@inproceedings{Meftah-Semmar-Tamaazousti-Essafi-Sadat:TALN:2019,
    author = "Meftah, Sara and Semmar, Nasredine and Tamaazousti, Youssef and Essafi, Hassane and Sadat, Fatiha",
    title = "Exploration de l'apprentissage par transfert pour l'analyse de textes des r\'eseaux sociaux",
    booktitle = "Actes de la Conf\'erence sur le Traitement Automatique des Langues Naturelles. Volume 2 : Articles courts",
    month = "7",
    year = "2019",
    address = "Toulouse, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "293-302",
    note = "Exploring neural transfer learning for social media text analysis ",
    abstract = "L'apprentissage par transfert repr\'esente la capacit\'e qu'un mod\`ele neuronal entra{\^\i}n\'e sur une t\^ache \`a g\'en\'eraliser suffisamment et correctement pour produire des r\'esultats pertinents sur une autre t\^ache proche mais diff\'erente. Nous pr\'esentons dans cet article une approche fond\'ee sur l'apprentissage par transfert pour construire automatiquement des outils d'analyse de textes des r\'eseaux sociaux en exploitant les similarit\'es entre les textes d'une langue bien dot\'ee (forme standard d'une langue) et les textes d'une langue peu dot\'ee (langue utilis\'ee en r\'eseaux sociaux). Nous avons exp\'eriment\'e notre approche sur plusieurs langues ainsi que sur trois t\^aches d'annotation linguistique (\'etiquetage morpho-syntaxique, annotation en parties du discours et reconnaissance d'entit\'es nomm\'ees). Les r\'esultats obtenus sont tr\`es satisfaisants et montrent l'int\'er\^et de l'apprentissage par transfert pour tirer profit des mod\`eles neuronaux profonds sans la contrainte d'avoir \`a disposition une quantit\'e de donn\'ees importante n\'ecessaire pour avoir une performance acceptable.",
    keywords = "Apprentissage par transfert, Contenus des r\'eseaux sociaux, Langues peu dot\'ees,  Adaptation au domaine, \'Etiquetage morpho-syntaxique, Reconnaissance d'entit\'es nomm\'ees.",
    url = "http://talnarchives.atala.org/TALN/TALN-2019/67.pdf"
}