克里斯托夫·塞万
人员信息
优化列表
2020年–今天
2024 [公元38年] 内斯琳·班诺 , 克里斯托夫·塞万 , 奥雷利·内维尔 , 泽维尔·坦尼尔 :
法语临床命名实体识别的基准评估。 LREC/冷却 2024 : 14-21 [公元37年] 克里斯托夫·塞万 , 萨哈尔·甘奈 , 苏菲·罗塞特 :
mALBERT:紧凑的多语言BERT模型仍然值得吗? LREC/冷却 2024 : 11023-11029 [公元36年] 纳德盖·阿拉沃因 , 盖尔·拉佩里埃 , 克里斯托夫·塞万 , 萨哈尔·甘奈 , 苏菲·罗塞特 :
法语口语理解媒体基准的新语义任务。 LREC/冷却 2024 : 12227-12246 [公元35年] 皮埃尔·莱帕尼奥尔 , 托马斯·杰拉尔德 , 萨哈尔·甘奈 , 克里斯托夫·塞万 , 苏菲·罗塞特 :
小型语言模型也很好:零镜头分类的实证研究。 LREC/冷却 2024 : 14923-14936 [公元34年] 拉巴·阿尔哈利法 , Hsuvas Borkakoty公司 , 罗曼·德维奥 , Alaa El-Ebshihy公司 , 路易斯·埃斯皮诺萨·安克 , 托比亚斯·芬克 , 加布里埃拉·冈萨雷斯 , 佩特拉·加卢沙科娃 , 洛兰·戈里奥特 , 大卫·伊奥米 , 玛丽亚·利亚卡塔 , 哈里什·塔亚尔·马达布西 , 巴勃罗·麦迪纳·阿利亚斯 , 菲利普·穆勒姆 , 弗洛里娜·皮罗伊 , 马丁·波普尔 , 克里斯托夫·塞万 , Arkaitz Zubiaga公司 :
LongEval:CLEF 2024模型性能的纵向评估。 ECIR(6) 2024 : 60-66 【i15】 克里斯托夫·塞万 , 萨哈尔·甘奈 , 苏菲·罗塞特 :
mALBERT:紧凑的多语言BERT模型仍然值得吗? CoRR公司 腹肌/240318338 ( 2024 ) [第14条] 内斯琳·班诺 , 克里斯托夫·塞万 , 奥雷利·内维尔 , 泽维尔·坦尼尔 :
法语临床命名实体识别的基准评估。 CoRR公司 abs/2403.19726 ( 2024 ) [i13] 纳德盖·阿拉沃因 , 盖尔·拉佩里埃 , 克里斯托夫·塞万 , 萨哈尔·甘奈 , 苏菲·罗塞特 :
法语口语理解媒体基准的新语义任务。 CoRR公司 abs/2403.19727 ( 2024 ) [i12] 皮埃尔·勒帕诺尔 , 托马斯·杰拉尔德 , 萨哈尔·甘奈 , 克里斯托夫·塞万 , 苏菲·罗塞特 :
小型语言模型也很好:零镜头分类的实证研究。 CoRR公司 abs/2404.11122 ( 2024 ) 2023 [公元33年] 拉巴·阿尔哈利法 , 伊曼·穆尼尔·比拉尔 , Hsuvas Borkakoty公司 , 何塞·卡马乔·科拉多斯 , 罗曼·德维奥 , Alaa El-Ebshihy公司 , 路易斯·埃斯皮诺萨·安克 , 加布里埃拉·冈萨雷斯 , 佩特拉·加卢沙科娃 , 洛兰·戈里奥特 , 埃琳娜·科奇基纳 , 玛丽亚·利亚卡塔 , 丹尼尔·卢雷罗 , 菲利普·穆勒姆 , 弗洛里娜·皮罗伊 , 马丁·波普尔 , 克里斯托夫·塞万 , 哈里什·塔亚尔·马达布西 , Arkaitz Zubiaga公司 :
CLEF-2023 LongEval实验室模型性能纵向评估概述。 CLEF公司 2023 : 440至458 [公元32年] 拉巴·阿尔哈利法 , 伊曼·穆尼尔·比拉尔 , Hsuvas Borkakoty公司 , 何塞·卡马乔·科拉多斯 , 罗曼·德维奥 , Alaa El-Ebshihy公司 , 路易斯·埃斯皮诺萨·安克 , 加布里埃拉·尼科尔·冈萨雷斯 , 佩特拉·加卢沙科娃 , 洛兰·戈里奥特(Lorraine Goeuriot) , 埃琳娜·科奇基纳 , 玛丽亚·利亚卡塔 , 丹尼尔·卢雷罗 , 菲利普·穆勒姆 , 弗洛里娜·皮罗伊 , 马丁·波普尔 , 克里斯托夫·塞万 , 哈里什·塔亚尔·马达布西 , Arkaitz Zubiaga公司 :
