Détection de la négation : corpus français et apprentissage supervisé

Résumé : La détection automatique de la négation fait souvent partie des pré-requis dans les systèmes d'extraction d'information, notamment dans le domaine biomédical. Cet article présente deux contributions liées à ce problème. Nous présentons d'une part un corpus constitué d'extraits des protocoles d'essais cli-niques en français, dédié aux critères d'inclusion de patients. Les marqueurs de négation et leurs portées y ont été annotés manuellement. Nous présentons d'autre part une approche neuronale supervisée pour extraire ces informations automatiquement. Cette approche est validée en l'appliquant à des données de l'état de l'art en anglais sur lesquelles elle montre de très bons résultats ; appli-quée sur nos données en français, elle obtient des performances comparables.
Type de document :
Communication dans un congrès
SIIM 2017 - Symposium sur l'Ingénierie de l'Information Médicale, Nov 2017, Toulouse, France. pp.1-8, 2017
Liste complète des métadonnées

Littérature citée [14 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01659637
Contributeur : Vincent Claveau <>
Soumis le : vendredi 8 décembre 2017 - 16:05:28
Dernière modification le : mercredi 16 mai 2018 - 11:24:14

Fichier

SIIM2017.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01659637, version 1

Citation

Clément Dalloux, Vincent Claveau, Natalia Grabar. Détection de la négation : corpus français et apprentissage supervisé. SIIM 2017 - Symposium sur l'Ingénierie de l'Information Médicale, Nov 2017, Toulouse, France. pp.1-8, 2017. 〈hal-01659637〉

Partager

Métriques

Consultations de la notice

315

Téléchargements de fichiers

124