Apprentissage automatique pour l'extraction de caractéristiques : application au partitionnement de documents, au résumé automatique et au filtrage collaboratif
par Jean-François Pessiot
Thèse de doctorat en Informatique
Sous la direction de Massih-Reza Amini et de Patrick Gallinari.
Soutenue en 2008
à Paris 6 .
- Régression
- Apprentissage multi-tâches
- Ordonnancement d'instances
- Apprentissage non supervisé
- Systèmes de recommandation
- Recherche d'information
- Réduction dimensionnelle
- Filtrage d'information
mots clés
-
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.
-
Titre traduit
Statistical learning for feature extraction : application to document clusturing, automatic summarization and collaborative filtering
-
Pas de résumé disponible.
