Induction non supervisée de grammaires de substitution d’arbres pour l’analyse syntaxique dépendante

L’induction d’une grammaire directement à partir de texte constitue l’une des tâches les plus anciennes et les plus difficiles en linguistique computationnelle. Des progrès significatifs ont été réalisés dans l’induction de grammaires de dépendance, mais les modèles utilisés restent trop simplistes, en particulier par rapport aux modèles supervisés de parsing. Dans cet article, nous présentons une approche d’induction de grammaires de dépendance basée sur les grammaires de substitution d’arbres, capable d’apprendre de grandes fragments de dépendance et ainsi de mieux modéliser le texte. Nous définissons un prior hiérarchique non paramétrique de type Processus de Pitman-Yor, qui favorise une grammaire petite comportant des productions simples. Cette approche améliore de manière significative l’état de l’art, mesurée par l’exactitude d’attachement du noyau.