Abstract
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.- Anthology ID:
- 2021.jeptalnrecital-taln.22
- Volume:
- Actes de la 28e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conférence principale
- Month:
- 6
- Year:
- 2021
- Address:
- Lille, France
- Editors:
- Pascal Denis, Natalia Grabar, Amel Fraisse, Rémi Cardon, Bernard Jacquemin, Eric Kergosien, Antonio Balvet
- Venue:
- JEP/TALN/RECITAL
- SIG:
- Publisher:
- ATALA
- Note:
- Pages:
- 227–236
- Language:
- French
- URL:
- https://aclanthology.org/2021.jeptalnrecital-taln.22
- DOI:
- Cite (ACL):
- Houssam Akhmouch, Hamza Bouanani, Gaël Dias, and Jose G. Moreno. 2021. Stratégie Multitâche pour la Classification Multiclasse (A Multitask Strategy for Multiclass Classification). In Actes de la 28e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conférence principale, pages 227–236, Lille, France. ATALA.
- Cite (Informal):
- Stratégie Multitâche pour la Classification Multiclasse (A Multitask Strategy for Multiclass Classification) (Akhmouch et al., JEP/TALN/RECITAL 2021)
- PDF:
- https://preview.aclanthology.org/corrections-2024-07/2021.jeptalnrecital-taln.22.pdf
- Data
- EmoContext