Skip to Main content Skip to Navigation
Conference papers

Étude de réseaux de neurones récurrents pour l'étiquetage de séquences

Résumé : Dans cet article nous étudions plusieurs types de réseaux neuronaux récurrents (RNN) pour l'éti-quetage de séquences. Nous proposons deux nouvelles variantes de RNN et nous les comparons aux variantes plus classiques de type Jordan et Elman. Nous expliquons en détails quels sont les avantages de nos nouvelles variantes par rapport aux autres RNN. Nous évaluons tous les modèles, les nouvelles variantes ainsi que les RNN existants, sur deux tâches de compréhension de la parole : ATIS et MEDIA. Les résultats montrent que nos nouvelles variantes de RNN sont plus efficaces que les autres. ABSTRACT A study of Recurrent Neural Networks for Sequence Labelling In this paper we study different types of Recurrent Neural Networks (RNNs) for sequence labelling tasks. We propose two new types of RNNs and we compare them to the more traditional Elman and Jordan RNNs. We compare all models on two different tasks of sequence labelling, namely ATIS and MEDIA. The results show that the new variants of RNNs are more effective than the others. MOTS-CLÉS : Réseaux de neurones récurrents, étiquetage de séquences, compréhension de la parole.
Complete list of metadatas

Cited literature [21 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-01489982
Contributor : Marco Dinarelli <>
Submitted on : Tuesday, March 14, 2017 - 5:18:22 PM
Last modification on : Thursday, April 2, 2020 - 1:28:58 PM
Document(s) archivé(s) le : Thursday, June 15, 2017 - 2:59:26 PM

File

TALN2016_RNN_final-submission....
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01489982, version 1

Collections

Citation

Marco Dinarelli, Isabelle Tellier. Étude de réseaux de neurones récurrents pour l'étiquetage de séquences. Traitement Automatique des Langues Naturelles (TALN), Jul 2016, Paris, France. ⟨hal-01489982⟩

Share

Metrics

Record views

267

Files downloads

1876