@inproceedings{lacroix-etal-2016-apprentissage,
    title = "Apprentissage d{'}analyseur en d{\'e}pendances cross-lingue par projection partielle de d{\'e}pendances (Cross-lingual learning of dependency parsers from partially projected dependencies )",
    author = "Lacroix, Oph{\'e}lie  and
      Aufrant, Lauriane  and
      Wisniewski, Guillaume  and
      Yvon, Fran{\c{c}}ois",
    editor = "Danlos, Laurence  and
      Hamon, Thierry",
    booktitle = "Actes de la conf{\'e}rence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Articles longs)",
    month = "7",
    year = "2016",
    address = "Paris, France",
    publisher = "AFCP - ATALA",
    url = "https://aclanthology.org/2016.jeptalnrecital-long.1",
    pages = "1--14",
    abstract = "Cet article pr{\'e}sente une m{\'e}thode simple de transfert cross-lingue de d{\'e}pendances. Nous montrons tout d{'}abord qu{'}il est possible d{'}apprendre un analyseur en d{\'e}pendances par transition {\`a} partir de donn{\'e}es partiellement annot{\'e}es. Nous proposons ensuite de construire de grands ensembles de donn{\'e}es partiellement annot{\'e}s pour plusieurs langues cibles en projetant les d{\'e}pendances via les liens d{'}alignement les plus s{\^u}rs. En apprenant des analyseurs pour les langues cibles {\`a} partir de ces donn{\'e}es partielles, nous montrons que cette m{\'e}thode simple obtient des performances qui rivalisent avec celles de m{\'e}thodes {\'e}tat-de-l{'}art r{\'e}centes, tout en ayant un co{\^u}t algorithmique moindre.",
    language = "French",
}