Du bon usage d'ingr\'edients linguistiques sp\'eciaux pour classer des recettes exceptionnelles (Using Special Linguistic Ingredients to Classify Exceptional Recipes )
Nous pr{\'e}sentons un mod{\`e}le d{'}apprentissage automatique qui combine mod{\`e}les neuronaux et linguistiques pour traiter les t{\^a}ches de classification dans lesquelles la distribution des {\'e}tiquettes des instances est d{\'e}s{\'e}quilibr{\'e}e. Les performances de ce mod{\`e}le sont mesur{\'e}es {\`a} l{'}aide d{'}exp{\'e}riences men{\'e}es sur les t{\^a}ches de classification de recettes de cuisine de la campagne DEFT 2013 (Grouin et al., 2013). Nous montrons que les plongements lexicaux (word embeddings) associ{\'e}s {\`a} des m{\'e}thodes d{'}apprentissage profond obtiennent de meilleures performances que tous les algorithmes d{\'e}ploy{\'e}s lors de la campagne DEFT. Nous montrons aussi que ces m{\^e}mes classifieurs avec plongements lexicaux peuvent gagner en performance lorsqu{'}un mod{\`e}le linguistique est ajout{\'e} au mod{\`e}le neuronal. Nous observons que l{'}ajout d{'}un mod{\`e}le linguistique au mod{\`e}le neuronal am{\'e}liore les performances de classification sur les classes rares.
PDF Abstract
