Direction de recherche : Patrick GALLINARI

Co-encadrement : GAUSSIER Eric

Apprentissage de modèles latents avec des données partiellement étiquetées

L'apprentissage automatique a été utilisé pour diverses tâches d' accès à l' information, tels que la catégorisation, le clustering ou l' extraction d' information. Acquérir les données annotées nécessaires pour appliquer les techniques d' apprentissage supervisé est un défi majeur pour ces applications, en particulier pour les très grandes collections. L'annotation des données nécessite généralement l'effort humain et c'est donc très coûteux, en particulier dans les domaines techniques. Au cours des dernières années, deux grandes approches ont été explorées dans ce sens, l'apprentissage semi-supervisé et l'apprentissage actif. Les deux paradigmes abordent la question du coût d'annotation, mais de deux points de vue différents. D'une part, apprentissage semi-supervisé essaie d'apprendre en tenant compte à la fois des données annotées et non-annotées. D'autre part, l'apprentissage actif tente de trouver les meilleurs exemples à annoter, afin de réduire au minimum le nombre d'exemples annotés necessaire. Chacune des méthodes tentent de réduire l'effort humain d'annotation. Dans ce travail, nous abordons le problème de la réduction du coût annotation. En particulier, nous étudions des extensions de modèles d'aspect pour le tâche de la classification, où les données sont partiellement annotées. Nous proposons deux variants semi-supervisé de l'algorithme PLSA, qui incorporent un modèle d'erreur. Nous combinons ensuite ces algorithmes semi-supervisé avec deux algorithmes d'apprentissage actif. Nos modèles sont conçus comme des extensions de le système actuel pour la classification de Xerox. Nous évaluons les modèles proposés sur quatre bases de données, dont une en provenance d'un Business Group de Xerox.

Publications 2006-2015

• 2015
  • G. Tsatsaronis, G. Balikas, P. Malakasiotis, I. Partalas, M. Zschunke, M. Alvers, D. Weissenborn, A. Krithara, S. Petridis, D. Polychronopoulos, Y. Almirantis, J. Pavlopoulos, N. Baskiotis, P. Gallinari, Th. Artières, A.‑C. Ngonga Ngomo, N. Heino, E. Gaussier, L. Barrio‑Alvers, M. Schroeder, I. Androutsopoulos, G. Paliouras : “An overview of the BIOASQ large-scale biomedical semantic indexing and question answering competition”, BMC Bioinformatics, vol. 16 (1), pp. 138, (BioMed Central) (2015)
• 2011
  • A. Krithara, M.‑R. Amini, C. Goutte, J.‑M. Renders : “Learning Aspect Models with Partially Labeled Data”, Pattern Recognition Letters, vol. 32 (2), pp. 297-304, (Elsevier) (2011)
• 2008
  • A. Krithara : “Apprentissage de modèles latents avec des données partiellement étiquetées”, soutenance de thèse, soutenance 30/06/2008, direction de recherche Gallinari, Patrick, co-encadrement : Gaussier, Eric (2008)
  • A. Krithara, M.‑R. Amini, C. Goutte : “Semi-Supervised Document Classification with a Mislabeling Error Model”, European Conference on Information Retrieval (ECIR'08), vol. 4956, Lecture Notes in Computer Science, Glasgow, United Kingdom, pp. 370-381, (Springer) (2008)
• 2006
  • A. Krithara, C. Goutte, M.‑R. Amini, J.‑M. Renders : “Reducing the Annotation Burden in Text Classification”, 1^st International Conference on Multidisciplinary Information Sciences and Technologies, Merida, Spain, pp. 34-44 (2006)
  • A. Krithara, C. Goutte, M.‑R. Amini, J.‑M. Renders : “Active, Semi-Supervised Learning for Textual Information Access”, International Workshop on Intelligent Information Access (IIIA 2006), Helsinki, Finland, pp. 24-25 (2006)