Skip to Main content Skip to Navigation
Conference papers

Réseaux neuronaux profonds pour l'étiquetage de séquences

Résumé : Depuis quelques années les réseaux neuronaux se montrent très efficaces dans toutes les tâches de Traitement Automatique des Langues (TAL). Récemment, une variante de réseau neuronal particulièrement adaptée à l'étiquetage de séquences textuelles a été proposée, utilisant des représentations distributionnelles des étiquettes. Dans cet article, nous reprenons cette variante et nous l'améliorons avec une version profonde. Dans cette version, différentes couches cachées permettent de prendre en compte séparément les différents types d'informations données en entrée au réseau. Nous évaluons notre modèle sur les mêmes tâches que la première version de réseau de laquelle nous nous sommes inspirés. Les résultats montrent que notre variante de réseau neuronal est plus efficace que les autres, mais aussi qu'elle est plus efficace que tous les autres modèles évalués sur ces tâches, obtenant l'état-de-l'art.
Complete list of metadata

Cited literature [23 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-01579192
Contributor : Marco Dinarelli <>
Submitted on : Wednesday, August 30, 2017 - 4:00:30 PM
Last modification on : Tuesday, January 5, 2021 - 5:28:07 PM

File

2017_TALNcourt_DeepRNN.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01579192, version 1

Collections

Citation

Yoann Dupont, Marco Dinarelli, Isabelle Tellier. Réseaux neuronaux profonds pour l'étiquetage de séquences. Traitement Automatique des Langues Naturelles (TALN), Jun 2017, Orléans, France. ⟨hal-01579192⟩

Share

Metrics

Record views

214

Files downloads

161