Contribution à l'extraction de contradictions techniques depuis un corpus de brevets propre à un domaine par l'usage des techniques du traitement automatique des langues
Langue Français
Langue Français
Accéder à la thèse :
Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Modalités de diffusion de la thèse :
- Thèse soumise à l'embargo de l'auteur : embargo illimité (communication intranet).
Auteur : Berdyugina, Daria
Date de soutenance : 15-12-2022
Directeur(s) de thèse : Cavallucci, Denis - Coulibaly, Amadou
Président : Le Ber, Florence
Rapporteur(s) : Zanni-Merk, Cecilia - Lamirel, Jean-Charles
Membre(s) du jury : Camargo-Pardo, Mauricio
Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Date de soutenance : 15-12-2022
Directeur(s) de thèse : Cavallucci, Denis - Coulibaly, Amadou
Président : Le Ber, Florence
Rapporteur(s) : Zanni-Merk, Cecilia - Lamirel, Jean-Charles
Membre(s) du jury : Camargo-Pardo, Mauricio
Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Discipline : Génie Industriel – Conception
Classification : Informatique, Fabrication industrielle
Mots-clés libres : TAL, TRIZ, Méthode de Conception Inventive, Apprentissage profond
Mots-clés :
Classification : Informatique, Fabrication industrielle
Mots-clés libres : TAL, TRIZ, Méthode de Conception Inventive, Apprentissage profond
Mots-clés :
- Méthode TRIZ
- Apprentissage profond
- Traitement automatique du langage naturel
Type de contenu : Text
Format : PDF
Format : PDF
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2022STRAD049
Type de ressource : Thèse
Identifiant : 2022STRAD049
Type de ressource : Thèse