CLEF-2023 LongEval实验室关于模型性能纵向评估的扩展概述。 CLEF(工作注释) 2023 : 2181-2203 [公元31年] 拉巴·阿尔哈利法 , 伊曼·穆尼尔·比拉尔 , Hsubhas Borkakoty公司 , 何塞·卡马乔·科拉多斯 , 罗曼·德维奥 , Alaa El-Ebshihy公司 , 路易斯·埃斯皮诺萨·安克 , 加布里埃拉·冈萨雷斯 , 佩特拉·加卢沙科娃 , 洛兰·戈里奥特 , 埃琳娜·科奇基纳 , 玛丽亚·利亚卡塔 , 丹尼尔·卢雷罗 , 哈里什·塔亚尔·马达布西 , 菲利普·马赫姆 , 弗洛里娜·皮罗伊 , 马丁·波普尔 , 克里斯托夫·塞万 , Arkaitz Zubiaga公司 :
LongEval:CLEF 2023模型性能的纵向评估。 ECIR(3) 2023 : 499-505 [电子2] 克里斯托夫·塞万 , 安妮·维纳特 :
CORIA-TALN 2023法案。 法国巴黎,《自然语言悲剧自动协调法案》(Actes de la 30e Conférence sur le Traitement Automatique des Langues Naturelles),TALN 2023年第1卷:《原初的悲剧》(travaux de recherche originaux),文章集,法国巴黎,2023年6月5日至9日。 阿塔拉 2023 [目录] [电子1] 克里斯托夫·塞万 , 安妮·维纳特 :
CORIA-TALN 2023法案。 法国巴黎,《自然语言悲剧自动控制法案》(Actes de la 30e Conférence sur le Traitement Automatique des Langues Naturelles),TALN 2023年第2卷:《原产物品法院》(travaux de recherche originaux),法国巴黎,2023年6月5日至9日。 阿塔拉 2023 [目录] 2022 [公元30年] Oralie Cattan公司 , 克里斯托夫·塞万 , 苏菲·罗塞特 :
基于Transformers的法语问答任务抽象模型的可用性。 圆形 2022 [公元29年] Oralie Cattan公司 , 萨哈尔·甘奈 , 克里斯托夫·塞万 , 苏菲·罗塞特 :
对法语口语理解任务中基于转换的模型进行基准测试。 INTERSPEECH公司 2022 : 1238-1242 [i11] 奥拉利·卡坦 , 克里斯托夫·塞万 , 苏菲·罗塞特 :
关于法语问答任务中基于Transformers的模型的可用性。 CoRR公司 abs/2207.09150 ( 2022 ) [i10] 奥拉利·卡坦 , 萨哈尔·甘奈 , 克里斯托夫·塞万 , 苏菲·罗塞特 :
对法语口语理解任务中基于转换的模型进行基准测试。 CoRR公司 abs/2207.09152 ( 2022 ) [i9] 奥拉利·卡坦 , 克里斯托夫·塞万 , 苏菲·罗塞特 :
关于跨NLU任务的多语言原型模型的跨语言迁移性。 CoRR公司 腹肌/2207.09157 ( 2022 ) 2021 [公元28年] 奥拉利·卡坦 , 克里斯托夫·塞万 , 苏菲·罗塞特 :
法语问答任务中基于转换者的模型的可用性。 RANLP公司 2021 : 244-255 2020 [公元27年] 萨哈尔·甘奈 , 克里斯托夫·塞万 , 苏菲·罗塞特 :
神经网络方法专注于法语口语理解:应用于媒体评估任务。 冷却 2020 : 2722-2727 [公元26年] 埃斯特尔·莫代特 , 克里斯托夫·塞万 :
互联网上的用户意图检测概念(为Web搜索引擎设计用户意图检测系统)。 JEP-TALN-RECITAL(演示) 2020 : 50-52
