Stratégie Multitâche pour la Classification Multiclasse - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Stratégie Multitâche pour la Classification Multiclasse

Houssam Akhmouch
  • Fonction : Auteur
  • PersonId : 1102632
Hamza Bouanani
  • Fonction : Auteur
  • PersonId : 1102633
Gaël Dias

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.
Fichier principal
Vignette du fichier
103.pdf (519.31 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03265870 , version 1 (23-06-2021)

Licence

Paternité

Identifiants

  • HAL Id : hal-03265870 , version 1

Citer

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⟩
90 Consultations
41 Téléchargements

Partager

Gmail Facebook X LinkedIn More