Ces dernières années, le nombre de documents et de textes complexes a connu une croissance exponentielle, nécessitant une compréhension approfondie des méthodes d’apprentissage automatique pour classer les textes avec précision dans de nombreuses applications. De nombreuses approches d’apprentissage automatique ont obtenu des résultats remarquables dans le domaine du traitement du langage naturel.
La classification de texte consiste à classer automatiquement un ensemble de documents dans plusieurs catégories prédéfinies en fonction de leur contenu et de leur sujet. L’objectif principal de la classification de texte est de permettre aux utilisateurs d’extraire des informations des ressources textuelles et de traiter conjointement des processus tels que la recherche, la classification et les techniques d’apprentissage automatique afin de classifier différentes catégories.
Le succès de ces algorithmes d’apprentissage repose sur leur capacité à comprendre des modèles complexes et des relations non linéaires dans les données. Cependant, identifier des structures, des architectures et des techniques adaptées pour la classification de texte constitue un défi pour les chercheurs.
Dans cet article, un aperçu des algorithmes de classification de texte est présenté. Cet aperçu couvre différentes méthodes
d’extraction des caractéristiques textuelles, des techniques de réduction de la dimensionnalité, des algorithmes et
techniques existants. Enfin, les différentes méthodes de classification de texte par apprentissage profond sont comparées et
résumées.

Auteurs : Hadjer MEZIANI , Sabah KIRAT

Téléchargement : PDF