Séminaire (Organisé par l’Equipe de recherche DI)

Nicolas USUNIER

LIP6, UPMC


Apprendre à ordonner : relations entre les critères d’apprentissage convexes et mesures d’évaluation


Mardi 18 septembre 2012 à 14h en salle RD134


Résumé :

La communauté d’apprentissage s’est intéressée ces dernières années à des méthodes qui permettent d’inférer un ordre total sur un ensemble de points donnés en entrée. Ce type de méthodes est aujourd’hui utilisé dans des applications industrielles de très grande échelle, par exemple dans les moteurs de recherche commerciaux où il faut ordonner des documents en fonction de leur pertinence à une requête utilisateur. Dans le cadre de l’apprentissage supervisé, la grande majorité des algorithmes existants optimisent un coût convexe défini sur les données d’apprentissage. Ce coût convexe n’est pas, en général, la véritable mesure utilisée pour évaluer le système. Il est en effet utilisée comme un substitut de la véritable mesure d’évaluation, et son but est de permettre le passage à l’échelle des algorithmes.

Dans ce séminaire, je décrirai mes travaux récents concernant les relations entre les coûts de substitution convexes et les mesures d’évaluation utilisées dans les moteurs de recherche. Je montrerai comment définir des coûts convexes adaptés à certaines mesures d’évaluation usuelles, mais aussi qu’aucun coût convexe ne peut se substituer efficacement à un grand nombre d’autres mesures d’évaluation largement employées dans le domaine des moteurs de recherche.



Actualités
Vidéothèque
Téléchargements
Annuaire



FR SHIC 3272

Collegium UTC/CNRS