Vers une classification automatique de didascalies en français avec des grands modèles de langue
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Suite à nos travaux précédents sur l'affinage de modèles pré-entraînés basés sur BERT pour la même tâche, nous présentons ici des expériences de classification automatique de didascalies en français avec des grands modèles de langue (LLM) sur la base d'une description de leurs types, avec zéro exemples (zero-shot) et avec 20 exemples par classe (few-shot). Nous évaluons des modèles de la famille GPT-4, ainsi que Llama 3.1. Les résultats du modèle gpt-4o (0.7 F1 avec une typologie de 13 classes de nature variée) sont prometteurs. Dans nos expériences, les résultats des LLM sans ou avec peu d'exemples n'atteignent pas les meilleurs scores des modèles BERT affinés sur un volume plus large d'exemples. Cependant, leurs résultats sont intéressants, car une classification de didascalies sans ou avec peu d'exemples permettrait d'annoter de grands corpus (y compris multilingues) avec plusieurs typologies, avec un coût réduit d'annotation manuelle. Une comparaison des analyses selon chaque typologie aiderait à une meilleure compréhension de cet élément complexe, peu étudié avec des méthodes computationnelles.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,005 |
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 découle