FastText
FastText est un cadre d'apprentissage pour l'intégration de mots (word embedding) et la classification de texte, développé par Facebook AI Research (Joulin, Bojanowski, Grave et Mikolov, 2016–2017). Il représente chaque mot comme la somme des vecteurs de ses n-grammes de caractères, ce qui lui permet de construire des représentations significatives pour des mots inconnus ou morphologiquement riches, et d'effectuer des classifications de texte avec une performance quasi-état de l'art, des ordres de grandeur plus rapidement que les alternatives basées sur des réseaux neuronaux profonds.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Joulin, A., Grave, E., Bojanowski, P. & Mikolov, T. (2017). Bag of Tricks for Efficient Text Classification. In Proceedings of EACL 2017, Short Papers, pp. 427–431. ACL. DOI: 10.18653/v1/e17-2068 ↗
- Bojanowski, P., Grave, E., Joulin, A. & Mikolov, T. (2017). Enriching Word Vectors with Subword Information. Transactions of the Association for Computational Linguistics, 5, 135–146. DOI: 10.1162/tacl_a_00051 ↗
- Goldberg, Y. (2017). Neural Network Methods for Natural Language Processing. Morgan & Claypool Publishers. ISBN: 978-1-62705-298-6
Comment citer cette page
ScholarGate. (2026, June 3). FastText: Subword-Level Word Embeddings and Efficient Text Classification. ScholarGate. https://scholargate.app/fr/deep-learning/fasttext
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Naive BayesApprentissage automatique↔ compare
- Word2VecFouille de textes↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →