BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//wp-events-plugin.com//7.4.3//EN
TZID:Europe/Paris
X-WR-TIMEZONE:Europe/Paris
BEGIN:VEVENT
UID:0-149@lisn.upsaclay.fr
DTSTART;TZID=Europe/Paris:20231219T143000
DTEND;TZID=Europe/Paris:20231219T173000
DTSTAMP:20231211T155958Z
URL:https://www.lisn.upsaclay.fr/evenements/granular-insights-into-financi
 al-discourse-fine-grained-opinion-analysis-of-expert-texts/
SUMMARY:Granular Insights into Financial Discourse: Fine-Grained Opinion An
 alysis of Expert Texts
DESCRIPTION:Jury\nMme Véronique MORICEAU\, MdC IRIT - Université Paul Sab
 atier - Toulouse 3\nM. Serge DAROLLES\, Prof. Université Paris Dauphine 
 – PSL\nM. Philippe GILLET\, MdC RITM - Faculté Jean Monnet - Universit
 é Paris-Saclay\nMme Elena CABRIO\, Prof. Université Côte d’Azur\, Inr
 ia\, CNRS\, I3S\n Bich-Liên DOAN Prof. CentraleSupelec\, PhD supervisor\n
 Dirk SCHUMACHER Dr\, Natixis\, PhD supervisor\nPatrick PAROUBEK Dr/HDR\, L
 ISN\, CNRS\, Université Paris-Saclay\, PhD supervisor\nRésumé\nLa thès
 e porte sur l'analyse automatique des textes écrits par les professionnel
 s de la finance.\nPuisque les sociétés cotées en bourse ont obligation 
 de communiquer sur leurs activités commerciales tous les quatre mois\, da
 ns ma thèse je capitalise sur les progrès récents en Intelligence Artif
 icielle pour analyser ce type de publications. Nous souhaitons connaître 
 les sujets qui préoccupent le plus les leaders de l'activité économique
 \, à propos de quoi sont ils optimistes/pessimistes. C'est à dire conna
 ître les "aspects" mentionnés par les acteurs et la polarité qu'ils leu
 rs associent. Actuellement\, les technologies les plus efficaces sont issu
 es du domaine du Traitement Automatique des Langues\, elles permettent aux
  ordinateurs d'accéder à une certaine compréhension du langage humain a
 u moyen d'algorithmes d'apprentissage à base de réseaux de neurones\, qu
 i sont souvent qualifiés de "boîtes-noires" à cause de leur faible pouv
 oir d'explicabilité. Grace à un apprentissage à partir d'exemples annot
 és par des humains\, des algorithmes efficaces d'apprentissage permettent
  à l'ordinateur d'apprendre à extraire les "aspects" et de leur attribue
 r une polarité (positive\, négative ou neutre). Ces  annotations manuell
 es servent aussi à l'évaluation des performances des algorithmes. Les ex
 périences réalisées dans cette thèse montrent que des données annoté
 es par des algorithmes peuvent aussi être utiles pour améliorer la préd
 iction des opinions.
CATEGORIES:STL
LOCATION:Rue Noetzlin 91190 Gif-sur-Yvette\, France
X-APPLE-STRUCTURED-LOCATION;VALUE=URI;X-ADDRESS=Rue Noetzlin 91190 Gif-sur-
 Yvette\, France;X-APPLE-RADIUS=100;X-TITLE=:geo:0,0
END:VEVENT
BEGIN:VTIMEZONE
TZID:Europe/Paris
X-LIC-LOCATION:Europe/Paris
BEGIN:STANDARD
DTSTART:20231029T020000
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
END:STANDARD
END:VTIMEZONE
END:VCALENDAR