Estados Unidos da América · Washington, D.C. · Ver o perfil de Estados Unidos da América · Ver o perfil de Washington, D.C.
Evidência: Descritivo / autorreportado Top 12% 80/100 · Pergunte a Evidence Copilot sobre esta prática
Desde cerca de 2019, o Programa de Informação Científica e Técnica da NASA usa um modelo de aprendizagem automática — treinado com 3,5 milhões de documentos etiquetados manualmente — para etiquetar automaticamente os dados abertos e publicações da NASA segundo uma taxonomia de cerca de 20 000 palavras-chave padronizadas, tendo disponibilizado a ferramenta em código aberto.
O corpus de Informação Científica e Técnica (STI) da NASA abrange artigos científicos, relatórios técnicos, repositórios de software e outros conteúdos não estruturados dispersos por múltiplos sistemas, historicamente etiquetados manualmente com cerca de dez palavras-chave por documento, extraídas de uma taxonomia em evolução com mais de 20.000 termos padronizados.
A equipa STI e a Equipa de Análise de Dados do OCIO da NASA propuseram-se construir um sistema automatizado de etiquetagem baseado em aprendizagem automática e PLN, para reduzir o esforço manual de etiquetagem e melhorar a descoberta de conteúdos técnicos da NASA.
O sistema foi treinado no corpus de 3,5 milhões de documentos já etiquetados do NASA Technical Reports Server, sendo depois disponibilizado como software de código aberto (os repositórios concept-tagging-training e concept-tagging-api no GitHub) e documentado como estudo de caso 'proof point' da Federal Data Strategy, publicado em maio de 2019. O seu uso expandiu-se entretanto para além da etiquetagem original de artigos, abrangendo outros dados não estruturados da NASA.
Não foram publicados dados públicos de precisão, utilização ou de descoberta antes/depois, pelo que o impacto medido da ferramenta na capacidade de encontrar dados permanece por demonstrar, apesar de o sistema já estar em funcionamento há vários anos.
O estudo de caso apresenta explicitamente a ferramenta como um modelo que outras agências federais podem replicar nos seus próprios corpora de texto, suportado por código aberto em vez de uma caixa-preta proprietária.
National / regional programmes
Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.
Artefactos reutilizáveis desta prática — tal como publicados pelas suas fontes.
Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.
De onde foi obtida a informação desta prática, e quando.
Estados Unidos da América
O chatbot empresarial de IA StateChat do Departamento de Estado dos EUA cresceu de 150 testadores para 62 000+ utilizadores …
Estados Unidos da América
Perante o prazo de desclassificação aos 25 anos, o Departamento de Estado dos EUA treinou um modelo de IA que …
Coréia do Sul
Antes da publicação, um serviço pontua cada conjunto de dados do portal sul-coreano segundo cinco critérios — compreensibilidade, processamento, ligação, …
Brasil
A Operação Serenata de Amor, iniciativa da sociedade civil brasileira, usa aprendizagem automática de código aberto ('Rosie') para assinalar reembolsos …
Abrir o copiloto completo Baseado em práticas citadas — verifique sempre as fontes.