2010 – 2019
2019 [公元25年] 瓦伦汀·麦凯 , 克里斯托夫·塞万 :
在神经机器翻译中使用整个文档上下文。 IWSLT公司 2019 [公元24年] 埃斯特尔·莫代特 , 奥拉利·卡坦 , Maureen de Seyssel女士 , 克里斯托夫·塞万 :
Qwant Research@DEFT 2019:临床部分的文件和信息提取(使用临床病例进行文件匹配和信息检索)。 PFIA(Défi Fouille de Textes) 2019 : 67-80 [i8] 马克西姆·波塔兹 , Hicham Randrianarivo公司 , 阿德里安·尼瓦吉奥利 , 埃斯特尔·莫代特 , 克里斯托夫·塞万 , 西尔万·佩伦内特 :
使用多语言文本的图像搜索:图像和文本之间的跨模式学习方法Maxime Portaz Qwant Research。 CoRR公司 abs/1903.11299 ( 2019 ) [i7] 埃斯特尔·莫代特 , 奥拉利·卡坦 , 莫琳·德·塞塞尔 , 克里斯托夫·塞万 :
Qwant Research@DEFT 2019:使用临床病例进行文档匹配和信息检索。 CoRR公司 abs/1907.05790 ( 2019 ) [i6] 瓦伦汀·麦凯 , 克里斯托夫·塞万 :
在神经机器翻译中使用整个文档上下文。 CoRR公司 abs/1910.07481 ( 2019 ) 2017 【c23】 克里斯托夫·塞万 , 凯瑟琳·科布斯 , 邓永超 , 西里尔·图菲特 , 金正日(Jungi Kim) , 伊内斯·卡普 , 贾梅尔·莫斯特法 , 约塞普·玛丽亚·克雷戈 , 奥雷连·科夸德 , 让·塞内拉特 :
基于推特的概念“统一解决方案检测”(Tweeter事件检测解决方案的设计)。 TALN(3) 2017 : 19-20 [公元22年] 克里斯托夫·塞万 , 约塞普·玛丽亚·克雷戈 , 让·塞内拉特 :
适应增强了传统神经病变模型(神经机器翻译模型的增量适应)。 TALN(2) 2017 : 218-225 【c21】 邓永超 , 金正日(Jungi Kim) , 纪尧姆·克莱因 , 凯瑟琳·科布斯 , 纳塔莉亚·西格尔 , 克里斯托夫·塞万 , 王波(Bo Wang) , 张大坤 , 约塞普·玛丽亚·克雷戈 , 让·塞内拉特 :
用于WMT2017的SYSTRAN纯神经MT引擎。 WMT公司 2017 : 265-270 [i5] 邓永超 , 金正日(Jungi Kim) , 纪尧姆·克莱因 , 凯瑟琳·科布斯 , 纳塔莉亚·西格尔 , 克里斯托夫·塞万 , 王波(Bo Wang) , 张大坤 , 约塞普·玛丽亚·克雷戈 , 让·塞内拉特 :
用于WMT2017的SYSTRAN纯神经MT引擎。 CoRR公司 abs/1709.03814 ( 2017 ) 2016 [公元20年] 克里斯托夫·塞万 , 亚历山大·贝拉德 , 齐伊德·埃卢米 , 埃尔维·布兰雄 , 劳伦特·贝萨西尔 :
Word2Vec vs DBnary:使用向量表示或词汇资源增强METEOR? 冷却 2016 : 1159-1168 [第19条] Ngoc-Tien Le公司 , 克里斯托夫·塞万 , 本杰明·勒库托 , 劳伦特·贝萨西尔 :
使用单词嵌入更好地评估语音翻译上下文中的ASR。 INTERSPEECH公司 2016 : 2538-2542年 [第18条] 亚历山大·贝拉德 , 克里斯托夫·塞万 , 奥利维尔·皮特金 , 劳伦特·贝萨西尔 :
MultiVec:面向NLP的多语言和多级表示学习工具包。 LREC公司 2016 [第17条] 克里斯托夫·塞万 , 齐伊德·埃卢米 , 埃尔维·布兰雄 , 劳伦特·贝萨西尔 :
