zwanto
commited on
Commit
·
0ea58e2
1
Parent(s):
4b9ec57
fix typo
Browse files
README.md
CHANGED
@@ -20,11 +20,11 @@ tags:
|
|
20 |
# Classification d'articles de presses avec Flaubert :fire:
|
21 |
|
22 |
Ce modèle ce base sur le modèle [`flaubert/flaubert_base_cased`](https://huggingface.co/flaubert/flaubert_base_cased) à et à été fine-tuné en utilisant des articles de presses issus de la base de données MLSUM.
|
23 |
-
Dans leur papier, les équipes de
|
24 |
|
25 |
-
Les topics ont été exraient à partir des URL et nous avons effectué une
|
26 |
|
27 |
-
Nous avons finalement utilisé la liste de
|
28 |
* Culture
|
29 |
* Economie
|
30 |
* Education
|
@@ -38,7 +38,7 @@ Nous avons finalement utilisé la liste de topic suivant:
|
|
38 |
|
39 |
## Entrainement
|
40 |
|
41 |
-
Nous avons benchmarké différents modèles en les entrainants sur différentes parties
|
42 |
|
43 |

|
44 |
|
@@ -47,7 +47,7 @@ Les modèles ont été entrainé sur un cloud Azure avec des Tesla V100.
|
|
47 |
## Résulats
|
48 |
|
49 |

|
50 |
-
*Les lignes correspondent aux labels
|
51 |
|
52 |
## Utilisation
|
53 |
|
|
|
20 |
# Classification d'articles de presses avec Flaubert :fire:
|
21 |
|
22 |
Ce modèle ce base sur le modèle [`flaubert/flaubert_base_cased`](https://huggingface.co/flaubert/flaubert_base_cased) à et à été fine-tuné en utilisant des articles de presses issus de la base de données MLSUM.
|
23 |
+
Dans leur papier, les équipes de reciTAL et de la Sorbonne ont proposé comme ouverture de faire de la détection de topic sur les articles de presses.
|
24 |
|
25 |
+
Les topics ont été exraient à partir des URL et nous avons effectué une étape de regroupement de topics pour éléminer ceux avec un trop faible volume et ceux qui paraissaient redondants.
|
26 |
|
27 |
+
Nous avons finalement utilisé la liste de topics suivant:
|
28 |
* Culture
|
29 |
* Economie
|
30 |
* Education
|
|
|
38 |
|
39 |
## Entrainement
|
40 |
|
41 |
+
Nous avons benchmarké différents modèles en les entrainants sur différentes parties des articles (titre, résumé, corps et titre+résumé) et avec des échantillons d'apprentissage de tailles différentes.
|
42 |
|
43 |

|
44 |
|
|
|
47 |
## Résulats
|
48 |
|
49 |

|
50 |
+
*Les lignes correspondent aux labels prédits et les colonnes aux véritables topics. Les pourcentages sont calculés sur les colonnes.*
|
51 |
|
52 |
## Utilisation
|
53 |
|