Algorithmes de classification et d'optimisation: participation du LIA/ADOC á DEFT'14
This year, the DEFT campaign (D\'efi Fouilles de Textes) incorporates a task which aims at identifying the session in which articles of previous TALN conferences were presented. We describe the three statistical systems developed at LIA/ADOC for this task. A fusion of these systems enables us to obtain interesting results (micro-precision score of 0.76 measured on the test corpus)
Code (0)
등록된 구현이 없습니다.
Tasks
ArticlesGeneral ClassificationSimilar Papers 제목 키워드 기반
Classification and Optimization Algorithms: the LIA/ADOC participation at DEFT'14 (Algorithmes de classification et d'optimisation : participation du LIA/ADOC \`a DEFT'14) [in French]
Syllabs@DEFT2018 : combinaison de m\'ethodes de classification supervis\'ees (Syllabs@DEFT2018: Combination of Supervised Classification Methods)
Nous pr{\'e}sentons la participation de Syllabs {\`a} la t{\^a}che de classification de tweets dans le domaine du transport lors de DEFT 2018. Pour cette premi{\`e}re participation {\`a} une campagne DEFT, nous avons cho…
ClassificationGeneral ClassificationStylo@DEFT2022 : Notation automatique de copies d’étudiant·e·s par combinaisons de méthodes de similarité (Stylo@DEFT2022 : Automatic short answer grading by combinations of similarity methods )
Cet article présente la participation de l’équipe STyLO (STIH, L3I, OBTIC) au DÉfi Fouille de Textes 2022 (DEFT 2022). La tâche proposée consiste en une évaluation automatique des questions à réponses courtes (EAQRC) de …
automatic short answer gradingSentenceSentence EmbeddingsDOING@DEFT : utilisation de lexiques pour une classification efficace de cas cliniques (In this paper, we present our participation to the DEFT 2021 task 1)
Nous présentons dans cet article notre participation à la tâche 1 de la campagne d’évaluation francophone DEFT 2021, sur l’identification du profil clinique du patient. Nous proposons une méthode évolutive et efficace en…
LIRMM@DEFT-2018 -- Mod\`ele de classification de la vectorisation des documents (LIRMM DEFT-2018 -- Document Vectorization Classification model )
Dans ce papier, nous d{\'e}crivons notre participation au d{\'e}fi d{'}analyse de texte DEFT 2018. Nous avons particip{\'e} {\`a} deux t{\^a}ches : (i) classification transport/non-transport et (ii) analyse de polarit{\'…
ClassificationGeneral Classification