Word2Vec vs DBnary ou comment(ré)consolier representations distributues et réseaux lexico-sémantiques? Le cas de l’évaluation en traduction automatique(Word2Vec vs DBnary或如何将向量表示和词汇资源结合起来?机器翻译评估的案例研究)。 JEP-TALN-RECITAL(2) 2016 : 304-317 [i4] 克里斯托夫·塞万 , 亚历山大·贝拉德 , 齐伊德·埃卢米 , 埃尔维·布兰雄 , 劳伦特·贝萨西尔 :
Word2Vec vs DBnary:使用向量表示或词汇资源增强METEOR? CoRR公司 abs/1610.01291 ( 2016 ) [i3] 约塞普·玛丽亚·克雷戈 , 金正日(Jungi Kim) , 纪尧姆·克莱因 , 阿纳贝尔·雷波洛 , 凯西·杨 , 让·塞内拉特 , 埃戈尔·阿哈诺夫 , 帕特里斯·布鲁内尔 , 奥雷连·科夸德 , 邓永超 , 伊努埃(Satoshi Enoue) , 奇约·盖斯 , 约书亚·约翰逊 , 阿达斯·卡尔萨 , 劳姆·凯里 , 拜昂吉尔岛 , 凯瑟琳·科布斯 , 让·洛里厄 , 雷迪安娜·马丁斯 , 当川阮 , 亚历山大·普里奥里 , 托马斯·里卡迪 , 纳塔莉亚·西格尔 , 克里斯托夫·塞万 , 西里尔·蒂奎特 , 王波(Bo Wang) , 金阳 , 张大坤 , 荆州 , 彼得·佐尔丹 :
SYSTRAN的纯神经机器翻译系统。 CoRR公司 abs/1610.05540 ( 2016 ) [i2] 亚历山大·贝拉德 , 奥利维尔·皮特金 , 克里斯托夫·塞万 , 劳伦特·贝萨西尔 :
听和翻译:对端到端演讲到文本翻译概念的证明。 CoRR公司 abs/1612.01744 ( 2016 ) [i1] 克里斯托夫·塞万 , 约塞普·玛丽亚·克雷戈 , 让·塞内拉特 :
领域专门化:神经机器翻译的训练后领域适应。 CoRR公司 abs/1612.06141 ( 2016 ) 2015 [第16条] 克里斯托夫·塞万 , Ngoc-Tien Le公司 , Ngoc-Quang Luong公司 , 本杰明·勒库托 , 劳伦特·贝萨西尔 :
机器翻译中用于单词级置信度估计的开源工具包。 IWSLT公司 2015 [第15条] 克里斯托夫·塞万 , 马克·戴米特曼 :
适应部分浓缩术语传统自动统计法(fondée e sur la génération et le filtage de bi-segments virtuels)。 TALN公司 2015 : 68-74 2014 [注2] 毛罗·塞托洛 , 尼古拉·贝托尔迪 , 马塞洛·费德里科 , 霍尔格·施文克 , 洛伊克·巴罗 , 克里斯托夫·塞万 :
翻译项目适应MT-增强的计算机辅助翻译。 机器。 Transl.公司。 28 ( 2 ) : 127至150 ( 2014 ) [第14条] 乔恩·伍贝克 , 赫尔曼·奈伊 , 阿德里亚·A·马丁内斯·维拉隆加 , 阿德里亚·吉梅内斯 , 阿尔芬斯·胡安 , 克里斯托夫·塞万 , 马克·戴米特曼 , 沙查尔·米尔金 :
视频讲座翻译中数据选择技术的比较。 AMTA公司 2014 : 193-207 2013 [第13条] 毛罗·塞托洛 , 克里斯托夫·塞万 , 尼古拉·贝托尔迪 , 马塞洛·费德里科 , 洛伊克·巴罗 , 霍尔格·施文克 :
人类后期编辑统计机器翻译增量适应问题。 WPTP@MTSumit 2013 2012 [第12条] 克里斯托夫·塞万 , 西蒙·佩蒂特罗德 :
使用置信函数计算统计机器翻译的短语概率。 COLING(海报) 2012 : 1101-1110 [第11条] 克里斯托夫·塞万 , 西蒙·佩蒂特罗德 :
