La classification des textes arabes en utilisant l’apprentissage profond

Abstract

La classification automatique de textes connaît ces derniers temps un fort regain d’intérêt. Cela est dû essentiellement à la forte croissance des documents numériques disponibles et à la nécessité de les organiser de façon rapide. Dans ce travail nous abordons le problème de la classification des textes arabes. Nous avons développé trois modèles basés sur l’apprentissage profond. Le premier est un modèle LSTM que nous avons considéré comme modèle de base, le deuxième est un modèle BILSTM et le dernier est un modèle GRU. Les trois modèles utilisent plusieurs méthodes de représentations de textes comme la représentation en ngrams ou la représentation en word2vec. Les tests ont montrés que le modèle BILSTM a donné de bons résultats en termes de précision de la classification.

Mots clés : Classification textes arabes, Deep learning , Dataset, méthode de représentation, modèle de l’apprentissage profond, réseau de neurone récurent.