Apprentissage automatique pour la génération de modèles de documents

Machine Learning for Document Model Generation

• Auteur / Autrice : Nalin Srun
• Direction : Baya Lydia Boudjeloud-assala
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/02/2025
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
• Partenaire(s) de recherche : Laboratoire : LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
• Partenaire(s) de recherche : Equipe de recherche : ORPAILLEUR

Mots clés

Mots clés libres

Traitement automatique de documents

Machine learning

Apprentissage de représentation

Extraction d'information

Extraction de règles

Modèles multilingual

Automatic document processing

Machine Learning

Representation Learning

Information Extraction

Rule Extraction

Multilingual Models

Résumé

La génération automatique de documents, tels qu'un CV, un contrat ou un manuel d'utilisation, est un domaine de l'intelligence artificielle qui vise à produire automatiquement du contenu textuel à l'aide de modèles informatiques. L'objectif de cette thèse est de développer des algorithmes d'intelligence artificielle capables de générer des modèles de documents de différents types (contrats, factures, formulaires, etc.). L'objectif sera d'identifier automatiquement les objets sémantiques et leur structure dans le texte, afin de détecter les éléments communs et variables au sein d'un cluster de documents similaires, puis d'extraire des règles de composition permettant la génération finale de nouveaux documents de ce type. La première étape consiste à utiliser les résultats d'un clustering multimodal de documents, en tenant compte de toutes les caractéristiques du document (texte, mise en page, figures, images, tableaux, etc.), pour identifier les attributs communs aux documents d'un même cluster. Ces attributs peuvent être des éléments textuels ou graphiques communs à tous les documents du groupe, des tendances ou des relations entre ces éléments. Ensuite, en utilisant les caractéristiques identifiées dans chaque cluster, nous extrairons automatiquement des règles de composition qui décrivent les structures ou les relations présentes dans les documents du même type. Une fois que la qualité et la pertinence des règles extraites auront été évaluées en les comparant aux connaissances existantes du domaine ou en les testant sur des données de validation, des modèles de documents seront générés en utilisant par exemple des approches d'apprentissage profond.

Automatic document generation, such as a CV, a contract, or a user manual, is a field of artificial intelligence aimed at automatically producing textual content using computational models. The objective of this thesis is to develop artificial intelligence algorithms capable of generating document models of various types (contracts, invoices, forms, etc.). The goal will be to automatically identify the semantic objects and their structure within the text, in order to detect the common and variable elements within a cluster of similar documents, and then extract composition rules to enable the final generation of new documents of that type. The first step is to use the results of multimodal clustering of documents, taking into account all the characteristics of the document (text, layout, figures, images, tables, etc.), to identify the attributes common to the documents within the same cluster. These attributes may be textual or graphical elements common to all documents in the group, trends, or relationships between these elements. Then, using the characteristics identified in each cluster, we will automatically extract composition rules that describe the structures or relationships present in documents of the same type. Once the quality and relevance of the extracted rules have been evaluated by comparing them with existing domain knowledge or by testing them on validation data, document models will be generated using, for example, deep learning approaches.