Description du projet
Améliorer les systèmes de moteurs de recherche
Les moteurs de recherche sont de bons exemples de systèmes de recherche d’informations (RI). Les systèmes de recherche d’information actuels utilisent des modèles d’apprentissage automatique (ou «machine learning», ML) et d’apprentissage profond (ou «deep learning», DL). Les recherches s’appuient sur l’indexation de textes complets ou d’autres contenus. Ainsi, les systèmes de RI classent les éléments par pertinence (similarité sémantique entre la requête de l’utilisateur et les éléments de transmission de l’information). Le projet METER, financé par l’UE, étendra les mesures d’évaluation des RI afin de traiter des aspects multiples. Puis, en intégrant ces nouvelles mesures dans les algorithmes de ML, le projet développera des systèmes de RI multi-aspects. Le projet analysera également les mesures d’évaluation des RI pour utiliser la différentiabilité sous forme de propriétés, afin d’améliorer la recherche de minima locaux pour les fonctions de perte de RI. Les résultats de ce projet permettront de mieux comprendre le fonctionnement des moteurs de recherche.
Objectif
Information Retrieval (IR) deals with the automatic retrieval and ranking of information conveying items, which are relevant to a specific information need, from a large collection of items. Search engines are the most popular and well known examples of IR systems.
State-of-the-art IR systems use sophisticated Machine Learning (ML) and Deep Learning (DL) models. Those models usually minimize a loss function which is built upon an IR evaluation measure, i.e. a measure that evaluates the quality of a ranked list of items.
This project, Multi-aspect and diffErenTiable Evaluation of Rankings (METER), will tackle two open challenges for state-of-the-art IR systems. First, traditionally IR systems ranks items only by relevance, estimated as the semantic similarity between the user query and the information conveying items. However, beside relevance, understandability and trustworthines are fundamental for health search, or credibility and correctness should be considered for news search. Therefore, the first goal of METER will be to extend IR evaluation measures to deal with mutiple aspects. Then, these new evaluation measures will be integrated in ML algorithms, to develop multi-aspect IR systems.
Second, IR measures are non-continuous and non-differentiable. This represents an issue for ML algorithms, which usually exploit gradient based approaches to minize the loss function. Therefore, the second goal of METER will be to thoroughly analyze IR evaluation measures and propose differentiability like properties which will help for the search of minima of the loss function.
Therefore, METER has the potential for making both a scientific and a societal impact: 1) multi-aspect measures will be used to account for several aspect and improve the effectiveness of IR systems in different domains; 2) differentiability like properties will be exploited to improve the search of local minima for IR loss functions and better understand how this search is performed.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences naturelles informatique et science de l'information intelligence artificielle apprentissage automatique apprentissage profond
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2019
Voir tous les projets financés au titre de cet appelCoordinateur
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
1165 KOBENHAVN
Danemark
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.