Command Palette
Search for a command to run...
DAGOBAH : Contextes Tableau et Graphique pour une Annotation Sémantique Efficace des Données Tabulaires
{Raphaël Troncy Pierre Monnin Thomas Labbé Frédéric Deuzé Yoan Chabot Jixiong Liu Viet-Phi Huynh}

Résumé
Dans cet article, nous présentons les dernières améliorations apportées au système DAGOBAH, qui effectue un prétraitement automatique et une interprétation sémantique des tableaux. En particulier, nous rapportons des résultats prometteurs obtenus lors du défi SemTab 2021, grâce à des optimisations des mécanismes de recherche (lookup) ainsi qu’à de nouvelles techniques d’analyse du contexte des nœuds dans le graphe de connaissance cible. Nous détaillons également le déploiement des algorithmes DAGOBAH au sein de l’entreprise Orange, via l’API TableAnnotation et une interface utilisateur frontale dédiée. Ces deux modes d’accès permettent d’accélérer l’adoption de solutions d’interprétation sémantique des tableaux au sein de l’entreprise, afin de répondre efficacement aux besoins industriels.
Benchmarks
| Benchmark | Méthodologie | Métriques |
|---|---|---|
| cell-entity-annotation-on-biodivtab | DAGOBAH | F1 (%): 62 |
| cell-entity-annotation-on-toughtables-dbp | DAGOBAH | F1 (%): 94.5 |
| cell-entity-annotation-on-toughtables-wd | DAGOBAH | F1 (%): 92.3 |
| column-type-annotation-on-biodivtab | DAGOBAH | F1 (%): 34.4 |
| column-type-annotation-on-gittables-semtab | DAGOBAH | F1 (%): 7.00 |
| column-type-annotation-on-gittables-semtab-1 | DAGOBAH | F1 (%): 18.3 |
| column-type-annotation-on-toughtables-dbp | DAGOBAH | F1 (%): 42.2 |
| column-type-annotation-on-toughtables-wd | DAGOBAH | F1 (%): 83.2 |
Construire l'IA avec l'IA
De l'idée au lancement — accélérez votre développement IA avec du co-codage IA gratuit, un environnement prêt à l'emploi et les meilleurs prix GPU.