Classifications de textes

Classification des mails des contribuables français adressés à l'administration

Contenu

Ce répertoire un ensemble de fonctions permettant de classifier les mails des contribuables français.

Il explore 4 méthodes différentes :

• La classification d'un embeding de mots (TD-IDF)
• La classification d'un embeding de mots en tenant compte du contexte de la phrase (Word2Vec)
• La classification d'un embeding de phrases (masked language modelling : BERT)
• La classification zero-shot

Il est organisé comme suite :

• le dossier "src" contient les scripts implémentant les différentes méthodes
• le dosser "notebook" les applique sur un jeu de données d'exemple

Utilisation

git clone <repo_url>
pip install -r requirements.txt