L’atténuation statistique des surdétections d’un correcteur grammatical symbolique

TitreL’atténuation statistique des surdétections d’un correcteur grammatical symbolique
Type de publicationThesis
Year of Publication2012
AuteursGotti, F.
Academic DepartmentInformatique et recherche opérationnelle
Number of Pages131
Date Published9/2012
PublisherUniversité de Montréal
Place PublishedMontréal
Thesis TypeM.Sc.
Mots-clésfalse alarm identification, grammar checking, robust parsing, statistical language models, supervised machine learning, word sense disambiguation
RésuméLes logiciels de correction grammaticale commettent parfois des détections illégitimes (fausses alertes), que nous appelons ici surdétections. La présente étude décrit les expériences de mise au point d’un système créé pour identifier et mettre en sourdine les surdétections produites par le correcteur du français conçu par la société Druide informatique. Plusieurs classificateurs ont été entraînés de manière supervisée sur 14 types de détections faites par le correcteur, en employant des traits couvrant diverses informations linguistiques (dépendances et catégories syntaxiques, exploration du contexte des mots, etc.) extraites de phrases avec et sans surdétections. Huit des 14 classificateurs développés sont maintenant intégrés à la nouvelle version d’un correcteur commercial très populaire. Nos expériences ont aussi montré que les modèles de langue probabilistes, les SVM et la désambiguïsation sémantique améliorent la qualité de ces classificateurs. Ce travail est un exemple réussi de déploiement d’une approche d’apprentissage machine au service d’une application langagière grand public robuste.