Semantic parsing of geometry statements using supervised machine learning on synthetic data - Archive ouverte HAL
Communication Dans Un Congrès Année : 2021

Semantic parsing of geometry statements using supervised machine learning on synthetic data

Domaines

Logiciel mathématique [cs.MS] Ingénierie assistée par ordinateur Logique en informatique [cs.LO]
Fichier principal
Vignette du fichier
EasyChair-Preprint-6414.pdf (407.34 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Julien Narboux  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03327994

Soumis le : vendredi 27 août 2021-17:50:08

Dernière modification le : jeudi 11 avril 2024-13:08:14

Archivage à long terme le : dimanche 28 novembre 2021-18:53:56

Télécharger pour visualiser

Dates et versions

hal-03327994 , version 1 (27-08-2021)

Licence

Paternité

Identifiants

  • HAL Id : hal-03327994 , version 1

Citer

Salwa Tabet Gonzalez, Stéphane Graham-Lengrand, Julien Narboux, Natarajan Shankar. Semantic parsing of geometry statements using supervised machine learning on synthetic data. NatFoM 2021 - CICM Workshop, Peter Koepke, Bonn; Dennis Müller, Erlangen, Jul 2021, Timisoara, Romania. ⟨hal-03327994⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

INSERM CNRS ENGEES INSA-STRASBOURG INC-CNRS SITE-ALSACE INSA-GROUPE
82 Consultations
140 Téléchargements

Partager

More