Version imprimable |
Ressource documentaire
05c - Stratégies de sélection des exemples pour l’apprentissage actif avec des CRF (taln2015) (en Français) | |||
Droits : Droits réservés à l'éditeur et aux auteurs 23-06-2015 Description : Sessions orales TALN 2015 – Mardi 23 juin 2015Session Extraction d’informationStratégies de sélection des exemples pour l’apprentissage actif avec des CRF Vincent Claveau et Ewa Kijak Résumé : Beaucoup de problèmes de TAL sont désormais modélisés comme des tâches d’apprentissage supervisé. De ce fait, le coût des annotations des exemples par l’expert représente un problème important. L’apprentissage actif (active learning) apporte un cadre à ce problème, permettant de contrôler le coût d’annotation tout en maximisant, on l’espère, la performance à la tâche visée, mais repose sur le choix difficile des exemples à soumettre à l’expert. Dans cet article, nous examinons et proposons des stratégies de sélection des exemples pour le cas spécifique des CRF, outil largement utilisé en TAL. Nous proposons d’une part une méthode simple corrigeant un biais de certaines méthodes de l’état de l’art. D’autre part, nous détaillons une méthode originale de sélection s’appuyant sur un critère de respect des proportion dans les jeux de données manipulés. Le bien-fondé de ces propositions est vérifié au travers de plusieurs tâches et jeux de données, incluant reconnaissance d’entités nommées, chunking, phonétisation, désambiguïsation de sens. Mots-clés libres : traitement automatique du langage naturel,taln2015 | TECHNIQUE Type : image en mouvement Format : video/x-flv Source(s) : rtmpt://fms2.cerimes.fr:80/vod/centre_d_enseignement_multimedia_universitaire_c_e_m_u_universit/05c.strat.gies.de.s.lection.des.exemples.pour.la.apprentissage.actif.avec.des.crf.taln2015._18665/05c_claveau_sd.mp4 | ||
Entrepôt d'origine : Canal-u.fr Identifiant : oai:canal-u.fr:18665 Type de ressource : Ressource documentaire |
Exporter au format XML |
Ressource pédagogique
05c - Stratégies de sélection des exemples pour l’apprentissage actif avec des CRF (taln2015) (en Français) | |||||||||
Identifiant de la fiche : 18665 Schéma de la métadonnée : LOMv1.0, LOMFRv1.0 Droits : libre de droits, gratuit Droits réservés à l'éditeur et aux auteurs Description : Sessions orales TALN 2015 – Mardi 23 juin 2015Session Extraction d’informationStratégies de sélection des exemples pour l’apprentissage actif avec des CRF Vincent Claveau et Ewa Kijak Résumé : Beaucoup de problèmes de TAL sont désormais modélisés comme des tâches d’apprentissage supervisé. De ce fait, le coût des annotations des exemples par l’expert représente un problème important. L’apprentissage actif (active learning) apporte un cadre à ce problème, permettant de contrôler le coût d’annotation tout en maximisant, on l’espère, la performance à la tâche visée, mais repose sur le choix difficile des exemples à soumettre à l’expert. Dans cet article, nous examinons et proposons des stratégies de sélection des exemples pour le cas spécifique des CRF, outil largement utilisé en TAL. Nous proposons d’une part une méthode simple corrigeant un biais de certaines méthodes de l’état de l’art. D’autre part, nous détaillons une méthode originale de sélection s’appuyant sur un critère de respect des proportion dans les jeux de données manipulés. Le bien-fondé de ces propositions est vérifié au travers de plusieurs tâches et jeux de données, incluant reconnaissance d’entités nommées, chunking, phonétisation, désambiguïsation de sens. Mots-clés libres : traitement automatique du langage naturel, taln2015
| PEDAGOGIQUE Type pédagogique : cours / présentation Niveau : enseignement supérieur TECHNIQUE Type de contenu : image en mouvement Format : video/x-flv Taille : 152.52 Mo Durée d'exécution : 31 minutes 52 secondes RELATIONS Cette ressource fait partie de : | ||||||||
Entrepôt d'origine : Canal-u.fr Identifiant : oai:canal-u.fr:18665 Type de ressource : Ressource pédagogique |
Exporter au format XML |