Réseaux bayésiens jumelés et noyau de Fisher pondéré pour la classification de documents XML

Résumé : In this paper, we are presenting a learning model for XML document classification based on Bayesian networks. Then, we are proposing a model which simplifies the arborescent representation of the XML document that we have, named coupled model and we will see that this approach improves the response time and keeps the same performances of the classification. Then, we will study an extension of this generative model to the discriminating model thanks to the formalism of the Fisher’s kernel. At last, we have applied a ponderation of the structure components of the Fisher’s vector. We finish by presenting the obtained results on the XML collection by using the CBS and SVM methods
Type de document :
Article dans une revue
Revue Africaine de la Recherche en Informatique et Mathématiques Appliquées, INRIA, 2014, 17, pp.141-154
Liste complète des métadonnées

https://hal.inria.fr/hal-01300057
Contributeur : Coordination Episciences Iam <>
Soumis le : vendredi 8 avril 2016 - 16:09:43
Dernière modification le : mercredi 20 avril 2016 - 01:05:19
Document(s) archivé(s) le : mardi 15 novembre 2016 - 00:11:59

Fichier

Vol.17.pp.141-154.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : hal-01300057, version 1

Collections

Citation

Ait Ali Yahia Yassine, Amrouche Karima. Réseaux bayésiens jumelés et noyau de Fisher pondéré pour la classification de documents XML. Revue Africaine de la Recherche en Informatique et Mathématiques Appliquées, INRIA, 2014, 17, pp.141-154. 〈hal-01300057〉

Partager

Métriques

Consultations de la notice

62

Téléchargements de fichiers

114