|
Apprentissage de représentations de documents liés| old_uid | 17780 |
|---|
| title | Apprentissage de représentations de documents liés |
|---|
| start_date | 2019/09/12 |
|---|
| schedule | 10h |
|---|
| online | no |
|---|
| summary | L'apprentissage de représentations de documents liés consiste à plonger un corpus structuré dans un espace vectoriel de faible dimension, en prenant en compte à la fois l'information textuelle et l'information structurelle.
Au cours de cet exposé, je présenterai des travaux récents à ce sujet, menés au sein de l'équipe DMD du laboratoire ERIC.
Premièrement, je présenterai une méthode pour apprendre conjointement des représentations orientées texte, et des représentations orientées structure (Brochier, Guille & Velcin, WWW 2019). J'illustrerai l'intérêt de telles représentations d'un point de vue qualitatif, à travers une tâche de suggestion de mots-clés.
Deuxièmement, je présenterai une nouvelle méthode, sans hyperparamètre et basée sur un algorithme d'estimation efficace, qui rend son utilisation particulièrement pratique (Guille & Gourru, soumis). Je démontrerai empiriquement, d'un point de vue quantitatif, la pertinence de cette méthode, tant en classification de documents qu'en prédiction de liens. |
|---|
| responsibles | Piwowarski |
|---|
| |
|