Classification de flux de documents évolutifs avec apprentissage de classes inconnues

Mohamed-Rafik Bouguelia 1 Yolande Belaïd 1 Abdel Belaïd 1
1 READ - Recognition of writing and analysis of documents
LORIA - NLPKD - Department of Natural Language Processing & Knowledge Discovery
Résumé : Dans cet article, on propose un algorithme semi-supervisé actif pour la classification de flux continu de documents. Cet algorithme, basé sur une méthode adaptative d’apprentissage non supervisé, permet de repérer les documents les plus informatifs à l’aide d’une mesure d’incertitude pour demander leur étiquette à un opérateur. Il construit et maintient un modèle sous forme d’un graphe à topologie dynamique dont les noeuds sont des représentants de documents étiquetés, formant ce qu’on appelle l’"espace couvert par les classes connues". Il permet de détecter automatiquement les nouvelles classes apparaissant dans le flux. Un document est identifié comme membre d’une nouvelle classe ou d’une classe connue, selon qu’il se trouve à l’extérieur ou à l’intérieur de l’espace couvert par les classes connues. Les expérimentations effectuées sur des ensembles de documents réels montrent que la méthode nécessite peu de documents à étiqueter et qu’elle atteint des performances comparables aux méthodes supervisées qui sont entraînées sur des ensembles de documents présents en mémoire et entièrement étiquetés.
Type de document :
Article dans une revue
Revue des Sciences et Technologies de l'Information - Série Document Numérique, Lavoisier, 2014, De l'imprimé au multimodal - Analyse et reconnaissance du document numérique, 17 (3), pp.21
Liste complète des métadonnées

https://hal.inria.fr/hal-01131453
Contributeur : Yolande Belaid <>
Soumis le : vendredi 13 mars 2015 - 16:00:45
Dernière modification le : jeudi 11 janvier 2018 - 06:25:25

Identifiants

  • HAL Id : hal-01131453, version 1

Collections

Citation

Mohamed-Rafik Bouguelia, Yolande Belaïd, Abdel Belaïd. Classification de flux de documents évolutifs avec apprentissage de classes inconnues. Revue des Sciences et Technologies de l'Information - Série Document Numérique, Lavoisier, 2014, De l'imprimé au multimodal - Analyse et reconnaissance du document numérique, 17 (3), pp.21. 〈hal-01131453〉

Partager

Métriques

Consultations de la notice

184