资源描述：
《TyPTex Generic Features for Text Profiler》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、TyPTex:GenericFeaturesforTextProfilerG.Illouz,B.Habert,H.Folch,S.Heiden,S.Fleury,P.Lafon,S.PrévostLIMSIB.P.133F−91403Orsaycedex,France&UMR8503–ENSdeFontenay/Saint–Cloud,2avenuedelaGrilleduParcF−92211Saint−Cloud,France{habert,illouz}@limsi.fr,{fleury,folch
2、,heiden,lafon,prevost}@ens−fcl.frAbstractVerylargecorporaareincreasinglyexploitedtoimproveNaturalLanguageProcessing(NLP)Systems.Thishoweverimpliesthatthelexical,morpho−syntacticandsyntactichomogeneityofthedatausedaremastered.Thiscontrolinturnrequiresthede
3、velopmentoftoolsaimedattextcalibrationorprofiling.WeareimplementingsuchprofilingtoolsanddevelopinganassociatedmethodologywithintheELRAbenchmarknamedContributiontotheconstructionofcorporaofcontemporaryFrench.Thefirstresultsofthisapproach–appliedtoasampleof
4、themainsectionsofLeMondenewspaper–yieldsconstraintsforcorpusprofilingarchitectures.RésuméLerecourscroissantaux"trèsgrandscorpus"pouraméliorerlessystèmesdeTraitementAutomatiquedesLangues(TAL)supposedemaîtriserl'homogénéitélexicale,morpho−syntaxiqueetsyntax
5、iquedesdonnéesutilisées.Celaimpliqueenamontledéveloppementd'outilsdecalibragedetextes.Nousmettonsenplacedetelsoutilsetlaméthodologieassociéedanslecadredel'appeld'offresELRAContributionàlaréalisationdecorpusdufrançaiscontemporain.Nousmontronssurlesrubrique
6、sprincipalesdujournalLeMondelespremiersrésultatsdecetteapproche.Nousprécisonslescontraintesquienrésultentpourleschaînesdetraitementdecorpus,auregarddespropositionsexistantdansledomaine.1Introduction:Corpusprofiling.1.1ChangeofparadigminNLPNowadays,asignif
7、icantimprovementofNLPsystemsisexpectedmainlythroughtheexploitationofverylargecorpora(Amstrong,1994),viatheacquisitionoflinguisticknowledgewhichneedstobeontheonehandveryvast(vast,intermsofthenumberoflexicalentriesandrules)andontheotherhandverydetailed(conc
8、erningwords’syntacticusageconstraintsortheirprivilegedassociations,forinstance).Theavailabilityoflexical,syntacticandsemantictextualdatainNLPhasgainedhugeproportions1(100milliontaggedwordsoftheBNC–BritishNationalCor
