Appariement de descripteurs évoluant en temps
Document type :
Autre communication scientifique (congrès sans actes - poster - séminaire...): Communication dans un congrès sans actes
Permalink :
Title :
Appariement de descripteurs évoluant en temps
Author(s) :
Bedenel, Anne-Lise [Auteur]
Biernacki, Christophe [Auteur]
Jourdan, Laetitia [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Biernacki, Christophe [Auteur]

Jourdan, Laetitia [Auteur]

Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Conference title :
48èmes Journées des Statistiques Française
City :
Montpellier
Country :
France
Start date of the conference :
2016-05-30
Keyword(s) :
Model averaging
Model selection
Bayesian dynamic network
Model selection
Bayesian dynamic network
HAL domain(s) :
Mathématiques [math]/Statistiques [math.ST]
French abstract :
Dans le domaine du web, et plus particulièrement de la comparaison d'assurance en ligne, les données évoluent constamment ce qui rend leur exploitation difficile. Par exemple, la plupart des méthodes d'apprentissage standards ...
Show more >Dans le domaine du web, et plus particulièrement de la comparaison d'assurance en ligne, les données évoluent constamment ce qui rend leur exploitation difficile. Par exemple, la plupart des méthodes d'apprentissage standards nécessitent des descripteurs de données identiques pour les échantillons d'apprentissage et test. Cependant, afin de répondre aux attentes métier, les formulaires en ligne d'où proviennent les données sont régulièrement modifiés. Cela implique une modification régulière des variables et des descripteurs de données qui complexifie les analyses. Dans ce travail, nous proposons une méthode permettant d'estimer et de comprendre les liens qui se forment lors de la modification des descripteurs de données afin de les apparier. Cette étape est préliminaire à l'application de nombreuses méthodes d'apprentissage ultérieures.Show less >
Show more >Dans le domaine du web, et plus particulièrement de la comparaison d'assurance en ligne, les données évoluent constamment ce qui rend leur exploitation difficile. Par exemple, la plupart des méthodes d'apprentissage standards nécessitent des descripteurs de données identiques pour les échantillons d'apprentissage et test. Cependant, afin de répondre aux attentes métier, les formulaires en ligne d'où proviennent les données sont régulièrement modifiés. Cela implique une modification régulière des variables et des descripteurs de données qui complexifie les analyses. Dans ce travail, nous proposons une méthode permettant d'estimer et de comprendre les liens qui se forment lors de la modification des descripteurs de données afin de les apparier. Cette étape est préliminaire à l'application de nombreuses méthodes d'apprentissage ultérieures.Show less >
English abstract : [en]
In the web domain, and in particular for insurance comparison, data constantly evolve, implying that it is dicult to directly exploit them. For example, to do a classication, performing standard learning processes require ...
Show more >In the web domain, and in particular for insurance comparison, data constantly evolve, implying that it is dicult to directly exploit them. For example, to do a classication, performing standard learning processes require data descriptor equal for both learning and test samples. Indeed, for answering to web surfer expectation, online forms whence data come from are regularly modied. So, features and data descriptors are also regularly modied. In this work, we introduce a process to estimate and understand connections between transformed data descriptors. This estimated matching between descriptors will be a preliminary step before applying later classical learning methods.Show less >
Show more >In the web domain, and in particular for insurance comparison, data constantly evolve, implying that it is dicult to directly exploit them. For example, to do a classication, performing standard learning processes require data descriptor equal for both learning and test samples. Indeed, for answering to web surfer expectation, online forms whence data come from are regularly modied. So, features and data descriptors are also regularly modied. In this work, we introduce a process to estimate and understand connections between transformed data descriptors. This estimated matching between descriptors will be a preliminary step before applying later classical learning methods.Show less >
Language :
Français
Audience :
Nationale
Popular science :
Non
Administrative institution(s) :
CNRS
Centrale Lille
Université de Lille
Centrale Lille
Université de Lille
Submission date :
2020-06-08T14:10:40Z
2020-06-09T09:43:57Z
2020-06-09T09:43:57Z
Files
- documen
- Open access
- Access the document