Skip to Main content Skip to Navigation
Conference papers

Stratégie Multitâche pour la Classification Multiclasse

Houssam Akhmouch 1 Hamza Bouanani 2 Gaël Dias 1 Jose G. Moreno 3
1 Equipe Image - Laboratoire GREYC - UMR6072
GREYC - Groupe de Recherche en Informatique, Image et Instrumentation de Caen
3 IRIT-IRIS - Recherche d’Information et Synthèse d’Information
IRIT - Institut de recherche en informatique de Toulouse
Résumé : Nous proposons une idée originale pour exploiter les relations entre les classes dans les problèmes multiclasses. Nous définissons deux architectures multitâches de type one-vs-rest qui combinent des ensembles de classifieurs appris dans une configuration multitâche en utilisant des réseaux de neurones. Les expériences menées sur six jeux de données pour la classification des sentiments, des émotions, des thématiques et des relations lexico-sémantiques montrent que nos architectures améliorent constamment les performances par rapport aux stratégies de l’état de l’art de type one-vsrest et concurrencent fortement les autres stratégies multiclasses.
Document type :
Conference papers
Complete list of metadata

https://hal.archives-ouvertes.fr/hal-03265870
Contributor : Yannick Parmentier Connect in order to contact the contributor
Submitted on : Wednesday, June 23, 2021 - 11:48:08 PM
Last modification on : Tuesday, October 19, 2021 - 11:35:02 PM
Long-term archiving on: : Friday, September 24, 2021 - 7:16:25 PM

File

103.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-03265870, version 1

Citation

Houssam Akhmouch, Hamza Bouanani, Gaël Dias, Jose G. Moreno. Stratégie Multitâche pour la Classification Multiclasse. Traitement Automatique des Langues Naturelles (TALN 2021), 2021, Lille, France. pp.227-236. ⟨hal-03265870⟩

Share

Metrics

Record views

75

Files downloads

47