MétaCan
Menu
Retour à la cohorte
Enregistrement W104649228

Interfacing Issues for Information Extraction

2000· article· en· W104649228 sur OpenAlexaff
Peter Vanderheyden, Robin Cohen

Notice bibliographique

RevueNational Conference on Artificial Intelligence · 2000
Typearticle
Langueen
DomaineComputer Science
ThématiqueTopic Modeling
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceInformation retrievalQuery expansionDomain (mathematical analysis)Information extractionTask (project management)Query languageUser interfaceWorld Wide WebProgramming language
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Traditional approaches to information extraction implicitly assume that many elements of the task are static — the user’s query, and the description of domain and corpus, for example. We believe that in many real situations, however, this assumption does not hold and it is important to consider how the system could best support interaction with the user when the assumption breaks down. Current goals in the information extraction community are for the system to produce accurate results while being easy to retrain and port to a new domain. We seek to extend current approaches to handle dynamic elements of the problem. “Evolving queries”, discussed in the information retrieval (IR) literature, need to be supported by information extraction (IE) systems; IR and IE are both, after all, tools for gathering information from documents in response to a user query. When a casual user — neither an expert in the use of the system, nor in the domain — engages in any information gathering task, there will be an initial phase of investigation and discovery during which the user becomes familiar with the system, the domain, and the documents in the corpus and the user’s query may change over time or evolve. For example, a user may have a query about terrorist activities, asking for the names of perpetrators and the locations of targets; an interim system output prompts the user to refine the query, redefining terrorist activities as involving only a subset of weapons while generalizing to allow for additional (e.g., government) perpetrators. The query is not the only element that may change over time; certainly the domain evolves as additional documents are processed. As well, when the corpus is very large or dynamic (e.g., the Internet), the corpus itself may be seen as evolving — rules for mapping text patterns to query items that apply at one time or for one portion of the corpus no longer apply for another. To provide more robust support for information extraction in a dynamic environment, we consider such issues as:

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,028
score de la tête « metaresearch » (Gemma)0,130
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,130
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,008
Études des sciences et des technologies0,0030,004
Communication savante0,0220,044
Science ouverte0,0060,020
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0540,025

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,156
Tête enseignante GPT0,383
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Conference on Artificial IntelligenceMême sujetTopic ModelingTravaux en français237 207