Utilisation de l'apprentissage automatique pour la classification de courriels

点击翻译按钮获取中文摘要

ZEROSPAM est une compagnie montréalaise spécialisée dans le filtrage de courriel. De façon très spécifique,la compagnie offre un service de gestion des courriels entrants permettant de filtrer les pourriels. Il faut savoirqu'aujourd'hui le pourcentage de courriel indésirable approche le 90%. Pour effectuer le filtrage ZEROSPAMutilise en ce moment les métadonnées et une approche générique pour analyser le contenu des courriels.L'objectif de ce projet est d'augmenter significativement la qualité de la détection basée sur le contenu.La classification de texte court comme les courriels et les microbillets est un domaine de recherche actif entraitement des langages naturels. Le défi principal et propre au pourriel consiste en un contexte adversériel. Lesproducteurs de pourriel sont au fait des approches naïves qui permettent d'éliminer leurs messages et lessystèmes de classification doivent de ce fait, être de plus en plus raffinés.L'approche que nous allons utiliser repose sur des techniques de pointe en apprentissage profond. Lestechniques connexionnistes ont obtenu de très bons résultats au niveau de la modélisation du langage et dansdes tâches concrètes comme la traduction automatique. L'approche que nous préconisons est basée sur lesplongements vectoriels. Cette approche est basée sur une représentation vectorielle du vocabulaire ou la notionde distance est à la fois euclidienne et sémantique. Les techniques que nous allons développer ont le potentield'être utiles pour toute sorte de problèmes de classification comme l'analyse de sentiment, la classification parthème, à la fois dans les courriels, les bulletins de nouvelles et les micros billets.