Etiqueteur de texte arabe par une méthode hybride memory-based lerning et base de règles

Voir Plus Voir Moins

Afficher le Résumé

Dans une seconde partie, nous présentons divers algorithmes rl 'apprentissage supervisé, que nous utilisons en suite. Nous emploierons un modèle hybride de langue se composant d 'une partie écrite par linguiste et d 'une partie acquise automatiquement. La partie automatiquement acquise est divisée dans deux niveaux, le premier niveau est basé sur le classijieur K-NN, qui est un algorithme d 'apprentissage supervise' et qui a e'te' applique' avec beaucoup de succès à des tâches de classification (Aha et autres, 1991; Couverture et Hart, 196 7; Daelemans et van den Bosch, 2005; Dasarathy, 1991). Le second niveau consiste en un processus de vérification de la classification de la première partie. La question posée est jusqu 'à quel point la combinaison des deux paradigmes permet-elle la résolution des ambiguïte's et des exceptions très fréquentes en arabe. Vu les résultats encourageants de l 'approche hybride, nous proposons, sans doute pour ?mfzla classement en estimant ses paramètres sur les résultate d'une analyse syntaixique partielle pour les textes