Abstract
Dans cet article nous étudions plusieurs types de réseaux neuronaux récurrents (RNN) pour l’étiquetage de séquences. Nous proposons deux nouvelles variantes de RNN et nous les comparons aux variantes plus classiques de type Jordan et Elman. Nous expliquons en détails quels sont les avantages de nos nouvelles variantes par rapport aux autres RNN. Nous évaluons tous les modèles, les nouvelles variantes ainsi que les RNN existants, sur deux tâches de compréhension de la parole : ATIS et MEDIA. Les résultats montrent que nos nouvelles variantes de RNN sont plus efficaces que les autres.- Anthology ID:
- 2016.jeptalnrecital-long.8
- Volume:
- Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Articles longs)
- Month:
- 7
- Year:
- 2016
- Address:
- Paris, France
- Editors:
- Laurence Danlos, Thierry Hamon
- Venue:
- JEP/TALN/RECITAL
- SIG:
- Publisher:
- AFCP - ATALA
- Note:
- Pages:
- 98–111
- Language:
- French
- URL:
- https://aclanthology.org/2016.jeptalnrecital-long.8
- DOI:
- Cite (ACL):
- Marco Dinarelli and Isabelle Tellier. 2016. Étude des réseaux de neurones récurrents pour étiquetage de séquences (A study of Recurrent Neural Networks for Sequence Labelling). In Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Articles longs), pages 98–111, Paris, France. AFCP - ATALA.
- Cite (Informal):
- Étude des réseaux de neurones récurrents pour étiquetage de séquences (A study of Recurrent Neural Networks for Sequence Labelling) (Dinarelli & Tellier, JEP/TALN/RECITAL 2016)
- PDF:
- https://preview.aclanthology.org/add_acl24_videos/2016.jeptalnrecital-long.8.pdf