ABBYY a préparé une série de webinaires à l’intention des développeurs pour les familiariser avec les technologies derrière la Digital Intelligence. Le premier, qui a eu lieu le 9 avril, était une introduction au NPL (Natural Language Processing, ou traitement automatique du langage naturel) et au Machine Learning. Le second, qui aura lieu le jeudi 16 avril 2020 à 14H00 CEST, propose une introduction à la classification automatique. Le classement automatique ou classification supervisée est la catégorisation algorithmique d'objets. Elle consiste à attribuer une classe ou catégorie à chaque objet (ou individu) à classer, en se basant sur des données statistiques. Elle fait couramment appel à l'apprentissage automatique et est largement utilisée en reconnaissance de formes.
La classification (clustering) est donc une méthode mathématique d’analyse de données : pour faciliter l’étude d’une population d’effectif important, on les regroupe en plusieurs classes de telle sorte que les individus d’une même classe soient le plus semblables possible et que les classes soient le plus distinctes possible. Pour cela il y a diverses façons de procéder (qui peuvent conduire à des résultats différents).
On cherche souvent des groupes homogènes c’est-à-dire où les objets sont ressemblant à l’intérieur d’un même groupe. Les méthodes de classification se distinguent entre autres par la structure de classification obtenue (partition, recouvrement, hiérarchie, pyramide). Ces techniques peuvent être utilisées dans de nombreux domaines comme :
- le domaine médical : regrouper des patients afin de définir une thérapeutique adaptée à un type particulier de malades ;
- le domaine du marketing, afin de définir un groupe cible d’individus pour une campagne publicitaire.
En anglais, le terme désignant les méthodes de classification automatique est Clustering. En Intelligence Artificielle on parle d’Apprentissage non supervisé. En général, nous pouvons parler de classification automatique si aucune information n’est disponible concernant l’appartenance de certaines données à certaines classes connues a priori. Par ailleurs, le nombre de groupes recherchés peut être connu a priori ou non.
Une première distinction entre méthodes de classification automatique peut être faite suivant leur objectif. La plupart des méthodes visent à obtenir un partitionnement des données, comme dans l’exemple suivant, plus éventuellement à trouver une donnée « représentative » (« prototype ») par groupe.
Dans son invitation aux professionnels de l’informatique, ABBYY explique que « La technologie neuronale de classification automatisée des documents permet de classer les documents par contenu, aspect ou type. Venez découvrir comment configurer ABBYY FlexiCapture afin de vous permettre de répondre à cette problématique en quelques minutes ».
L’inscription et la participation sont gratuites.
S'inscrire gratuitement