Master LiTL - Tutoriel Segmentation Discursive

laura.riviere@irit.fr

3 séances de 2h

Lectures :

À lire avant le TP

• Adaptation du manuel ANNODIS aux écrits scolaires:
  Annexes A et B du mémoire de Lala, M.(2017). Consulter les annexes D et E. Pour aller plus loin, vous pouvez lire le manuscrit du mémoire : Outils linguistiques pour l'analyse de la cohérence et de la cohésion dans les textes d'enfants. https://dante.univ-tlse2.fr/s/fr/item/4500)
• Article lié au projet E-CALM:
  Bras, M., Vieu, L., Joret, M., Pépin-Boutin, A., Poujade, C. & Roze, C. (2021). Vers un corpus de textes d’élèves annoté en relations de discours. Langue française, 211, 115-129. https://doi-org.gorgone.univ-toulouse.fr/10.3917/lf.211.0115
• Article lié à ToNy:
  Muller, P., Braud, C., & Morey, M. (2019). ToNy: Contextual embeddings for accurate multilingual discourse segmentation of full documents. In Proceedings of the Workshop on Discourse Relation Parsing and Treebanking 2019 (pp. 115-124). Association for Computational Linguistics.

Autre références : Rappel/Approfondissement

• Manuel d'annotation RST DT :
  Carlson, L., & Marcu, D. (2001). Discourse tagging reference manual. ISI Technical Report ISI-TR-545, 54(2001), 56. https://www.isi.edu/~marcu/discourse/tagging-ref-manual.pdf
• Séminaire Chloé Braud (Thématiques actuelles de la recherche en TAL):
  AnDiAMO: Analyzing Discourse Automatically, with Multiple Objectives. http://w3.erss.univ-tlse2.fr/UETAL/2022-2023/SeminaireBraud.pdf

Déroulé du TP

• Rappels théoriques : discours, segmentation discursive, relations discursives...
• Présentation : campagne DISRPT, modèles de segmentation état de l'art (Discut, DiscoDisco).
• (?) Présentation de Leïla Fabre en lien avec son mémoire de M1 La segmentation dans les écrits scolaires.
• Analyse de données segmentées en différentes langues (chinois, français, anglais..) différences entres gold et prédictions, données issues de DISRPT 2021.
• Utilisation d’un modèle pré-entrainé (ToNy) sur de nouvelles données, en utilisant données ECALM (français)
  • Transformation du format conll-12 de ECALM au format conll de DISRPT pouvant être pris en entrée de DisCut.
  • Prédictions automatiques avec Tony via DisCut.
  • Recollage des métadata de départ.
• Évaluation de l’annotation automatique
• Ré-annotation manuelle (binomes, accord inter ou categorisations des difficutés)
• Fine-tuning en utilisant les nouvelles données annotées et évaluation des nouvelles prédictions automatiques.

Evaluation

(Binômes ?) Rédaction d’un compte-rendu sur:

• Prise en main de DisCut
• Expérience d’annotation
• Evaluation des erreurs de DisCut