Publication de recherche AI.Lise
1. Les limites des approches de classification documentaire traditionnelles
Face à l’augmentation constante des volumes documentaires, les modèles de classification traditionnels montrent leurs limites. Les approches « à plat » peinent notamment à gérer les relations sémantiques complexes entre catégories et à s’adapter à l’évolution des référentiels documentaires.
2. Une approche hiérarchique innovante développée par AI.Lise
Pour répondre à ces défis, les chercheurs du laboratoire AI.Lise proposent une nouvelle approche publiée par l’IEEE (Institute of Electrical and Electronics Engineers) :
« Approche de classification hiérarchique avancée pour la catégorisation de documents ».
Cette recherche introduit un cadre de classification hiérarchique capable de mieux gérer les chevauchements sémantiques entre catégories tout en renforçant l’explicabilité des résultats.
3. Un modèle basé sur une structure arborescente dynamique
La méthode repose sur la création d’un arbre dynamique qui regroupe progressivement les catégories proches sur le plan sémantique. Cette organisation hiérarchique améliore la compréhension des décisions du modèle et réduit les ambiguïtés de classification.
4. Des performances supérieures sur des volumes documentaires importants
Testé sur plus de 80 000 documents, le modèle a atteint un taux de précision de 93 %, dépassant les performances des classifieurs SGD et de plusieurs modèles de deep learning. Les résultats démontrent également une excellente capacité de montée en charge.
5. Une avancée vers une classification plus explicable et évolutive
Cette recherche confirme l’intérêt d’une approche hiérarchique pour construire des systèmes de classification documentaire plus fiables, transparents et évolutifs. À travers cette publication, NeoLedge poursuit son engagement en faveur d’une intelligence artificielle performante et adaptée aux enjeux concrets de la gestion documentaire.
Accédez à la publication complète ici.
À lire aussi : Améliorer la classification documentaire grâce à une approche multimodale innovante
