@@ -37,11 +37,11 @@ Analyser le titre et la liste d’ingrédients à l’aide d’un modèle NLP ou
## Description de la tâche
La tâche consiste à classifier des documents textuels en fonction de leur contenu. L'objectif est de prédire une catégorie donnée en s'appuyant sur des descripteurs textuels et des méthodes d'apprentissage automatique.
La tâche consiste à classifier des documents textuels en fonction de leur contenu. L'objectif de la tâche à effectué est de trouver automatiquement en fonction du titre et des instructions d'une recette s'il s'agit d'un Plat principal, une Entrée ou bien un Dessert. Vous avez à votre disposition un corpus de recettes de cuisines séparé en ensemble d'entrainement et de test.
Exemple de documents :
Dans les documents csv, on peut trouver ces lignes de données :
Dans les documents csv, on peut trouver ce genre de lignes de données :
-**recette_26585** : Croissants aux amandes, Dessert, Moyennement difficile, moyen, "- 250g de farine, ...", "La veille, préparer..."
-**recette_65190** : Quiche tomates, mozza, pancetta et pesto, Plat principal, Très facile, Bon marché, "- une pâte feuilletée, ...", "Préchauffer le four à 200°C..."
...
...
@@ -49,12 +49,12 @@ Dans les documents csv, on peut trouver ces lignes de données :
## Statistiques corpus
-**Nombre de documents** :
- Train : XXXX
- Test : XXXX
-**Répartition des étiquettes** :
- Catégorie A : XX%
- Catégorie B : XX%
- Catégorie C : XX%
- Train : 12474
- Test : 1388
-**Répartition des classes** :
- Classe Dessert : ~29%
- Classe Entrée : ~24%
- Classe Plat principal : ~47%
## Méthodes proposées
...
...
@@ -147,8 +147,5 @@ Bon score global, mais une confusion non négligeable avec la classe **Entrée**
#### 4. Quels sont les descripteurs les plus décisifs ?
On affiche les poids des features dans le modèle SVM.
