Pposition d’une approche basée sur l’apprentissage supervisée pour la classification multi-étiquettes du texte arabe

Abstract

Ce mémoire de fin d’étude se concentre sur la classification multi-étiquettes en arabe dans le domaine du traitement automatique du langage naturel (TALN). Nous proposons une approche avant-gardiste qui exploite la corrélation entre les différentes classes du jeu de données pour améliorer les performances de classification. Malgré les défis rencontrés, notre travail contribue à l’avancement du TALN en arabe en offrant de nouvelles perspectives pour la recherche future. Les résultats de nos expérimentations soulignent les complexités spécifiques de la langue arabe et mettent en évidence les obstacles inhérents à la classification du texte et à l’implémentation technique. Notre mémoire constitue une référence précieuse pour les chercheurs et praticiens intéressés par la classification multi-étiquettes en arabe, en fournissant des enseignements sur les difficultés rencontrées et les possibilités d’amélioration. Mots clés : classification multi-étiquettes, traitement automatique du langage naturel de la langue arabe, corrélation, classification du texte.