10 septembre 2020
info:eu-repo/semantics/OpenAccess
Myriam Gafsi, « Développement d'un classifieur hybride pour le domaine des « Ressources Humaines » », DUMAS - Dépôt Universitaire de Mémoires Après Soutenance, ID : 10670/1.f09n0x
Dans ce travail, nous avons cherché à présenter une application d’un système de classification automatique de textes. Pour cela, nous avons développé un produit pour une entreprise à des fins applicatives pour un client : un classifieur automatique pour des réponse d’enquêtes deressources humaines, fondé sur une méthode hybride (apprentissage automatique sur des données annotées, couplé avec des règles expertes et des lexiques). La première approche est basée sur des techniques statistiques. Elle consiste à effectuer une annotation multi-catégoriel permettant d’entraîner le modèle afin de classer le texte. La deuxième approche est symbolique. Une taxonomie du domaine a été élaborée dans un but d'annotation lexicale sémantique des textes. Par la suite, nous avons développé un système de classification hybride. Nous avons présenté à la fin les résultats des mesures d'évaluation pour déterminer les performances du classifieur sur nos corpus.