Nouveautés
Vous êtes ici :
Accueil
»
Thèses
»
Nouveautés
Recherche de nouveautés dans les thèses
Recherche en cours
Recherche de documents datant de moins de
200
260
320
380
440
500
jours
Recherche affinée
ET
Thème
=
Informatique
2
ressources ont été trouvées.
Voici les résultats
1
à
2
Trier par :
Année de soutenance
Titre
Auteur
Affichage de
5
10
15
20
25
30
35
40
résultats par page
|<
<<
1
>>
>|
|<
<<
1
>>
>|
Attention : l'accès aux ressources peut être restreint, soit pour des raisons juridiques, soit par la volonté de l'auteur.
Extraction automatique d'arguments par le biais de grands modèles de langage adaptés
Description
:
Le traitement automatique du langage naturel (NLP) est un champ de l'intelligence artificielle d'une importance majeure. Dans ce domaine les transformeurs et les modèles de langage de grandes tailles (LLMs) subséquents ont représenté un changement de paradigme significatif. Dans le cadre du NLP, l'e ...
Le traitement automatique du langage naturel (NLP) est un champ de l'intelligence artificielle d'une importance majeure. Dans ce domaine les transformeurs et les modèles de langage de grandes tailles (LLMs) subséquents ont représenté un changement de paradigme significatif. Dans le cadre du NLP, l'extraction d'arguments (AM) se concentre sur la détection automatique d'arguments structurés et de leurs relations au sein d'un corpus textuel. L'extraction d'arguments possède de multiples applications, telles que l'analyse de texte juridiques ou d'articles scientifiques. Ce travail de thèse concerne l'extraction d'arguments (AM) et les modèles de langage de grande taille (LLMs). Notre première contribution concerne la classification d'arguments. Nous proposons un modèle unifié de type BERT enrichi de caractéristiques contextuelle structurelles et syntaxiques additionnelles, données sous forme de texte. Notre deuxième contribution concerne également la classification d'arguments ainsi que l'identification des liens entre ces derniers. Cette fois, nous proposons BERT--MINUS, un modèle composé d plusieurs sous-modules de type BERT, capable d'intégrer des caractéristiques additionnelles sous forme de texte ainsi que d'accomplir du transfert d'apprentissage. Notre troisième contribution se situe à la jonction des systèmes argumentatifs et de la théorie de la décision. Dans ce contexte, nous définissons un formalisme appelé "Bipolar Layered Framework with Support and Weights" (BLFSW), qui offre un modélisation des structures argumentatives sous forme de graphes. L'expressivité étendue de ce formalisme permet à la fois d'affiner l'évaluation des processus décisionnelles.
Mots clés
:
Apprentissage automatique, Traitement automatique du langage naturel, Transfert d'apprentissage (enseignement des langues)
Auteur
:
Mushtaq Umer
Année de soutenance
:
2023
Directeur
:
Cabessa Jérémie
Établissement de soutenance
:
Université Paris-Panthéon-Assas
Discipline
:
Informatique
Thème
:
Informatique
École doctorale
:
École doctorale des sciences économiques et gestion, sciences de l'information et de la communication (Paris)
https://docassas.u-paris2.fr/nuxeo/site/esupversions/ce238f6c-9b75-44ee-b843-4e7fb4c25961
Approximation dynamique de clusters dans un graphe social : méthodes et applications
Description
:
Nous étudions comment détecter des clusters dans un graphe défini par un flux d’arêtes, sans stocker l'ensemble du graphe. Nous montrons comment détecter de gros clusters de l'ordre de √n dans des graphes qui ont m = O(n log(n)) arêtes, tout en stockant √n.log(n) arêtes. Les graphes sociaux suivent ...
Nous étudions comment détecter des clusters dans un graphe défini par un flux d’arêtes, sans stocker l'ensemble du graphe. Nous montrons comment détecter de gros clusters de l'ordre de √n dans des graphes qui ont m = O(n log(n)) arêtes, tout en stockant √n.log(n) arêtes. Les graphes sociaux suivent le régime où m satisfait cette condition. Nous étendons notre approche aux graphes dynamiques définis par les arêtes les plus récentes du flux et à plusieurs flux. Nous proposons des méthodes simples et robustes afin de détecter ces clusters de manière approchée.Nous définissons la corrélation de contenu de deux flux ρ(t) par la similarité de Jaccard de leurs clusters, dans les fenêtres au temps t. Nous proposons une méthode simple et efficace pour approcher cette corrélation en ligne et montrons que pour les graphes aléatoires dynamiques qui suivent une loi de puissance, nous pouvons garantir une bonne approximation.Une des applications est l’analyse des flux Twitter. Nous calculons les corrélations de contenu de ces flux en ligne. Nous proposons ensuite une recherche par corrélation où les réponses aux ensembles de mots-clés sont entièrement basées sur les petites corrélations des flux. Les réponses sont ordonnées par les corrélations, et les explications peuvent être tracées avec les clusters stockés.
Mots clés
:
Graphes dynamiques, Algorithmes, Approximation, Théorie de l', Grilles informatiques, Analyse des données
Auteur
:
Vimont Guillaume
Année de soutenance
:
2019
Directeur
:
Rougemont Michel de
Établissement de soutenance
:
Paris 2
Discipline
:
Informatique
Thème
:
Informatique
Laboratoire
:
Université Panthéon-Assas (Paris). Centre de recherches en économie du droit
École doctorale
:
École doctorale des sciences économiques et gestion, sciences de l'information et de la communication (Paris)
https://docassas.u-paris2.fr/nuxeo/site/esupversions/0b8fac0c-9239-4fc4-8046-430a74690e70
|<
<<
1
>>
>|