Représentations de phrases interprétables avec autoencodeurs variationnels et attention

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F23%3A7JNFEA5W" target="_blank" >RIV/00216208:11320/23:7JNFEA5W - isvavai.cz</a>

Výsledek na webu

<a href="https://theses.hal.science/tel-04126269/" target="_blank" >https://theses.hal.science/tel-04126269/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Représentations de phrases interprétables avec autoencodeurs variationnels et attention

Popis výsledku v původním jazyce

"In this thesis, we develop methods to enhance the interpretability of recent representation learning techniques in natural language processing (NLP) while accounting for the unavailability of annotated data. We choose to leverage Variational Autoencoders (VAEs) due to their efficiency in relating observations to latent generative factors and their effectiveness in data-efficient learning and interpretable representation learning."

Název v anglickém jazyce

Représentations de phrases interprétables avec autoencodeurs variationnels et attention

Popis výsledku anglicky

"In this thesis, we develop methods to enhance the interpretability of recent representation learning techniques in natural language processing (NLP) while accounting for the unavailability of annotated data. We choose to leverage Variational Autoencoders (VAEs) due to their efficiency in relating observations to latent generative factors and their effectiveness in data-efficient learning and interpretable representation learning."

Druh

O - Ostatní výsledky

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

—

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů