A transformer Based Company Document classification depending on the context

Abstract

Ce mémoire propose une exploration approfondie des solutions de classification de documents pour le stockage basé sur le cloud, en utilisant des modèles affinés pour la classification zero-shot et la classification de textes. Sur la base de l'architecture du Transformers, les encoder de Transformers et les architectures encodeur-décodeur sont utilisés pour améliorer les techniques de classification. À la lumière des limites existantes des méthodes actuelles de classification des documents, cette recherche s'efforce de faire progresser le développement de techniques plus efficaces et efficientes, en particulier dans le contexte des mégadonnées. L'enquête se concentre sur la résolution des problèmes liés aux étiquettes dynamiques lors de la classification, la gestion de documents volumineux et la réalisation d'une classification précise des documents structurés. De plus, cette recherche apporte de précieuses contributions au domaine de la classification des documents en générant des collections des données qui peuvent servir de ressources inestimables pour de futurs projets. Ces ressources facilitent l'évaluation et la comparaison de diverses techniques, favorisant davantage les progrès dans le domaine. Mots-clés : Classification de documents, Classification des textes, Classification Zero-shot, Transformers, Collection de documents d'entreprise.