@inproceedings{park-2018-loptimisation,
title = "L{'}optimisation du plongement de mots pour le fran{\c{c}}ais : une application de la classification des phrases (Optimization of Word Embeddings for {F}rench : an Application of Sentence Classification)",
author = "Park, Jungyeul",
editor = "S{\'e}billot, Pascale and
Claveau, Vincent",
booktitle = "Actes de la Conf{\'e}rence TALN. Volume 1 - Articles longs, articles courts de TALN",
month = "5",
year = "2018",
address = "Rennes, France",
publisher = "ATALA",
url = "https://aclanthology.org/2018.jeptalnrecital-court.10",
pages = "281--292",
abstract = "Nous proposons trois nouvelles m{\'e}thodes pour construire et optimiser des plongements de mots pour le fran{\c{c}}ais. Nous utilisons les r{\'e}sultats de l{'}{\'e}tiquetage morpho-syntaxique, de la d{\'e}tection des expressions multi-mots et de la lemmatisation pour un espace vectoriel continu. Pour l{'}{\'e}valuation, nous utilisons ces vecteurs sur une t{\^a}che de classification de phrases et les comparons avec le vecteur du syst{\`e}me de base. Nous explorons {\'e}galement l{'}approche d{'}adaptation de domaine pour construire des vecteurs. Malgr{\'e} un petit nombre de vocabulaires et la petite taille du corpus d{'}apprentissage, les vecteurs sp{\'e}cialis{\'e}s par domaine obtiennent de meilleures performances que les vecteurs hors domaine.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="park-2018-loptimisation">
<titleInfo>
<title>L’optimisation du plongement de mots pour le français : une application de la classification des phrases (Optimization of Word Embeddings for French : an Application of Sentence Classification)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Jungyeul</namePart>
<namePart type="family">Park</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2018-05</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la Conférence TALN. Volume 1 - Articles longs, articles courts de TALN</title>
</titleInfo>
<name type="personal">
<namePart type="given">Pascale</namePart>
<namePart type="family">Sébillot</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Vincent</namePart>
<namePart type="family">Claveau</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Rennes, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Nous proposons trois nouvelles méthodes pour construire et optimiser des plongements de mots pour le français. Nous utilisons les résultats de l’étiquetage morpho-syntaxique, de la détection des expressions multi-mots et de la lemmatisation pour un espace vectoriel continu. Pour l’évaluation, nous utilisons ces vecteurs sur une tâche de classification de phrases et les comparons avec le vecteur du système de base. Nous explorons également l’approche d’adaptation de domaine pour construire des vecteurs. Malgré un petit nombre de vocabulaires et la petite taille du corpus d’apprentissage, les vecteurs spécialisés par domaine obtiennent de meilleures performances que les vecteurs hors domaine.</abstract>
<identifier type="citekey">park-2018-loptimisation</identifier>
<location>
<url>https://aclanthology.org/2018.jeptalnrecital-court.10</url>
</location>
<part>
<date>2018-5</date>
<extent unit="page">
<start>281</start>
<end>292</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T L’optimisation du plongement de mots pour le français : une application de la classification des phrases (Optimization of Word Embeddings for French : an Application of Sentence Classification)
%A Park, Jungyeul
%Y Sébillot, Pascale
%Y Claveau, Vincent
%S Actes de la Conférence TALN. Volume 1 - Articles longs, articles courts de TALN
%D 2018
%8 May
%I ATALA
%C Rennes, France
%G French
%F park-2018-loptimisation
%X Nous proposons trois nouvelles méthodes pour construire et optimiser des plongements de mots pour le français. Nous utilisons les résultats de l’étiquetage morpho-syntaxique, de la détection des expressions multi-mots et de la lemmatisation pour un espace vectoriel continu. Pour l’évaluation, nous utilisons ces vecteurs sur une tâche de classification de phrases et les comparons avec le vecteur du système de base. Nous explorons également l’approche d’adaptation de domaine pour construire des vecteurs. Malgré un petit nombre de vocabulaires et la petite taille du corpus d’apprentissage, les vecteurs spécialisés par domaine obtiennent de meilleures performances que les vecteurs hors domaine.
%U https://aclanthology.org/2018.jeptalnrecital-court.10
%P 281-292
Markdown (Informal)
[L’optimisation du plongement de mots pour le français : une application de la classification des phrases (Optimization of Word Embeddings for French : an Application of Sentence Classification)](https://aclanthology.org/2018.jeptalnrecital-court.10) (Park, JEP/TALN/RECITAL 2018)
ACL