Skip to Main content Skip to Navigation
Theses

Renforcements naturels pour la collaboration homme-machine

Esther Nicart 1
1 Equipe MAD - Laboratoire GREYC - UMR6072
GREYC - Groupe de Recherche en Informatique, Image, Automatique et Instrumentation de Caen
Résumé : Nous modélisons une chaîne de traitement de documents comme un processus de décision markovien, et nous utilisons l’apprentissage par renforcement afin de permettre à l’agent d’apprendre à construire des chaînes adaptées à la volée, et de les améliorer en continu. Nous construisons une plateforme qui nous permet de mesurer l’impact sur l’apprentissage de divers modèles, services web, algorithmes, paramètres, etc. Nous l’appliquons dans un contexte industriel, spécifiquement à une chaîne visant à extraire des événements dans des volumes massifs de documents provenant de pages web et d’autres sources ouvertes. Nous visons à réduire la charge des analystes humains, l’agent apprenant à améliorer la chaîne, guidé par leurs retours (feedback) sur les événements extraits. Pour ceci, nous explorons des types de retours différents, d’un feedback numérique requérant un important calibrage, à un feedback qualitatif, beaucoup plus intuitif et demandant peu, voire pas du tout, de calibrage. Nous menons des expériences, d’abord avec un feedback numérique, puis nous montrons qu’un feedback qualitatif permet toujours à l’agent d’apprendre efficacement.
Document type :
Theses
Complete list of metadatas

Cited literature [135 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-01517109
Contributor : Abes Star :  Contact
Submitted on : Tuesday, May 2, 2017 - 4:41:08 PM
Last modification on : Tuesday, February 11, 2020 - 1:38:21 AM
Document(s) archivé(s) le : Thursday, August 3, 2017 - 1:32:59 PM

File

2017-NICART-ESTHER-VO.pdf
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-01517109, version 1

Citation

Esther Nicart. Renforcements naturels pour la collaboration homme-machine. Human-Computer Interaction [cs.HC]. Normandie Université, 2017. English. ⟨NNT : 2017NORMC206⟩. ⟨tel-01517109⟩

Share

Metrics

Record views

599

Files downloads

424