 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Yuan, X., Côté, M.-A., Fu, J., Lin, Z., Pal, C. J., Bengio, Y., & Trischler, A. (novembre 2019). Interactive language learning by question answering [Communication écrite]. Conference on Empirical Methods in Natural Language Processing and 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP 2019), Hong Kong, China. Lien externe
Yuan, X., Fu, J., Côté, M.-A., Tay, Y., Pal, C. J., & Trischler, A. (juillet 2020). Interactive Machine Comprehension with Information Seeking Agents [Communication écrite]. 58th Annual Meeting of the Association for Computational Linguistics (ACL 2020). Lien externe
Ke, N. R., Zoma, K., Sordoni, A., Lin, Z., Trischler, A., Bengio, Y., Pineau, J., Charlin, L., & Pal, C. J. (juillet 2018). Focused hierarchical RNNs for conditional sequence processing [Communication écrite]. 35th International Conference on Machine Learning (ICML 2018), Stockholm, Sweden. Lien externe
Subramanian, S., Trischler, A., Bengio, Y., & Pal, C. J. (avril 2018). Learning general purpose distributed sentence representations via large scale multitask learning [Communication écrite]. 6th International Conference on Learning Representations (ICLR 2018), Vancouver, BC, Canada. Lien externe
Subramanian, S., Rajeswar, S., Sordoni, A., Trischler, A., Courville, A., & Pal, C. J. (décembre 2018). Towards text generation with adversarially learned neural outlines [Communication écrite]. 32nd Conference on Neural Information Processing Systems (NIPS 2018), Montréal, Canada (13 pages). Lien externe
Serdyuk, D., Ke, N. R., Sordoni, A., Trischler, A., Pal, C. J., & Bengio, Y. (avril 2018). Twin Networks: Matching the future for sequence generation [Communication écrite]. 6th International Conference on Learning Representations (ICLR 2018), Vancouver, BC, Canada (12 pages). Lien externe
