Thèse en cours

Apprentissage non-supervisé interprétable de données hétérogènes multivues
FR  |  
EN
Auteur / Autrice : Xiaotong Qian
Direction : Nistor GrozavuMarianne Clausel
Type : Projet de thèse
Discipline(s) : Stic - ed em2psi
Date : Inscription en doctorat le 01/10/2021
Etablissement(s) : CY Cergy Paris Université
Ecole(s) doctorale(s) : Ecole doctorale Économie, Management, Mathématiques , Physique et Sciences Informatiques (EM2PSI)
Partenaire(s) de recherche : Laboratoire : Equipes Traitement de l'Information et Systèmes (Cergy-Pontoise, Val d'Oise)

Résumé

FR  |  
EN

Cette thèse explore l'apprentissage non supervisé de données multivue présentant une structure complexe, à la fois au niveau spatial et temporel. Nous nous intéressons notamment à des données hétérogènes dont la représentation peut avoir été apprise de différentes manières : représentation d'expert qui peut être complexe ou représentation apprise de manière automatique. L'application visée a pour objectif une analyse linguistique complète du processus de textualisation, c'est-à-dire de la construction progressive en temps réel d'un texte. L'objectif est de comprendre certains des mécanismes d'agencement qui permettent au langage de donner naissance à la nouveauté à partir de données et de structures disponibles. Pour cela, il est nécessaire de développer des outils d'apprentissage automatique pour détecter et modéliser ces régularités et faire apparaître des structures caractéristiques du processus de textualisation.