@inproceedings{rozenknop-etal-2003-apprentissage,
    title = "Apprentissage discriminant pour les Grammaires {\`a} Substitution d`Arbres",
    author = "Rozenknop, Antoine  and
      Chappelier, Jean-C{\'e}dric  and
      Rajman, Martin",
    editor = "Daille, B{\'e}atrice  and
      Morin, Emmanuel",
    booktitle = "Actes de la 10{\`e}me conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
    month = jun,
    year = "2003",
    address = "Batz-sur-Mer, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/add-emnlp-2024-awards/2003.jeptalnrecital-long.21/",
    pages = "225--234",
    language = "fra",
    abstract = "Les grammaires stochastiques standards utilisent des mod{\`e}les probabilistes de nature g{\'e}n{\'e}rative, fond{\'e}s sur des probabilit{\'e}s de r{\'e}criture conditionn{\'e}es par le symbole r{\'e}crit. Les exp{\'e}riences montrent qu`elles tendent ainsi par nature {\`a} p{\'e}naliser les d{\'e}rivations les plus longues pour une mˆeme entr{\'e}e, ce qui n`est pas forc{\'e}ment un comportement souhaitable, ni en analyse syntaxique, ni en reconnaissance de la parole. Dans cet article, nous proposons une approche probabiliste non-g{\'e}n{\'e}rative du mod{\`e}le STSG (grammaire stochastique {\`a} substitution d`arbres), selon laquelle les probabilit{\'e}s sont conditionn{\'e}es par les feuilles des arbres syntaxiques plutˆot que par leur racine, et qui par nature fait appel {\`a} un apprentissage discriminant. Plusieurs exp{\'e}riences sur ce mod{\`e}le sont pr{\'e}sent{\'e}es."
}