IRISA at DeFT2017 : classification systems of increasing complexity
Participation de l'IRISA à DeFT2017 : systèmes de classification de complexité croissante
Abstract
This paper describes the participation the LinkMedia team from IRISA at DeFT2017. We carried out the three proposed tasks : classification of non-figurative tweets according to their polarity (task 1), identification figurative langage (task 2), classification of figurative and non-figurative tweets according to their polarity (task 3). For these three tasks, we adopt a standard supervised machine learning framework and explore the use of three methods of increasing complexity : i) k-nearest neighbors with information retrieval based techniques, ii) boosting of decision trees, iii) recurrent neural networks. Our approaches do not exploit rich external knowledge (lexicons, annotated corpora) and are chiefly based on the tweet content (and some other tweets for our latest approach). It allows us to evaluate the precise interest of each of our approach and the data representation that they use : bag-of-words for the first one, n-grams for the second and word embedding for the latest.
Cet article décrit la participation de l'équipe LinkMedia de l'IRISA à DeFT 2017. Notre équipe a participé aux 3 tâches : classification des tweets non figuratifs selon leur polarité (tâche 1), l'identifi-cation du langage figuratif (tâche 2) et la classification des tweets figuratifs et non figuratifs selon leur polarité (tâche 3). Pour ces trois tâches, nous adoptons une démarche d'apprentissage artificiel. Plus précisément, nous explorons l'intérêt de trois méthodes de complexité croissante : i) les k plus proches voisins issues de la recherche d'information, ii) le boosting d'arbres de décision, et iii) les réseaux neuronaux récurrents. Nos approches n'exploitent aucune ressource externe riche (lexiques, corpus annotés) et sont uniquement fondées sur le contenu textuel des tweets (et d'autres tweets pour la dernière approche). Cela nous permet d'évaluer l'intérêt de chacune de ces méthodes, mais aussi des représentations qu'elles exploitent, à savoir les sacs-de-mots pour la première, les n-grams pour la deuxième et le plongement de mots (word embedding) pour les réseaux neuronaux.
Origin | Files produced by the author(s) |
---|
Loading...