Classification
Start_Date: Février 2025
Description
Ce dépôt donne à voir les résultats de l'expérimentation menée de façon transversale entre les pôles SENS, ASTRA, Num4Sci pour l'identification et la classification automatique des publications appartenant au domaine des Sciences et Recherches Participatives.
Cette expérimentation avait pour but de tester les bénéfices potentiels de l'utilisation de modèles de langues, LLM, pour l'automatisation de la catégorisation de publications scientifiques. Plusieurs techniques/approches du problème ont été testées (zero-shot prompting, few-shot prompting et Retrieval Augmented Generation) et se retrouvent capitalisées dans les 2 notebooks présents sur cet entrepôt:
- Notebook_Capitalisation_RAG_localLLM_20250220.ipynb
- Notebook_Capitalisation_RAG_Platform_20250220.ipynb
Le premier de ces notebooks, Notebook_Capitalisation_RAG_localLLM_20250220.ipynb, donne à voir comment implémenter ces méthodes sur une machine locale, tandis que le second, Notebook_Capitalisation_RAG_Platform_20250220.ipynb, fait usage d'une plateforme de calcul distante Colab.ia.
Installation
2 méthodes d'installation possibles: - méthode autonomie: créer son propre environnement virtuel et installer les librairies nécessaires à l'aide du fichier 'requirements.txt'. Il ne faudra pas oublier d'installer en post le modèle "en_core_web_lg" de spacy pour la partie NLP des notebooks. Pour cela, une fois activé son environnement virtuel: "python -m spacy download en_core_web_sm" - méthode accompagnée: une fois cloné le dépôt dans le dossier de son choix, créer un environnement virtuel. Une fois l'environnement créé, se placer à la racine du dépôt et lancer en ligne de commande 'pip install .'
Support
Pour toute demande d'aide le Mattermost du groupe auquel appartient ce projet, , est disponible.
Roadmap
Ce dépôt s'inscrit dans le groupe de projets plus large intitulé LLM. Ce groupe vise à capitaliser les expériences interne en matière d'utilisation avancée de modèles de langue et de les rendre accessibles sous forme de documents computationnels commentés. Les projets à venir, sans ordre temporel, sont les suivants:
- Notebook Langchain Pipeline,
- Notebook Vector Store Database,
- Notebook Speculative RAG,
- Notebook Agentic RAG,
- Notebook Self-Reflexive RAG,
- Notebook Graph RAG
Contributing
Toute aide est bienvenue qu'il s'agisse:
- de contribuer à la réalisation de la Roadmap citée plus haut pour prendre en charge ou participer à un des Notebooks qui la compose,
- pour commenter de façon plus précise les lignes de codes présentées dans ces Notebooks,
- pour participer au design général de ces projets
LICENSE
MIT License
Copyright (c) 2025 Tristan SALORD
Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
AUTEUR ET REMERCIEMENTS
- Tristan Salord // https://github.com/Pythrix
- tristan[.]salord[at]inrae[.]fr
- tristan[.]salord[at]posteo[.]net
Project status
Running