Applicationdu Deep Learning dans la Recherche d’Information .

dc.contributor.authorDendani, Lamia
dc.contributor.authorKermas, Dyhia
dc.date.accessioned2021-03-31T14:02:18Z
dc.date.available2021-03-31T14:02:18Z
dc.date.issued2020
dc.description87 p. : ill. ; 30 cm. (+ CD-Rom)en
dc.description.abstractLes développements récents des modèles de recherche d'information neuronaux ont montré des résultats satisfaisants sur les reconnaissances des formes et les traitements automatiques du langage naturel. La capacité de représenter avec précision du texte est essentielle à la compréhension du langage. Dans ce mémoire, nous décrivons une architecture neuronale pour la représentation des textes afin de calculer la similarité entre les paires document-requête. Nous nous sommes intéressées à intégrer les relations sémantiques entre les mots par une représentation vectorielle des mots de type word2vec pour résoudre le problème du bag of words (BOW), en utilisant les réseaux neuronaux profonds (DNN) afin de classer un ensemble de documents pour une requête donnée. Le réseau gère comme entrée un ensemble de vecteurs de termes (requête ou document) de haute dimension puis produit la représentation vectorielle correspondante à la séquence d'entrée. Cette représentation vise à capturer la sémantique relationnelle du document en projetant son contenu conceptuel dans la hiérarchie de la ressource externe.en
dc.identifier.citationIngénierie des systèmes d’information.en
dc.identifier.otherMAST.INF.95-20
dc.identifier.urihttps://dspace.ummto.dz/handle/ummto/13217
dc.language.isofren
dc.publisherUniversité Mouloud Mammerien
dc.subjectRecherche d'information;en
dc.subjectApprentissage profond;en
dc.subjectReprésentation vectorielle;en
dc.subjectReprésentation sémantique;en
dc.subjectAppariement document/requête.en
dc.subjectAppariement document/requête.en
dc.titleApplicationdu Deep Learning dans la Recherche d’Information .en
dc.typeThesisen

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Dendani L; Kermas D..pdf
Size:
3.64 MB
Format:
Adobe Portable Document Format
Description:
pdf
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: