Apprentissage automatique non supervisé et renseignement : Une analyse de rapports du Kenya colonial (notice n° 1389048)

détails MARC
000 -LEADER
fixed length control field 02600cam a2200301 4500500
005 - DATE AND TIME OF LATEST TRANSACTION
control field 20250720021945.0
041 ## - LANGUAGE CODE
Language code of text/sound track or separate title fre
042 ## - AUTHENTICATION CODE
Authentication code dc
100 10 - MAIN ENTRY--PERSONAL NAME
Personal name Shaffer, Ryan
Relator term author
245 00 - TITLE STATEMENT
Title Apprentissage automatique non supervisé et renseignement : Une analyse de rapports du Kenya colonial
260 ## - PUBLICATION, DISTRIBUTION, ETC.
Date of publication, distribution, etc. 2024.<br/>
500 ## - GENERAL NOTE
General note 85
520 ## - SUMMARY, ETC.
Summary, etc. Cet article applique une classification « zero-shot » aux rapports de services de renseignement déclassifiés par le gouvernement kenyan et couvrant la période coloniale britannique qui a précédé la révolte des Mau Mau et l’état d’urgence de 1952. La classification « zero-shot » (catégorisant les documents sans exemples étiquetés des catégories) est devenue fonctionnelle avec l’arrivée des grands modèles de langage (LLM), une avancée récente dans le domaine du traitement automatique des langues (TAL). Cet article démontre comment un apprentissage automatique non supervisé peut être utilisé par les chercheurs et les praticiens du renseignement pour analyser des milliers de rapports de services de renseignement sans rapports étiquetés et données d’entraînement, ou sans la capacité d’entraîner des modèles traditionnels de classification de documents.
520 ## - SUMMARY, ETC.
Summary, etc. This article applies zero-shot classification to intelligence reports declassified by the Kenyan government covering the British colonial period prior to the 1952 Mau Mau uprising and State of Emergency. Zero-shot classification—categorizing documents without any labelled examples of the categories—only became practical with the advent of large language models (LLMs), a recent development in the field of natural language processing (NLP). The article demonstrates how unsupervised machine learning can be utilized by intelligence scholars and practitioners to analyze thousands of intelligence reports without any labelled reports with no training data or the ability to train traditional document classifier models.
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element histoire colonial
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element Kenya
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element Mau Mau
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element modèles de langage
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element traitement automatique des langues
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element colonal history
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element Kenya
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element language models
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element Mau Mau
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element natural language processing
700 10 - ADDED ENTRY--PERSONAL NAME
Personal name Shearn, Benjamin
Relator term author
786 0# - DATA SOURCE ENTRY
Note Études françaises de renseignement et de cyber | 2 | 1 | 2024-06-26 | p. 211-238 | 3039-8738
856 41 - ELECTRONIC LOCATION AND ACCESS
Uniform Resource Identifier <a href="https://shs.cairn.info/revue-etudes-francaises-de-renseignement-et-de-cyber-2024-1-page-211?lang=fr&redirect-ssocas=7080">https://shs.cairn.info/revue-etudes-francaises-de-renseignement-et-de-cyber-2024-1-page-211?lang=fr&redirect-ssocas=7080</a>

Pas d'exemplaire disponible.

PLUDOC

PLUDOC est la plateforme unique et centralisée de gestion des bibliothèques physiques et numériques de Guinée administré par le CEDUST. Elle est la plus grande base de données de ressources documentaires pour les Étudiants, Enseignants chercheurs et Chercheurs de Guinée.

Adresse

627 919 101/664 919 101

25 boulevard du commerce
Kaloum, Conakry, Guinée

Réseaux sociaux

Powered by Netsen Group @ 2025