Enchancing LDA for Ontology Learning

Enchancing LDA for Ontology Learning

Cette thèse vise à tirer profit du modèle sémantique LDA pour améliorer la conceptualisation des termes en vue de l apprentissage d ontologie à partir de textes, où des termes similaires sont regroupés en fonction de concepts de base prédéfinis. Nous avons exploré le cadre classique du regroupement...

Description complète

Enregistré dans:
Détails bibliographiques
Auteurs principaux : Xu Ziwei (Auteur), Guillet Fabrice Maître de conférences (Directeur de thèse), Harzallah Mounira (Directeur de thèse), Berio Giuseppe (Président du jury de soutenance), Velcin Julien (Rapporteur de la thèse), Karray Mohamed Hedi (Rapporteur de la thèse), Ichise Ryutaro (Membre du jury)
Collectivités auteurs : Université de Nantes 1962-2021 (Organisme de soutenance), École doctorale Mathématiques et sciences et technologies de l'information et de la communication Rennes (Ecole doctorale associée à la thèse), Laboratoire des Sciences du Numérique de Nantes (Laboratoire associé à la thèse)
Format : Thèse ou mémoire
Langue : anglais
Titre complet : Enchancing LDA for Ontology Learning / Ziwei Xu; sous la direction de Fabrice Guillet et de Mounira Harzallah
Publié : 2021
Accès en ligne : Accès Nantes Université
Note sur l'URL : Accès au texte intégral
Note de thèse : Thèse de doctorat : Informatique : Nantes : 2021
Sujets :
LDAP (protocole de réseaux d'ordinateurs)
Ontologies (informatique)
Prior knowledge embedding
Thèses et écrits académiques

Internet

http://www.theses.fr/2021NANT4007/document