Architecture Asymétrique pour les Modèles Neuronaux d'Appariement de Textes

Autor: Thiziri Belkacem, Taoufiq Dkaki, Moreno, José G., Mohand Boughanem
Přispěvatelé: Recherche d’Information et Synthèse d’Information (IRIT-IRIS), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Université Toulouse - Jean Jaurès (UT2J), Université Toulouse III - Paul Sabatier (UT3), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Centre National de la Recherche Scientifique - CNRS (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Institut National Polytechnique de Toulouse - INPT (FRANCE)
Jazyk: francouzština
Rok vydání: 2019
Předmět:
Zdroj: Actes de CORIA 2019
16th Conférence francophone en Recherche d'Information et Applications (CORIA 2019)
16th Conférence francophone en Recherche d'Information et Applications (CORIA 2019), May 2019, Lyon, France. pp.1-18
HAL
Popis: International audience; Dans les modèles neuronaux d’appariement de textes, les entrées subissent les mêmes transformations pour construire les représentations correspondantes. La nature de la tâche d’appariement est défini à partir du type des entrées du modèle et de la relation entre elles. Nous distinguons deux types d’appariement :(1) l’appariement symétrique fait référence aux tâches d’appariement à des entrées de même nature, telles que l’identification des paraphrases et la classification de documents.(2) l’appariement asymétrique concerne des tâches à des entrées de natures différentes, telle que l’appariement document-requête ou question-réponse.Généralement, les représentations des entrées sont construites indépendamment de leurs nature à partir des vecteurs de leurs mots. Nous proposons une approche permettant de prendre en compte la nature de la tâche, (1) ou (2), et de mieux traiter les entrées. Nous utilisons un modèle d’attention pour étendre des modèles de l’état de l’art. Les résultats expérimentaux montrent que l’adaptation de l’architecture du modèle au type de la tâche permet d’améliorer les performances de plusieurs modèles neuronaux bien connus.
Databáze: OpenAIRE
Externí odkaz: