Apprentissage automatique non supervisé et renseignement : Une analyse de rapports du Kenya colonial
Cet article applique une classification « zero-shot » aux rapports de services de renseignement déclassifiés par le gouvernement kenyan et couvrant la période coloniale britannique qui a précédé la révolte des Mau Mau et l’état d’urgence de 1952. La classification « zero-shot » (catégorisant les doc...
Wedi'i Gadw mewn:
| Prif Awduron: | , |
|---|---|
| Fformat: | Article ou chapitre numérique |
| Iaith: | Français |
| Cyhoeddwyd: |
2024
|
| Pynciau: | |
| Mynediad Ar-lein: | Accès Université d'Orléans et IFPM Accès Université d'Orléans et IFPM |
| Crynodeb: | Cet article applique une classification « zero-shot » aux rapports de services de renseignement déclassifiés par le gouvernement kenyan et couvrant la période coloniale britannique qui a précédé la révolte des Mau Mau et l’état d’urgence de 1952. La classification « zero-shot » (catégorisant les documents sans exemples étiquetés des catégories) est devenue fonctionnelle avec l’arrivée des grands modèles de langage (LLM), une avancée récente dans le domaine du traitement automatique des langues (TAL). Cet article démontre comment un apprentissage automatique non supervisé peut être utilisé par les chercheurs et les praticiens du renseignement pour analyser des milliers de rapports de services de renseignement sans rapports étiquetés et données d’entraînement, ou sans la capacité d’entraîner des modèles traditionnels de classification de documents. |
|---|