| Titre : | Text annotation: machine learning and deep learning approaches |
| Auteurs : | MOHAMMED CHIKOUCHE Rihab, Auteur ; OUICI Hibat allah karima, Auteur ; .DOUMI Noureddine, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université de Saïda – Dr. Moulay Tahar – Faculté des Mathématiques, de l’Informatique et des Télécommunications, 2025/2026 |
| Format : | 103ص |
| Accompagnement : | CD |
| Langues: | Anglais |
| Index. décimale : | BUC-M 008547 |
| Catégories : |
Master en informatique Spécialité : Intelligence Artificielle Principe et application |
| Résumé : |
«Text Annotation : Machine Learning and Deep Learning Approaches»
is a dissertation that investigates the role of linguistic annotation in nat- ural language processing through Arabic part-of-speech tagging as a rep- resentative sequence-labeling task. To this end, a systematic comparison is conducted among four families of computational approaches: Support Vector Machines with handcrafted features, Long Short-Term Memory net- works, Bidirectional LSTM combined with Conditional Random Fields, and transformer-based models. Experiments are carried out on the Quranic Arabic Corpus, a richly annotated resource that provides explicit morpho- logical and grammatical information. The results show that the BiLSTM-CRF architecture achieves the best overall performance, with a test accuracy of 0.9585 and a macro F1-score of 0.8090, while the SVM model with contextual features remains com- petitive, reaching a macro F1-score of 0.8071. Analysis of rare-tag perfor- mance reveals persistent challenges across all models, as several infrequent grammatical categories receive zero F1-scores. These findings indicate that neural architectures with structured prediction capabilities are particularly well suited to Arabic POS tagging, and that model selection should take into account dataset size, morphological complexity, and the long-tailed distribution of linguistic categories. The study contributes a reproducible experimental framework and identifies concrete directions for improving annotation quality in morphologically rich languages. « Text Annotation : Machine Learning and Deep Learning Approaches » est une thèse qui étudie le rôle de l’annotation linguistique dans le trai- tement automatique des langues à travers l’étiquetage morpho-syntaxique de l’arabe, considéré comme une tâche représentative d’étiquetage de sé- quences. À cette fin, une comparaison systématique est menée entre quatre familles d’approches computationnelles : les machines à vecteurs de support avec des caractéristiques conçues manuellement, les réseaux Long Short- Term Memory, les modèles Bidirectional LSTM combinés avec des Condi- tional Random Fields, et les modèles fondés sur les transformeurs. Les expériences sont réalisées sur le Quranic Arabic Corpus, une ressource ri- chement annotée qui fournit des informations morphologiques et gramma- ticales explicites. Les résultats montrent que l’architecture BiLSTM-CRF obtient la meilleure performance globale, avec une précision de test de 0,9585 et un macro F1- score de 0,8090, tandis que le modèle SVM avec caractéristiques contex- tuelles reste compétitif, atteignant un macro F1-score de 0,8071. L’analyse des performances sur les étiquettes rares révèle des difficultés persistantes pour l’ensemble des modèles, plusieurs catégories grammaticales peu fré- quentes obtenant un score F1 nul. Ces résultats indiquent que les archi- tectures neuronales dotées de capacités de prédiction structurée sont par- ticulièrement adaptées à l’étiquetage morpho-syntaxique de l’arabe, et que le choix du modèle doit tenir compte de la taille du jeu de données, de la complexité morphologique et de la distribution à longue traîne des catégo- ries linguistiques. L’étude propose un cadre expérimental reproductible et identifie des pistes concrètes pour améliorer la qualité de l’annotation dans les langues à morphologie riche. |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 008547 Adobe Acrobat PDF |
