Cross-framework parser stacking for data-driven dependency parsing

In this article, we present and evaluate an approach to the combination of a grammardriven and a data-driven parser which exploits machine learning for the acquisition of syntactic analyses guided by both parsers. We show how conversion of LFG output to dependency representation allows for a technique of parser stacking, whereby the output of the grammar-driven parser supplies features for a data-driven dependency parser. We evaluate on English and German and show significant improvements in overall parse results stemming from the proposed dependency structure as well as other linguistic features derived from the grammars. Finally, we perform an application-oriented evaluation and explore the use of the stacked parsers as the basis for the projection of dependency annotation to a new language. RÉSUMÉ. Dans cet article, nous présentons et évaluons une approche permettant de combiner un analyseur fondé sur une grammaire et un analyseur fondé sur des données, en utilisant des méthodes d’apprentissage automatique pour produire des analyses syntaxiques guidées par les deux analyseurs. Nous montrons comment la conversion de la sortie d’un analyseur LFG en une représentation en dépendances permet d’utiliser une technique d’empilement d’analyseurs ("parser stacking"), dans laquelle la sortie de l’analyseur fondé sur une grammaire fournit des caractéristiques utilisables par un analyseur fondé sur les données. Nous évaluons notre approche sur l’anglais et l’allemand, et montrons des améliorations significatives pour les résultats d’analyses syntaxiques complètes qui découlent de l’analyse en dépendances ainsi que des caractéristiques provenant de grammaires. Enfin, nous procédons à une évaluation dédiée à une application, et explorons l’utilisation de cet empilement d’analyseurs comme point de départ pour l’annotation en dépendances d’une nouvelle langue.