Guide pratique pour entraîner un modèle de classification de texte personnalisée

  • Article

L’apprentissage est le processus dans lequel le modèle apprend à partir de vos données étiquetées. Une fois l’apprentissage effectué, vous pouvez afficher les performances du modèle pour déterminer si vous devez améliorer votre modèle.

Pour effectuer l’apprentissage d’un modèle, démarrez un travail d’apprentissage. Seuls les travaux terminés avec succès créent un modèle utilisable. Les travaux d’apprentissage expirent au bout de sept jours. Après ce délai, il n’est plus possible de récupérer les détails du travail. Si votre travail d’apprentissage s’est terminé avec succès et qu’un modèle a été créé, il ne sera pas affecté par l’expiration du travail. Vous ne pouvez exécuter qu’un seul travail d’apprentissage à la fois. Vous ne pouvez pas non plus lancer d’autres travaux au sein du même projet.

L’apprentissage peut durer de quelques minutes pour quelques documents à plusieurs heures en fonction de la taille du jeu de données et de la complexité de votre schéma.

Prérequis

Avant d’effectuer l’apprentissage de votre modèle, vous avez besoin des éléments suivants :

Pour plus d’informations, consultez Cycle de vie de développement de projet.

Fractionnement des données

Avant que vous démarriez le processus d’apprentissage, les documents étiquetés de votre projet sont divisés en deux jeux : un jeu d’apprentissage et un jeu de test. Chacun d’eux a une fonction différente. Le jeu d’apprentissage est utilisé dans l’apprentissage du modèle. Il s’agit de l’ensemble à partir duquel le modèle apprend la classe/les classes attribuées à chaque document. Le jeu de test est un jeu témoin qui n’est pas présenté au modèle pendant l’apprentissage, mais uniquement lors de l’évaluation. Après l’apprentissage du modèle, il est utilisé pour effectuer des prédictions à partir des documents du jeu de tests. En fonction de ces prédictions, les métriques d’évaluation du modèle sont calculées. Nous vous recommandons de vérifier que toutes vos classes sont correctement représentées dans les jeux d’apprentissage et de test.

La classification de texte personnalisée prend en charge deux méthodes pour le fractionnement des données :

  • Fractionnement automatique du jeu de test à partir des données d’entraînement : le système répartit les données étiquetées entre les jeux d’entraînement et de test, en fonction des pourcentages que vous avez choisis. Le système tente d’avoir une représentation de toutes les classes de votre jeu d’entraînement. Le pourcentage recommandé pour le fractionnement est de 80 % pour l’apprentissage et de 20 % pour les tests.

Notes

Si vous choisissez l’option Fractionnement automatique du jeu de test à partir des données d’apprentissage, seules les données attribuées au jeu d’apprentissage sont fractionnées selon les pourcentages fournis.

  • Utiliser un fractionnement manuel des données d’apprentissage et de test : cette méthode permet aux utilisateurs de définir quels documents étiquetés doivent appartenir à quel jeu. Cette étape est activée uniquement si vous avez ajouté des documents à votre jeu de test lors de l’étiquetage des données.

Effectuer l'apprentissage du modèle

Pour commencer à effectuer l’apprentissage de votre modèle à partir de Language Studio :

  1. Dans le menu de gauche, sélectionnez Travaux d’entraînement.

  2. Sélectionnez Démarrer un travail de formation dans le menu supérieur.

  3. Sélectionnez Effectuer l’apprentissage d’un nouveau modèle, puis tapez le nom du modèle dans la zone de texte. Vous pouvez également remplacer un modèle existant en sélectionnant cette option et le modèle de votre choix dans le menu déroulant. La remplacement d’un modèle entraîné est irréversible. Toutefois, cela n’affecte pas vos modèles déployés tant que vous ne déployez pas le nouveau modèle.

    Créer un nouveau travail de formation

  4. Sélectionnez la méthode de fractionnement des données. Vous pouvez choisir l’option Fractionnement automatique du jeu de test à partir des données d’apprentissage. Dans ce cas, le système fractionne vos données étiquetées en jeux d’apprentissage et de test, selon les pourcentages spécifiés. Vous pouvez également Utiliser un fractionnement manuel des données d’apprentissage et de test. Cette option est activée uniquement si vous avez ajouté des documents à votre jeu de tests lors de l’étiquetage des données. Pour plus d’informations sur le fractionnement des données, consultez Guide pratique pour effectuer l’apprentissage d’un modèle.

  5. Sélectionner le bouton Train (Entraîner).

  6. Si vous sélectionnez l’ID du travail d’apprentissage dans la liste, un volet latéral vous permet de vérifier la progression de la formation, l’état du travail et d’autres détails pour ce travail.

    Notes

    • Seuls les emplois de formation achevés avec succès génèrent des modèles.
    • L’entraînement du modèle peut durer de quelques minutes à plusieurs heures selon la taille de vos données étiquetées.
    • Vous ne pouvez avoir qu’un seul travail d’entraînement en cours d’exécution à la fois. Vous ne pouvez pas démarrer un autre travail d’apprentissage dans le même projet tant que le travail en cours d’exécution n’est pas terminé.

Annuler un travail d’apprentissage

Pour annuler un travail d’entraînement dans Language Studio, accédez à la page Travaux d’entraînement. Sélectionnez le travail d’apprentissage à annuler, puis sélectionnez Annuler dans le menu supérieur.

Étapes suivantes

Une fois l’apprentissage effectué, vous pouvez afficher les performances du modèle pour améliorer votre modèle le cas échéant. Dès que vous êtes satisfait de votre modèle, vous pouvez le déployer et le rendre disponible pour la classification de texte.