@inproceedings{Sabry-Dias-Ghassany-Chaieb-Chakchouk-Hasanuzzaman:CORIA-TALN-2026:2026,
    author = {Sabry, Soumaya and Dias, Ga\"el and Ghassany, Mohamad and Chaieb Chakchouk, Faten and Hasanuzzaman, Mohammed},
    title = "Am\'elioration de la Classification d{\textquoteright}Auteur par l'Apprentissage du Style Linguistique Personnalis\'e en Discours Oral",
    booktitle = "Actes de CORIA-TALN 2026. Actes de la 21e Conf\'erence en Recherche d'Information et Applications.  Volume 1 : articles scientifiques originaux",
    month = "6",
    year = "2026",
    address = "Nantes, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "72-86",
    note = "",
    abstract = "Le style linguistique personnalis\'e (SLP) constitue une manifestation de la synchronisation interpersonnelle et suscite un int\'er\^et croissant en raison de son potentiel \`a renforcer le caract\`ere humain des syst\`emes de traitement automatique des langues. Toutefois, peu de m\'ethodes permettent de mod\'eliser efficacement le style individuel dans le contexte du langage oral.
Dans cet article, nous mettons en \'evidence l{\textquoteright}importance du SLP \`a travers son application \`a la classification d{\textquoteright}auteur, en proposant une approche int\'egrant explicitement l{\textquoteright}information stylistique afin d{\textquoteright}am\'eliorer les performances. Nous incorporons le SLP dans des mod\`eles transformeurs pr\'e-entra{\^\i}n\'es selon deux strat\'egies : l{\textquoteright}affinage supervis\'e avec la fonction de perte d'entropie crois\'ee et l{\textquoteright}apprentissage contrastif via une architecture siamoise.
Nos r\'esultats montrent que l{\textquoteright}int\'egration du style linguistique oral personnalis\'e am\'eliore significativement la pr\'ecision de classification par rapport aux mod\`eles ne prenant pas en compte les indices stylistiques, surpassant \'egalement les performances humaines.",
    keywords = "Apprentissage de repr\'esentations, Apprentissage par transfert, Apprentissage profond, Traitement automatique du langage naturel, Style linguistique personnalis\'e",
    url = "30011.pdf"
}