Deep Learning pour le traitement automatique des langues

En conjonction avec EGC 2020 Janvier 27-31, 2020 Bruxelles, Belgique

Description:

De nos jours, on est face à un grand volume de données (textuelles, vocales, etc.), ce qui rend la tâche d’analyse des données assez complexe. Différentes méthodes ont été proposées afin de surmonter les problèmes liés à la volumétrie des données. Dans ce contexte, les réseaux de neurones et plus généralement l’apprentissage profond (Deep Learning) ont été l’idée motrice ayant permis de mettre en place toute une panoplie de solutions pour remédier aux défis liés au traitement automatique des langues (TAL) tels que la classification sémantique des documents, la traduction automatique, le résumé automatique de documents, etc. Le TAL est en train d’évoluer avec l'apprentissage profond grâce aux réseaux de neurones. Cependant, l'apprentissage profond nécessite un grand volume de données annotées et son avantage par rapport aux méthodes statistiques traditionnelles diminue généralement lorsque ces données ne sont pas disponibles. Même dans les langues à ressources élevées, il n’est pas toujours évident de trouver des données volumineuses annotées linguistiquement et de qualité suffisantes pour permettre aux méthodes neuronales de se surpasser.


Objectifs:

Cet atelier a pour but de réunir des professionnels, des chercheurs et des experts en traitement du langage naturel et en apprentissage profond dont les travaux de recherches sont axés sur l’utilisation de ce genre de méthodes. Nous discuterons également des principaux défis qui se posent dans ce contexte et définirons les orientations possibles pour les futurs progrès.

En résumé, cet atelier est l’occasion de:

    • Présenter les dernières avancées en matière du TAL basés sur l’apprentissage profond.
    • Décrire les applications potentielles pouvant inspirer de nouvelles approches d’apprentissage profond.
    • Evaluer et challenger les modèles du TAL


Dates importantes:

  • Date limite de soumission des articles : 13/12/2019
  • Notification aux auteurs : 01/01/2020
  • Version finale : 10/01/2020
  • Atelier : 28/01/2020


Comité d'organisation:

  • Rim HANTACH, ingénieur de recherche, ENGIE
  • Philippe CALVEZ, directeur du lab CSAI, ENGIE


Comité de programme :

  • Sarra BEN ABBES, ENGIE
  • François ROLE, Université Paris Descartes
  • Aymen HAJ KACEM, Institut supérieur de gestion
  • Lazhar LABIOD, Université Paris Descartes
  • Abdelhadi DANBA, K-mino