Méta-apprentissage : classification de messages en catégories émotionnelles inconnues en entraînement - Equipe Signal, Statistique et Apprentissage Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Méta-apprentissage : classification de messages en catégories émotionnelles inconnues en entraînement

Résumé

Dans cet article nous reproduisons un scénario d’apprentissage selon lequel les données cibles ne sont pas accessibles et seules des données connexes le sont. Nous utilisons une approche par méta-apprentissage afin de déterminer si les méta-informations apprises à partir de messages issus de médias sociaux, finement annotés en émotions, peuvent produire de bonnes performances une fois utilisées sur des messages issus de conversations, étiquetés en émotions avec une granularité différente. Nous mettons à profit l’apprentissage sur quelques exemples (few-shot learning) pour la mise en place de ce scénario. Cette approche se montre efficace pour capturer les méta-informations d’un jeu d’étiquettes émotionnelles pour prédire des étiquettes jusqu’alors inconnues au modèle. Bien que le fait de varier le type de données engendre une baisse de performance, notre approche par méta-apprentissage atteint des résultats décents comparés au référentiel d’apprentissage supervisé.
Fichier principal
Vignette du fichier
119.pdf (540.52 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-03265871 , version 1 (23-06-2021)

Identifiants

  • HAL Id : hal-03265871 , version 1

Citer

Gaël Guibon, Matthieu Labeau, Hélène Flamein, Luce Lefeuvre, Chloé Clavel. Méta-apprentissage : classification de messages en catégories émotionnelles inconnues en entraînement. Traitement Automatique des Langues Naturelles, 2021, Lille, France. pp.199-208. ⟨hal-03265871⟩
75 Consultations
158 Téléchargements

Partager

Gmail Facebook X LinkedIn More