Description
Date depot: 25 septembre 2019
Titre: Extraction d'information faiblement supervisée
Directeur de thèse:
Patrick GALLINARI (ISIR (EDITE))
Directeur de thèse:
Vincent GUIGUE (ISIR (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
L’objectif de cette thèse est d’automatiser l’extraction d’information textuelle dans le contexte des besoins exprimés au sein des différents services de BNP Paribas et traités par le Data & AI Lab de BNP Paribas CIB. Pour cela, nous nous appuierons sur des algorithmes d’apprentissage profond (Deep Learning) qui constituent l’état de l’art actuel pour de très nombreuses tâches d’analyse sémantique sur différents média. Pour répondre aux défis mentionnés ci-dessus, nous proposons d’aborder successivement plusieurs pistes de recherche : l’apprentissage de représentations communes à un ensemble de tâches et de corpus, l’apprentissage faiblement supervisé par transfert pour répondre au problème du manque d’annotations, le meta-apprentissage pour développer des systèmes adaptables avec un minimum d’effort à différents cas de figure (problèmes et données).
Doctorant.e: Taille Bruno