@inproceedings{dinarelli-tellier-2016-etude,
title = "{\'E}tude des r{\'e}seaux de neurones r{\'e}currents pour {\'e}tiquetage de s{\'e}quences (A study of Recurrent Neural Networks for Sequence Labelling)",
author = "Dinarelli, Marco and
Tellier, Isabelle",
editor = "Danlos, Laurence and
Hamon, Thierry",
booktitle = "Actes de la conf{\'e}rence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Articles longs)",
month = "7",
year = "2016",
address = "Paris, France",
publisher = "AFCP - ATALA",
url = "https://aclanthology.org/2016.jeptalnrecital-long.8/",
pages = "98--111",
language = "fra",
abstract = "Dans cet article nous {\'e}tudions plusieurs types de r{\'e}seaux neuronaux r{\'e}currents (RNN) pour l'{\'e}tiquetage de s{\'e}quences. Nous proposons deux nouvelles variantes de RNN et nous les comparons aux variantes plus classiques de type Jordan et Elman. Nous expliquons en d{\'e}tails quels sont les avantages de nos nouvelles variantes par rapport aux autres RNN. Nous {\'e}valuons tous les mod{\`e}les, les nouvelles variantes ainsi que les RNN existants, sur deux t{\^a}ches de compr{\'e}hension de la parole : ATIS et MEDIA. Les r{\'e}sultats montrent que nos nouvelles variantes de RNN sont plus efficaces que les autres."
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="dinarelli-tellier-2016-etude">
<titleInfo>
<title>Étude des réseaux de neurones récurrents pour étiquetage de séquences (A study of Recurrent Neural Networks for Sequence Labelling)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Marco</namePart>
<namePart type="family">Dinarelli</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Isabelle</namePart>
<namePart type="family">Tellier</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2016-07</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Articles longs)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Laurence</namePart>
<namePart type="family">Danlos</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Thierry</namePart>
<namePart type="family">Hamon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>AFCP - ATALA</publisher>
<place>
<placeTerm type="text">Paris, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Dans cet article nous étudions plusieurs types de réseaux neuronaux récurrents (RNN) pour l’étiquetage de séquences. Nous proposons deux nouvelles variantes de RNN et nous les comparons aux variantes plus classiques de type Jordan et Elman. Nous expliquons en détails quels sont les avantages de nos nouvelles variantes par rapport aux autres RNN. Nous évaluons tous les modèles, les nouvelles variantes ainsi que les RNN existants, sur deux tâches de compréhension de la parole : ATIS et MEDIA. Les résultats montrent que nos nouvelles variantes de RNN sont plus efficaces que les autres.</abstract>
<identifier type="citekey">dinarelli-tellier-2016-etude</identifier>
<location>
<url>https://aclanthology.org/2016.jeptalnrecital-long.8/</url>
</location>
<part>
<date>2016-7</date>
<extent unit="page">
<start>98</start>
<end>111</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Étude des réseaux de neurones récurrents pour étiquetage de séquences (A study of Recurrent Neural Networks for Sequence Labelling)
%A Dinarelli, Marco
%A Tellier, Isabelle
%Y Danlos, Laurence
%Y Hamon, Thierry
%S Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 2 : TALN (Articles longs)
%D 2016
%8 July
%I AFCP - ATALA
%C Paris, France
%G fra
%F dinarelli-tellier-2016-etude
%X Dans cet article nous étudions plusieurs types de réseaux neuronaux récurrents (RNN) pour l’étiquetage de séquences. Nous proposons deux nouvelles variantes de RNN et nous les comparons aux variantes plus classiques de type Jordan et Elman. Nous expliquons en détails quels sont les avantages de nos nouvelles variantes par rapport aux autres RNN. Nous évaluons tous les modèles, les nouvelles variantes ainsi que les RNN existants, sur deux tâches de compréhension de la parole : ATIS et MEDIA. Les résultats montrent que nos nouvelles variantes de RNN sont plus efficaces que les autres.
%U https://aclanthology.org/2016.jeptalnrecital-long.8/
%P 98-111
Markdown (Informal)
[Étude des réseaux de neurones récurrents pour étiquetage de séquences (A study of Recurrent Neural Networks for Sequence Labelling)](https://aclanthology.org/2016.jeptalnrecital-long.8/) (Dinarelli & Tellier, JEP/TALN/RECITAL 2016)
ACL