LIRMM@DEFT-2018 -- Mod\`ele de classification de la vectorisation des documents (LIRMM DEFT-2018 -- Document Vectorization Classification model )
Dans ce papier, nous d{\'e}crivons notre participation au d{\'e}fi d{'}analyse de texte DEFT 2018. Nous avons particip{\'e} {\`a} deux t{\^a}ches : (i) classification transport/non-transport et (ii) analyse de polarit{\'e} globale des tweets : positifs, negatifs, neutres et mixtes. Nous avons exploit{\'e} un r{\'e}seau de neurone bas{\'e} sur un perceptron multicouche mais utilisant une seule couche cach{\'e}e.
PDF AbstractDatasets
Add Datasets
introduced or used in this paper
Results from the Paper
Submit
results from this paper
to get state-of-the-art GitHub badges and help the
community compare results to other papers.
Methods
No methods listed for this paper. Add
relevant methods here