Champs Conditionnels Aléatoires pour l'Annotation d'Arbres

Florent Jousse (1, 2, 3) , Rémi Gilleron (1, 2, 3) , Isabelle Tellier (1, 2, 3) , Marc Tommasi (1, 2, 3)

1 MOSTRARE - Modeling Tree Structures, Machine Learning, and Information Extraction
2 LIFL - Laboratoire d'Informatique Fondamentale de Lille
3 GRAppA - LIFL - Groupe de Recherche en Apprentissage Automatique

Avec en vue la transformation de documents semi-structurés de type XML, nous nous intéressons au problème de l'annotation de tels documents par apprentissage statistique, à partir d'exemples de documents déjà annotés. Afin de modéliser la probabilité d'une annotation connaissant un document, nous nous plaçons dans le cadre des champs conditionnels aléatoires. Ce modèle a déjà fait ses preuves pour l'annotation de séquences : nous l'adaptons ici aux arbres ordonnés d'arité non bornée. Nous étudions l'expressivité du nouveau modèle ainsi introduit en le comparant aux automates d'arbres stochastiques (ou grammaires régulières probabilistes d'arbres). Nous présentons aussi en détail l'algorithme de recherche de l'annotation la plus probable et l'algorithme d'inférence pour ce modèle. Ces algorithmes sont implantés dans une librairie Tree CRF écrite en JAVA. Ces travaux sont des préliminaires qui nous permettront par la suite d'étudier les applications du modèle pour la transformation de documents.

Mots clés: Données semi-structurées; Annotation; Modèles conditionnels; Champs conditionnels aléatoires

Domaines: Apprentissage [cs.LG]; Web

Florent Jousse, Rémi Gilleron, Isabelle Tellier, Marc Tommasi. Champs Conditionnels Aléatoires pour l'Annotation d'Arbres. CAp 2006, May 2006, Trégastel, France. ⟨inria-00117014⟩