@inproceedings{dupont-etal-2017-reseaux,
    title = "R{\'e}seaux neuronaux profonds pour l'{\'e}tiquetage de s{\'e}quences (Deep Neural Networks for Sequence Labeling)",
    author = "Dupont, Yoann  and
      Dinarelli, Marco  and
      Tellier, Isabelle",
    editor = "Eshkol-Taravella, Iris  and
      Antoine, Jean-Yves",
    booktitle = "Actes des 24{\`e}me Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Volume 2 - Articles courts",
    month = "6",
    year = "2017",
    address = "Orl{\'e}ans, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/jlcl-multiple-ingestion/2017.jeptalnrecital-court.3/",
    pages = "19--27",
    language = "fra",
    abstract = "Depuis quelques ann{\'e}es les r{\'e}seaux neuronaux se montrent tr{\`e}s efficaces dans toutes les t{\^a}ches de Traitement Automatique des Langues (TAL). R{\'e}cemment, une variante de r{\'e}seau neuronal particuli{\`e}rement adapt{\'e} {\`a} l'{\'e}tiquetage de s{\'e}quences textuelles a {\'e}t{\'e} propos{\'e}e, utilisant des repr{\'e}sentations distributionnelles des {\'e}tiquettes. Dans cet article, nous reprenons cette variante et nous l`am{\'e}liorons avec une version profonde. Dans cette version, diff{\'e}rentes couches cach{\'e}es permettent de prendre en compte s{\'e}par{\'e}ment les diff{\'e}rents types d`informations donn{\'e}es en entr{\'e}e au r{\'e}seau. Nous {\'e}valuons notre mod{\`e}le sur les m{\^e}mes t{\^a}ches que la premi{\`e}re version de r{\'e}seau de laquelle nous nous sommes inspir{\'e}s. Les r{\'e}sultats montrent que notre variante de r{\'e}seau neuronal est plus efficace que les autres, mais aussi qu`elle est plus efficace que tous les autres mod{\`e}les {\'e}valu{\'e}s sur ces t{\^a}ches, obtenant l'{\'e}tat-de-l`art."
}