Détection de la négation : corpus français et apprentissage supervisé - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

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.
Fichier principal
Vignette du fichier
SIIM2017.pdf (193.23 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01659637 , version 1 (08-12-2017)

Identifiants

  • HAL Id : hal-01659637 , version 1

Citer

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. ⟨hal-01659637⟩
567 Consultations
779 Téléchargements

Partager

Gmail Facebook X LinkedIn More