DeFT 2019 : Auto-encodeurs, Gradient Boosting et combinaisons de mod\`eles pour l'identification automatique de mots-cl\'es. Participation de l'\'equipe TALN du LS2N (Autoencoders, gradient boosting and ensemble systems for automatic keyphrase assignment : The LS2N team participation's in the 2019 edition of DeFT)
Nous pr{\'e}sentons dans cet article la participation de l{'}{\'e}quipe TALN du LS2N {\a} la t{\^a}che d{'}indexation de cas cliniques (t{\^a}che 1). Nous proposons deux syst{\e}mes permettant d{'}identifier, dans la liste de mots-cl{\'e}s fournie, les mots-cl{\'e}s correspondant {\a} un couple cas clinique/discussion, ainsi qu{'}un classifieur entra{\^\i}n{\'e} sur la combinaison des sorties des deux syst{\e}mes. Nous pr{\'e}senterons dans le d{\'e}tail les descripteurs utilis{\'e}s pour repr{\'e}senter les mots-cl{\'e}s ainsi que leur impact sur nos syst{\`e}mes de classification.
Code (0)
등록된 구현이 없습니다.
Tasks
SENTERSimilar Papers 제목 키워드 기반
Stylo@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 EmbeddingsApproche supervis\'ee de calcul de similarit\'e s\'emantique entre paires de phrases (Supervised approach to compute semantic similarity between sentence pairs)
Ce papier d{\'e}crit les m{\'e}thodes que nous avons d{\'e}velopp{\'e}es pour participer aux t{\^a}ches 1 et 2 de l{'}{\'e}dition 2020 du d{\'e}fi fouille de textes (DEFT 2020). Pour la premi{\`e}re t{\^a}che, qui s{'}in…
Semantic SimilaritySemantic Textual SimilaritySentenceAuto-encodeurs variationnels : contrecarrer le problème de posterior collapse grâce à la régularisation du décodeur (Variational auto-encoders : prevent posterior collapse via decoder regularization)
Les auto-encodeurs variationnels sont des modèles génératifs utiles pour apprendre des représentations latentes. En pratique, lorsqu’ils sont supervisés pour des tâches de génération de textes, ils ont tendance à ignorer…
DecoderDEFT: Exploiting Gradient Norm Difference between Model Layers for Scalable Gradient Sparsification
Gradient sparsification is a widely adopted solution for reducing the excessive communication traffic in distributed deep learning. However, most existing gradient sparsifiers have relatively poor scalability because of …
Participation de l'IRISA \`a DeFT 2018 : classification et annotation d'opinion dans des tweets (IRISA at DeFT 2018: classifying and tagging opinion in tweets )
Cet article d{\'e}crit les syst{\`e}mes d{\'e}velopp{\'e}s par l{'}{\'e}quipe LinkMedia de l{'}IRISA pour la campagne d{'}{\'e}valuation DeFT 2018 portant sur l{'}analyse d{'}opinion dans des tweets en fran{\c{c}}ais. L{…