@inproceedings{Guibon-Labeau-Flamein-Lefeuvre-Clavel:TALN:2021,
    author = {Guibon, Ga\"el and Labeau, Matthieu and Flamein, H\'el\`ene and Lefeuvre, Luce and Clavel, Chlo\'e},
    title = "M\'eta-apprentissage : classification de messages en cat\'egories \'emotionnelles inconnues en entra{\^\i}nement",
    booktitle = "Actes de la 28e Conf\'erence sur le Traitement Automatique des Langues Naturelles. Volume 1 : Articles courts",
    month = "6",
    year = "2021",
    address = "Lille, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "94-103",
    note = "Meta-learning : Classifying Messages into Unseen Emotional Categories",
    abstract = "Dans cet article nous reproduisons un sc\'enario d'apprentissage selon lequel les donn\'ees cibles ne sont pas accessibles et seules des donn\'ees connexes le sont. Nous utilisons une approche par m\'eta-apprentissage afin de d\'eterminer si les m\'eta-informations apprises \`a partir de messages issus de m\'edias sociaux, finement annot\'es en \'emotions, peuvent produire de bonnes performances une fois utilis\'ees sur des messages issus de conversations, \'etiquet\'es en \'emotions avec une granularit\'e diff\'erente. Nous mettons \`a profit l'apprentissage sur quelques exemples (few-shot learning) pour la mise en place de ce sc\'enario. Cette approche se montre efficace pour capturer les m\'eta-informations d'un jeu d'\'etiquettes \'emotionnelles pour pr\'edire des \'etiquettes jusqu'alors inconnues au mod\`ele. Bien que le fait de varier le type de donn\'ees engendre une baisse de performance, notre approche par m\'eta-apprentissage atteint des r\'esultats d\'ecents compar\'es au r\'ef\'erentiel d'apprentissage supervis\'e.",
    keywords = "classification en \'emotions, m\'eta-apprentissage, apprentissage sur peu d'exemples.",
    url = "http://talnarchives.atala.org/TALN/TALN-2021/119.pdf"
}