Skip to Main content Skip to Navigation
Conference papers

Modèles neuronaux hybrides pour la modélisation de séquences : le meilleur de trois mondes

Résumé : Nous proposons une architecture neuronale avec les caractéristiques principales des modèles neuro-naux de ces dernières années : les réseaux neuronaux récurrents bidirectionnels, les modèles encodeur-décodeur, et le modèle Transformer. Nous évaluons nos modèles sur trois tâches d'étiquetage de sé-quence, avec des résultats aux environs de l'état de l'art et souvent meilleurs, montrant ainsi l'intérêt de cette architecture hybride pour ce type de tâches.
Document type :
Conference papers
Complete list of metadatas

Cited literature [46 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02157160
Contributor : Loïc Grobol <>
Submitted on : Wednesday, September 11, 2019 - 11:05:25 AM
Last modification on : Tuesday, June 30, 2020 - 3:41:00 AM

File

2019_TALN.pdf
Files produced by the author(s)

Licence


Distributed under a Creative Commons Attribution 4.0 International License

Identifiers

  • HAL Id : hal-02157160, version 2

Citation

Marco Dinarelli, Loïc Grobol. Modèles neuronaux hybrides pour la modélisation de séquences : le meilleur de trois mondes. TALN-RECITAL 2019 - 26ème Conférence sur le Traitement Automatique des Langues Naturelles, ATALA, Jul 2019, Toulouse, France. ⟨hal-02157160v2⟩

Share

Metrics

Record views

88

Files downloads

187