Approche supervis\'ee \`a base de cellules LSTM bidirectionnelles pour la d\'esambigu\"\isation lexicale (LSTM Based Supervised Approach for Word Sense Disambiguation)

En d{\'e}sambigu{\"\i}sation lexicale, l{'}utilisation des r{\'e}seaux de neurones est encore peu pr{\'e}sente et tr{\`e}s r{\'e}cente. Cette direction est pourtant tr{\`e}s prometteuse, tant les r{\'e}sultats obtenus par ces premiers syst{\`e}mes arrivent syst{\'e}matiquement en t{\^e}te des campagnes d{'}{\'e}valuation, malgr{\'e} une marge d{'}am{\'e}lioration qui semble encore importante. Nous pr{\'e}sentons dans cet article une nouvelle architecture {\`a} base de r{\'e}seaux de neurones pour la d{\'e}sambigu{\"\i}sation lexicale. Notre syst{\`e}me est {\`a} la fois moins complexe {\`a} entra{\^\i}ner que les syst{\`e}mes neuronaux existants et il obtient des r{\'e}sultats {\'e}tat de l{'}art sur la plupart des t{\^a}ches d{'}{\'e}valuation de la d{\'e}sambigu{\"\i}sation lexicale en anglais. L{'}accent est port{\'e} sur la reproductibilit{\'e} de notre syst{\`e}me et de nos r{\'e}sultats, par l{'}utilisation d{'}un mod{\`e}le de vecteurs de mots, de corpus d{'}apprentissage et d{'}{\'e}valuation librement accessibles.