionnelles. Les actions des deux sous-tâches s’exécutent de manière mutuelle, permettant une interaction complète. Par ailleurs, nous proposons l’utilisation de compositions de haut ordre pour extraire des caractéristiques non locales, ce qui permet d’améliorer davantage le modèle proposé. Les résultats expérimentaux sur les corpus CoNLL09 et Universal Proposition Bank montrent que notre modèle final atteint des performances de pointe, tout en restant très efficace en décodage. Nous menons également une analyse expérimentale approfondie afin d’obtenir une compréhension plus complète de notre modèle.