Yagmur Gizem Cinar - Prédiction de Séquences basée sur des Réseaux de Neurones Récurrents dans le Contexte des Séries Temporelles et des Sessions de Recherche d'Information

09:00
Mercredi
20
Fév
2019
  • Soutenance de thèse
Lieu : 
Organisé par : 
Yagmur Gizem Cinar
Intervenant : 
Yagmur Gizem Cinar
Mots clés : 
  • Apprentissage automatique
  • recherche d'informations
  • réseaux de neurones récurrents
  • mécanisme d’attention
  • prévision de séries temporelles
  • prédiction de la requête suivante

 

Jury :

  • Lynda Tamine-Lechani, professeur des universités, Université Paul Sabatier, rapporteur
  • Patrick Gallinari, professeur des universités, Sorbonne Université, rapporteur
  • Fabio Crestani, professeur, Università della Svizzera Italiana, examinateur
  • Vadim Strijov, professeur, Moscow Institute of Physics and Technology, examinateur
  • Ahlame Douzal, maître de conférences, Université Grenoble Alpes, examinateur
  • Julien Perez, Lead Researcher, Naver Labs Europe, invité
  • Eric Gaussier, PREX, Université Grenoble Alpes, directeur de thèse

 

Cette thèse examine les défis de la prédiction de séquence dans différents scénarios, tels que la prédiction de séquence à l'aide de réseaux de neurones récurrents (RNN) dans le contexte de séries temporelles et de sessions de recherche d'informations (RI). La prédiction des valeurs inconnues qui suivent certaines valeurs précédemment observées est appelée prédiction de séquence. Elle est largement applicable à de nombreux domaines où un comportement séquentiel est observé dans les données. Dans cette étude, nous nous concentrons sur deux tâches différentes de prédiction de séquences : la prévision de séries temporelles et la prédiction de la requête suivante dans une session de recherche d'informations.