, nous avions en effet fait plusieurs observations relatives à l'issue. D'une part, les cas de décès se prêtaient mieux à une approche lexicale avec un vocabulaire très spécifique. Et d'autre part, dans la majorité des cas, l'empan de texte renvoyant à l'issue apparaissait vers la fin du cas clinique. Cette dernière approche est celle qui retourne les meilleurs résultats avec un score de 0

. Dans, nous avons présenté notre participation aux tâches 2 et 3 de l'évaluation du DEFT 2019, respectivement une tâche de similarité sémantique et une tâche d'extraction d'information

, Pour la tâche 2, nous avons présenté une méthode de similarité sémantique à base de modèles de langues. Nous avons évalué l'impact des pré-traitements et des techniques d'appareillement sur les résultats. Nous avons réussi à obtenir des résultats prometteurs en se restreignant uniquement aux données fournies

, La première est une approche neuronale avec étiquetage automatique du cas clinique. Nous avons utilisé des données extérieures pour améliorer les résultats de cette approche. La seconde, quant à elle, repose sur une approche linguistique d'arbre syntaxique pour l'extraction d'information, Concernant la tâche 3, nous avons présenté deux approches différentes

B. P. Références, E. Grave, and . Joulin-a.-&-mikolov-t, Enriching word vectors with subword information, Transactions of the Association for Computational Linguistics, vol.5, pp.135-146, 2017.

C. Fellbaum, WordNet : An electronic lexical database, 1998.

. Grabar-n and . Claveau-v.-&-dalloux-c, Cas : French corpus with clinical cases, LOUHI 2018 : The Ninth International Workshop on Health Text Mining and Information Analysis, 2018.

. Grabar-n, C. Grouin, . &. Hamon-t, and . Claveau-v, Recherche et extraction d'information dans des cas cliniques. présentation de la campagne d'évaluation deft 2019, 2019.

. Joulin-a, E. Grave, and . Bojanowski-p.-&-mikolov-t, Bag of tricks for efficient text classification, Proceedings of the 15th Conference of the European Chapter, vol.2, pp.427-431, 2017.

M. X. Hovy-e, End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF, 2016.

, Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics, vol.1, pp.1064-1074

J. M. Ponte and . B. Croft-w, A Language Modeling Approach to Information Retrieval, Proceedings of the 21st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, SIGIR '98, pp.275-281, 1998.

. F. Porter-m, Snowball : A language for stemming algorithms, 2001.

. Stolcke-a, Srilm-an extensible language modeling toolkit, Seventh international conference on spoken language processing, 2002.