Approche pilotée par la syntaxe pour l'étiquetage sémantique des rôles

Comme une tâche fondamentale pour analyser la structure sémantique d’une phrase, l’étiquetage des rôles sémantiques (SRL) vise à identifier le rôle sémantique (par exemple, l’agent) des groupes nominaux par rapport à un verbe donné, jouant ainsi un rôle crucial dans des applications ultérieures telles que les systèmes de dialogue. Pour atteindre de meilleures performances en SRL, un modèle doit impérativement posséder une bonne compréhension des informations contextuelles. Bien qu’il soit possible d’utiliser un encodeur de texte avancé (par exemple, BERT) pour capturer ces informations contextuelles, des ressources supplémentaires sont souvent nécessaires afin d’améliorer davantage les performances du modèle. Étant donné que des corrélations existent entre la structure syntaxique et la structure sémantique d’une phrase, de nombreuses études antérieures exploitent des connaissances syntaxiques automatiquement générées, en particulier les dépendances syntaxiques, afin d’améliorer la modélisation du contexte via des architectures basées sur des graphes, tout en accordant une attention limitée aux autres types de connaissances automatiquement générées. Dans cet article, nous proposons d’utiliser des mémoires cartographiques (map memories) pour améliorer le SRL en encodant différents types de connaissances syntaxiques automatiquement générées (à savoir les étiquettes morpho-syntaxiques, les constituants syntaxiques et les dépendances lexicales), obtenues à partir d’outils standardisés. Les résultats expérimentaux sur deux jeux de données de référence en anglais pour le SRL au format span (à savoir CoNLL-2005 et CoNLL-2012) démontrent l’efficacité de notre approche, qui surpasse des modèles de référence robustes et atteint des résultats de pointe sur CoNLL-2005.