Apprentissage automatique pour l'extraction de caractéristiques : application au partitionnement de documents, au résumé automatique et au filtrage collaboratif

Statistical learning for feature extraction : application to document clusturing, automatic summarization and collaborative filtering

• Auteur / Autrice : Jean-François Pessiot
• Direction : Massih-Reza Amini, Patrick Gallinari
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2008
• Etablissement(s) : Paris 6

Mots clés

Mots clés libres

Régression

Apprentissage multi-tâches

Ordonnancement d'instances

Apprentissage non supervisé

Systèmes de recommandation

Recherche d'information

Réduction dimensionnelle

Filtrage d'information

Résumé

En apprentissage statistique, le choix de la représentation des données est crucial et a motivé le développement de méthodes permettant de modifier la représentation initiale des données. Dans cette thèse, nous étudions la problématique du choix de la représentation des données au travers de l'extraction de documents et le résumé automatique de texte. En extraction multi-tâches, nous proposons également des algorithmes d'apprentissage pour la régression et pour l'ordonnancement d'instances. Nous appliquons nos deux modèles au filtrage collaboratif, d'abord vu comme un problème de prédiction de notes, puis comme un problème de prédiction d'ordre.