État de l'art des méthodes d'apprentissage profond pour l'extraction automatique de termes-clés - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2019

State of the art of deep learning methods for automatic keyphrase extraction

État de l'art des méthodes d'apprentissage profond pour l'extraction automatique de termes-clés

Ygor Gallina

Résumé

State of the art of deep learning methods for automatic keyphrase extraction The use of keyphrases benefits document retrieval in large collection of data. The high cost of annotating documents with keyphrases leads researchers to address this issue. In this article, we outline a state of the art regarding the automatic extraction of keyphrases while focusing on deep learning models. Indeed, the recent availability of half a million of annotated documents made the development of deep neural models possible.
Les termes-clés facilitent la recherche de documents dans de larges collections de données. Le coût d'annotation de document en termes-clés très élevé, c'est pourquoi les chercheurs s'intéressent à cette problématique. Dans cet article nous présentons un état de l'art sur l'extraction automatique de termes-clés en nous intéressant particulièrement aux modèles d'apprentissage profond. En effet, la récente publication d'un demi-million de documents annotés à permis le développement de modèles neuronaux profonds.
Fichier principal
Vignette du fichier
RECITAL19_Etat_de_l_art.pdf (159.8 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02395693 , version 1 (05-12-2019)

Identifiants

  • HAL Id : hal-02395693 , version 1

Citer

Ygor Gallina. État de l'art des méthodes d'apprentissage profond pour l'extraction automatique de termes-clés. 21e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RECITAL), Jul 2019, Toulouse, France. ⟨hal-02395693⟩
543 Consultations
483 Téléchargements

Partager

Gmail Facebook X LinkedIn More