Description
Date depot: 17 octobre 2019
Titre: Optimisation de modèles pour le traitement de tâches en langage naturel
Directeur de thèse:
Christophe MARSALA (LIP6)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle
Resumé:
Il existe de nombreuses approches pour effectuer des tâches d'apprentissage automatique dans le traitement du langage naturel. Nous nous concentrons sur les modèles de réseaux de neurones pour la tâche de résumé de texte abstrait. Ainsi, la thèse porte principalement sur l'optimisation de ces modèles et plus particulièrement sur les techniques de compression et de distillation de ces modèles ainsi que sur le transfert de connaissances. D'une part, nous voulons répondre à l'un des problèmes de ces modèles qui est la puissance de calcul et d'autre part la nécessité d'avoir un grand volume de données (comparé à d'autres approches d'apprentissage automatique). La logique floue est destinée à modéliser le raisonnement logique sur des assertions imprécises. Dans notre contexte, nous proposons d'utiliser la théorie des ensembles flous comme base d'expérimentation.
Doctorant.e: Pantin Jeremie