Intérêt de l'enrichissement sémantique pour une tâche de catégorisation de textes courts par méthode hybride avec peu de données d'entraînement
Résumé
We have developed a multi-label classification system for short texts, based on a hybridemethod, in order to explore what impact has the semantic enrichment on such task, with few training data. In this aim, we have first gathered several corpus of documents. A domain taxonomy has been created in order to add semantic lexical annotation to the texts. Then we have developed a hybrid classification system (with machine learning and symbolic rules). Finally, we have defined evaluation measures to determine the classifier's performance. Our results show that semantic enrichment is positive because it improves the classifier's performance. Semantic lexical annotation allows a better document representation, on which the statistical and symbolic methods are based. Furthermore, symbolic rules address the shortcoming of the machine learning.
Nous avons développé un système de classification multi-catégoriel de textes courts, fondé sur une méthode hybride, afin de déterminer quel est l'apport de l'enrichissement sémantique sur une telle tâche, avec peu de données d'entrainement. Pour cela, nous avons tout d'abord constitué différents corpus de documents. Une taxonomie du domaine a été élaborée dans un but d'annotation lexicale sémantique des textes. Par la suite, nous avons développé un système de classification hybride (combinant apprentissage automatique et règles symboliques). Enfin, nous avons mis en place des mesures d'évaluation pour déterminer les performances du classifieur. Nos résultats tendent à montrer que l'enrichissement sémantique est positif car il améliore les performances du classifieur. L'annotation sémantique lexicale permet une meilleure représentation des documents, sur laquelle se basent les méthodes statistiques et symboliques. D'autre part, les règles symboliques comblent les lacunes de l'apprentissage automatique.
Loading...