A partir de cette page vous pouvez :
Retourner au premier écran avec les étagères virtuelles... |
Résultat de la recherche
1 résultat(s) recherche sur le mot-clé 'Expenli, apprentissage profond, Word2Vec, Apache Spark, classement de documents, système de question-réponse, recherche d’informations, intelligence artificielle.'
Affiner la recherche Faire une suggestion
Representation learning using Word2vec and convolutional neural network for document ranking in Q/A system / Keltoum BOUQOUROU
Titre : Representation learning using Word2vec and convolutional neural network for document ranking in Q/A system Type de document : projet fin études Auteurs : Keltoum BOUQOUROU, Auteur Année de publication : 2016 Langues : Français (fre) Catégories : Business Intelligence Mots-clés : Expenli, apprentissage profond, Word2Vec, Apache Spark, classement de documents,
système de question-réponse, recherche d’informations, intelligence artificielle.Index. décimale : 1579/16 Résumé : Ce présent document est le bilan du travail réalisé dans le cadre de mon projet de fin
d’études pour l’obtention du titre d’Ingénieur d’État en Informatique option Business
Intelligence. C’est un projet d’intelligence artificielle mené au sein de l’organisme Fraktal
S.A.R.L.
L’objectif du projet est de contribuer à la réalisation d’un système de question-réponse
automatique pour le profit d’une plate-forme de conseil en ligne. L’idée est d’exploiter une
large colletions de données (un dataset de questions-réponses plus spécieusement) propre à
la plate-forme dans le but de générer des réponses aux questions des internautes sans
intervention humaine.
Ce système de question-réponse automatique regroupe plusieurs phases ou sous-systèmes
ayant des missions différentes mais continues afin de répondre au besoin défini. Je
commence par citer le sous-système d’analyse et compréhension de la question, le soussystème
de recherche d’informations ou de documents susceptibles de contenir des réponses
à la question, le sous-système de classement de ces documents selon leurs pertinence quant
à la question d’entrée, et pour finir le sous-système d’extraction de la réponse depuis les
passages des documents ordonnés.
Ma contribution à la réalisation du système décrit dans ce qui précède se définit en la
réalisation du sous-système de classement de document (Ranking system). En recevant une
question et l’ensemble de ses documents candidats, ma mission est de produire un
classement optimal des documents mettant les plus pertinents en tête de liste. Ce document
présente en détails l’approche adoptée pour atteindre cet objectif.
Representation learning using Word2vec and convolutional neural network for document ranking in Q/A system [projet fin études] / Keltoum BOUQOUROU, Auteur . - 2016.
Langues : Français (fre)
Catégories : Business Intelligence Mots-clés : Expenli, apprentissage profond, Word2Vec, Apache Spark, classement de documents,
système de question-réponse, recherche d’informations, intelligence artificielle.Index. décimale : 1579/16 Résumé : Ce présent document est le bilan du travail réalisé dans le cadre de mon projet de fin
d’études pour l’obtention du titre d’Ingénieur d’État en Informatique option Business
Intelligence. C’est un projet d’intelligence artificielle mené au sein de l’organisme Fraktal
S.A.R.L.
L’objectif du projet est de contribuer à la réalisation d’un système de question-réponse
automatique pour le profit d’une plate-forme de conseil en ligne. L’idée est d’exploiter une
large colletions de données (un dataset de questions-réponses plus spécieusement) propre à
la plate-forme dans le but de générer des réponses aux questions des internautes sans
intervention humaine.
Ce système de question-réponse automatique regroupe plusieurs phases ou sous-systèmes
ayant des missions différentes mais continues afin de répondre au besoin défini. Je
commence par citer le sous-système d’analyse et compréhension de la question, le soussystème
de recherche d’informations ou de documents susceptibles de contenir des réponses
à la question, le sous-système de classement de ces documents selon leurs pertinence quant
à la question d’entrée, et pour finir le sous-système d’extraction de la réponse depuis les
passages des documents ordonnés.
Ma contribution à la réalisation du système décrit dans ce qui précède se définit en la
réalisation du sous-système de classement de document (Ranking system). En recevant une
question et l’ensemble de ses documents candidats, ma mission est de produire un
classement optimal des documents mettant les plus pertinents en tête de liste. Ce document
présente en détails l’approche adoptée pour atteindre cet objectif.
Réservation
Réserver ce document
Exemplaires
Code barre Cote Support Localisation Section Disponibilité 1579/16 1579/16 KEL Texte imprimé unité des PFE PFE/2016 Disponible