Fiche de AIT SAADA Mira

Titre : Unsupervised Learning from Textual Data with Neural Text Representations
Date : 18 avril 2023
Heure: 14:00
Résumé : L'ère du numérique induit des volumes colossaux de données dont la majeure partie est non-structurée, comme les données textuelles. En effet, afin de faire en sorte qu'un algorithme intègre le sens sémantique d’un texte, il est primordial de le représenter numériquement. Pour cela, il est possible d’utiliser ce que l’on appelle les “plongements de mots”, dont le but est de représenter toute séquence de texte par un vecteur numérique de taille fixe. Ces méthodes de plongement ont révolutionné le monde du traitement automatique de la langue, mais leur usage dans le domaine non-supervisé n’est pas répandu. L’objectif principal de cette thèse est d’investiguer l’intérêt de ces techniques dans des tâches non-supervisées comme le clustering et la détection d’anomalies, afin de répondre à des objectifs concrets. Le but de ce travail est également de mieux comprendre ces modèles “boite-noire” en analysant leur comportement, toujours en se concentrant sur l'apprentissage non-supervisé.
Lieu : Salle des Thèses, 45 rue des Saints-Pères, 75006 Paris