1.1 KiB
1.1 KiB
Réaliser par Mathéo GUILBERT -- Octobre 2025 --
Journal de bord
Introduction
Le jeu de données utilisé est PleIAs/French-PD-Books.
Partie 1 : Classification
Deux approches :
- Entrainement du modèle sur des données brutes vectorisées
- Entrainement sur des données avec analyse de patrons sémantiques et stylistique préalable
Pronostiques :
Je pense que l'approche 2 donnera de meilleurs résultat que la première. Cepandant la deuxième nécessitera un travail d'exploration des données plus important.
Je pense également que la première approche peut facilement poser un problème de surapprentissage sur les indicateurs temporelles explicites tel que les dates ou les nom d'époque (renaissance, moyen age, ...).
Pour la méthode de vectorisation j'essaie deux méthodes :
- TF-IDF
- Embeddings
Pour ce qui est des modèles utilisé :
TF-IDF --> c'est le classifier Embeddings --> dangvantuan/sentence-camembert-base <-- Pour mon PC dangvantuan/sentence-camembert-large <-- Pour Morgoth