Cette séance de cours couvre les modèles de résolution de coréférence, y compris les modèles de bout en bout et les approches basées sur BERT pour de meilleures tâches de prédiction basées sur la portée. Il aborde également les défis de la notation de chaque paire de portées et l'importance de l'attention dans l'identification des mentions coreferent. La séance de cours explore en outre les techniques de raffinement des graphes à laide de Graph2Graph Transformer et évalue les résultats de pointe pour les modèles de résolution de coréférence. Il se termine par un résumé soulignant l'importance de la coréférence dans le discours et l'impact des transformateurs préformés sur l'exactitude.
Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.
Regarder sur Mediaspace