Amélioration continue d’une chaîne de traitement de documents avec l’apprentissage par renforcement
Notice bibliographique
Résumé
Nous modelisons une chaine de traitement de documents comme un processus de deci-sion markovien, et nous utilisons l'apprentissage par renforcement afin de permettre a l'agent d'apprendre a construire des chaines adaptees a la volee, et de les ameliorer en continu. Nous construisons une plateforme qui nous permet de mesurer l'impact sur l'apprentissage de divers modeles, services web, algorithmes, parametres, etc. Nous l'appliquons dans un contexte indus-triel, specifiquement a une chaine visant a extraire des evenements dans des volumes massifs de documents provenant de pages web et d'autres sources ouvertes. Nous visons a reduire la charge des analystes humains, l'agent apprenant a ameliorer la chaine, guide par leurs retours (feedback) sur les evenements extraits. Pour ceci, nous explorons des types de retours differents, d'un feedback numerique requerant un important calibrage, a un feedback qualitatif, beaucoup plus intuitif et demandant peu, voire pas du tout, de calibrage. Nous menons des experiences, d'abord avec un feedback numerique, puis nous montrons qu'un feedback qualitatif permet tou-jours a l'agent d'apprendre efficacement. ABSTRACT. We model a document treatment chain as a Markov Decision Process, and use reinforcement learning to allow the agent to learn to construct and continuously improve custom-made chains on the fly . We build a platform which enables us to measure the impact on the. Cet article est une version etendue d'un article presente aux 26es Journees francophones d'Ingenierie des Connaissances Nicart et al. (2015).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».