Nothing Special   »   [go: up one dir, main page]

Invited - Copie

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 1

Machine Translated by Google

PNL personnalisée : le contexte est tout ce dont vous avez besoin

Przemysław Kazienko1

1Université des sciences et technologies de Wroclaw, Pologne

Certaines tâches du traitement du langage naturel (NLP), comme les discours haineux ou offensants et la détection
de textes émotionnels ou amusants, sont subjectives par nature. Chaque humain peut percevoir certains contenus
individuellement. Les méthodes de raisonnement existantes reposent généralement sur des valeurs de sortie
convenues, les mêmes pour tous les destinataires. Nous proposons des solutions fondamentalement différentes et
personnalisées applicables à toute tâche subjective de PNL. Nos modèles de deep learning prennent en compte non
seulement le contenu textuel mais également les opinions et croyances d’une personne donnée. Ils diffèrent par
leurs approches de l’apprentissage du biais humain (HuBi) et de la fusion avec la représentation textuelle. Les
expériences ont été réalisées sur des dizaines de tâches liées à des textes offensants, émotionnels et humoristiques.
Les méthodes HuBi personnalisées ont radicalement surpassé les méthodes généralisées pour tous les problèmes
de PNL. La personnalisation a également un impact plus important sur la qualité du raisonnement que les modèles
linguistiques pré­entraînés et affinés couramment explorés . Nous avons découvert une forte corrélation entre les
biais humains calculés à l’aide de notre formule dédiée et ceux appris par le modèle. Les solutions multitâches ont
obtenu de meilleurs résultats que les architectures monotâches. L’analyse des incorporations d’humains et de mots
a également fourni des informations supplémentaires. Des recherches plus approfondies sur la personnalisation de
ChatGPT utilisant une ingénierie rapide avec diverses approches en quelques étapes ont également prouvé que la
personnalisation semble être obligatoire lors de la résolution de problèmes subjectifs d'une manière centrée sur
l'humain. Dans le même temps, la personnalisation n’est qu’un élément du concept plus large de traitement de texte contextuel.

Przemysław Kazienko, Ph.D. est professeur titulaire et leader d'ENGINE – le Centre européen pour la science des
données et de deux groupes de recherche : HumaNLP et Emognition au Département d' intelligence artificielle,
Université des sciences et technologies de Wroclaw, Pologne. Il est l'auteur de plus de 300 articles de recherche,
dont plus de 50 dans des revues avec des facteurs d'impact liés à la personnalisation et aux tâches subjectives en
PNL, ChatGPT, informatique affective et reconnaissance des émotions, analyse des réseaux sociaux/complexes,
propagation de l'influence, classification collective, apprentissage automatique profond. , analyse des sentiments,
DSS en médecine, finances et télécommunications, gestion des connaissances, systèmes collaboratifs, systèmes
de recommandation, récupération d'informations et sécurité des données. Il a également initié et dirigé plus de 50
projets, dont de grands projets européens, principalement en coopération avec des entreprises dont le budget local
total dépasse 10 millions d'euros. Il a donné plus de 20 conférences principales/invitées pour un public international
et a été co­président de plus de 20 conférences scientifiques internationales.

conférences et ateliers. Il est membre senior de l'IEEE, membre du conseil d'administration de la Network
Science Society et membre du comité de rédaction de plusieurs revues scientifiques.

2ème Atelier sur les Approches Perspectivistes de la


PNL 0000­0001­5868­356X (P. Kazienko)
© 2023 Copyright pour cet article par ses auteurs. Utilisation autorisée sous Creative Commons License Attribution 4.0 International (CC BY 4.0).
EUR

ISSN 1613­0073 Actes de l'atelier CEUR (CEUR­WS.org)


http://ceur­ws.org
Atelier
Procédure

Vous aimerez peut-être aussi