SINCERITY: A New Bilingual Search engine for Image Retrieval in a Bilingual Context
Notice bibliographique
Résumé
This poster presents a research project that aims todevelop an interface model for image retrieval(SINCERITY) in a bilingual (French and English)context, that is, when the query language differs fromthe indexing language. This poster will summarize theresults of the first and second phases of the projectand will present the preliminary results of the usertesting. Once fully developed, SINCERITY is intendedto be an innovative tool for image searchers who arelooking for ordinary images. The main contribution ofthis project lies in bridging a gap for unilingual imagesearchers. The bilingual search interface willconstitute a definite benefit for image searchersunfamiliar with more than one language, by givingthem user-friendly access to visual resources.Cette affiche présente un projet de recherche qui viseà développer un modèle d’interface pour la recherched’image (SINCERITY) dans un contexte bilingue(français et anglais), c’est-à-dire quand le langage derequête diffère de la langue d’indexation. Cetteaffiche résumera les résultats des première etdeuxième phases du projet et présentera les résultatspréliminaires des essais par l’utilisateur. Une foispleinement développé, SINCERITY entend devenir unoutil innovant pour les chercheurs d’image qui sont àla recherche d’images ordinaires. La contributionprincipale de ce projet est de combler une lacunepour les chercheurs unilingues. L’interface derecherche bilingue constitue un avantage certain pourles chercheurs qui ne sont familiers qu’avec uneseule langue, en leur donnant un accès convivial auxressources visuelles.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,007 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».