Apprentissage d'espaces prétopologiques dans un cadre multi-instance pour la structuration de données - Archive ouverte HAL Access content directly
Conference Papers Year : 2017

Apprentissage d'espaces prétopologiques dans un cadre multi-instance pour la structuration de données

Abstract

Nous présentons dans cet article une méthode supervisée de structu-ration (en DAG) d'un ensemble d'éléments. Étant donnés une structure cible (à reconstruire) et un ensemble de relations sur ces éléments, il s'agit d'apprendre un modèle de structuration par combinaison fine des relations initiales. Nous for-malisons ce problème dans le cadre de la théorie de la prétopologie qui permet d'atteindre des modèles de structuration complexes. Nous montrons d'une part que le caractère non-idempotent de la fonction d'adhé-rence (qui définit un espace prétopologique) nécessite de recourir au formalisme de l'apprentissage supervisé multi-instance et proposons d'autre part un algo-rithme d'apprentissage reposant sur le dénombrement des « sacs » positifs et négatifs plutôt que sur un ensemble d'apprentissage standard (trop grand dans ce contexte). Une première expérimentation de cette méthode est présentée dans un cadre applicatif de fouille de textes, consistant à apprendre un modèle de structuration taxonomique d'un ensemble de termes.
Fichier principal
Vignette du fichier
EGC_court.pdf (301.52 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-02056205 , version 1 (12-03-2019)

Identifiers

  • HAL Id : hal-02056205 , version 1

Cite

Gaëtan Caillaut, Guillaume Cleuziou. Apprentissage d'espaces prétopologiques dans un cadre multi-instance pour la structuration de données. 17èmes Journées Francophones Extraction et Gestion des Connaissances (EGC 2017), Jan 2017, Grenoble, France. pp.369--374. ⟨hal-02056205⟩
81 View
35 Download

Share

Gmail Facebook X LinkedIn More