Utilisation des functions de croyance pour l’estimation de paramètres en traduction automatique(使用置信函数进行统计机器翻译的特征计算)[法语]。 JEP-TALN-RECITAL公司 2012 : 543-550 [第10条] 克里斯托夫·塞万 , 帕特里克·兰伯特 , 安东尼·卢梭 , 霍尔格·施文克 , 洛伊克·巴罗 :
LIUM 2012年WMT的SMT机器翻译系统。 NAACL-HLT的WMT 2012 : 369-373 2011 [j1] 克里斯托夫·塞万 , 霍尔格·施文克 :
利用MERT优化多指标。 布拉格公牛。 数学。 语言学 96 : 109-118 ( 2011 ) 【c9】 帕特里克·兰伯特 , 霍尔格·施文克 , 克里斯托夫·塞万 , 萨达夫·阿卜杜勒·劳夫 :
基于单语数据的翻译模型改编研究。 WMT@EMNLP 2011 : 284-293 【c8】 霍尔格·施文克 , 帕特里克·兰伯特 , 洛伊克·巴罗 , 克里斯托夫·塞万 , 萨达夫·阿卜杜勒·劳夫 , 海特姆·阿夫利 , 卡希夫·沙阿 :
LIUM为WMT 2011提供的SMT机器翻译系统。 WMT@EMNLP 2011 : 464-469 2010 【c7】 克里斯托夫·塞万 , 纳撒利·卡梅林 , 克里斯蒂安·雷蒙德 , 弗雷德里克·贝歇(Frédéric Béchet) , 雷纳托·德·莫里 :
关于使用机器翻译进行口语理解的可移植性。 ICASSP公司 2010 : 5330-5333
2000 – 2009
2008 【b1】 克里斯托夫·塞万 :
认证信息自动与综合-联合国干部对话-人机对话-语音倡议混合。 (基于Corpus的混合主动口语对话系统口语理解)。 法国阿维尼翁大学, 2008 【c6】 洛伊克·巴罗 , 克里斯托夫·塞万 , Driss Matrouf公司 , 乔治·利纳雷斯 , 雷纳托·德·莫里 :
基于框架的语音理解声学特征集成。 ICASSP公司 2008 : 4997-5000 【c5】 杜威神父 , 玛丽·让·缪尔(Marie-Jean Meurs) , 克里斯托夫·塞万 , 弗雷德里克·贝歇(Frédéric Béchet) , Fabrice Lefèvre公司 , 雷纳托·德·莫里 :
语音理解系统中的语义合成过程。 ICASSP公司 2008 : 5029-5032 【c4】 克里斯托夫·塞万 , 弗雷德里克·贝歇(Frédéric Béchet) :
快速呼叫分类系统开发,无需域内训练数据。 INTERSPEECH公司 2008 : 228-231 2006 【c3】 克里斯托夫·塞万 , 克里斯蒂安·雷蒙德 , 弗雷德里克·贝歇(Frédéric Béchet) , 帕斯卡·诺塞拉 :
词格的概念解码:在口语对话语料库MEDIA中的应用。 INTERSPEECH公司 2006 【c2】 赫莱恩·博内阿·梅纳德(Hélène Bonneau-Maynard) , 克里斯蒂尔·阿亚奇 , 弗雷德里克·贝歇(Frédéric Béchet) , 亚历山大·丹尼斯 , 安妮·库恩 , Fabrice Lefèvre公司 , 贾梅尔·莫斯特法 , 马蒂厄·奎格纳德 , 苏菲·罗塞特 , 克里斯托夫·塞万 , 珍妮·维拉诺 :
法语Evalda-Media字面理解评估活动的结果。 LREC公司 2006 : 2054-2059 【c1】 克里斯托夫·塞万 , 弗雷德里克·贝歇(Frédéric Béchet) :
Décodage conceptuel et appressive message automatique:对话语料库Homme-Machine MEDIA的应用。 TALN(长文章) 2006 : 328-337