Classification de Sentiments Multi-Domaines en Contexte Hétérogène et Passage à l'Echelle

Abdelhalim Rafrafi 1 Vincent Guigue 1 Patrick Gallinari 1
1 MLIA - Machine Learning and Information Access
LIP6 - Laboratoire d'Informatique de Paris 6
Résumé : La classification de sentiments multi-domaines est un problème complexe: en effet, les distributions de caractéristiques sont alors différentes dans les ensembles d’apprentissage et de test. Différentes propositions permettent de limiter la baisse de performance inhérente à ce cadre. Cependant, la classification de sentiments est une tâche particulière car le web participatif nous donne accès à une quasi-infinité de données étiquetées. Cela soulève de nouvelles questions: à partir de quel volume de données les distributions d’apprentissage et de test convergent elles ? Quand est ce que l’intérêt des techniques de transfert disparait ? Dans cet article, nous étudions le taux de reconnaissance en sentiments par rapport la taille des ensembles d’apprentissage.
Type de document :
Communication dans un congrès
CORIA, Apr 2013, Neuchâtel, Suisse. 2013
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01202849
Contributeur : Lip6 Publications <>
Soumis le : lundi 21 septembre 2015 - 17:58:49
Dernière modification le : lundi 26 novembre 2018 - 01:16:52

Identifiants

  • HAL Id : hal-01202849, version 1

Collections

Citation

Abdelhalim Rafrafi, Vincent Guigue, Patrick Gallinari. Classification de Sentiments Multi-Domaines en Contexte Hétérogène et Passage à l'Echelle. CORIA, Apr 2013, Neuchâtel, Suisse. 2013. 〈hal-01202849〉

Partager

Métriques

Consultations de la notice

123