, Tâche 3 : extraction d'information
, L'identification de l'issue a été envisagée comme une tâche de classification multi-classes, Les approches utilisées varient en fonction de la catégorie traitée. L'identification du genre se fonde généralement sur l'utilisation de lexiques de termes spécifiques aux genres féminin ou masculin tandis que des règles ont été développées pour l'âge, 2019.
, et dans notre baseline envisage la tâche comme un problème d'étiquetage. Notre baseline utilise un CRF standard, tandis que Maudet et al. (2019) ont opté pour un réseaux de neurones avec un enchaînement d'une couche convolutive (CNN), d'un réseau de neurones récurrent, 2019.
, DeFT 2019 : Auto-encodeurs, gradient boosting et combinaisons de modèles pour l'identification automatique de mots clés, 2019.
, Indexation et appariements de documents cliniques pour le deft 2019, Actes de DEFT, 2019.
, Indexation et appariement de documents cliniques avec le modèle vectoriel, Actes de DEFT, 2019.
, Cas : French corpus with clinical cases, Proc of LOUHI, pp.122-128, 2018.
, Corpus annoté de cas cliniques en français, Actes de TALN, 2019.
, Participation de l'équipe LAI à DEFT 2019, Actes de DEFT, 2019.
, Qwant Research @DEFT 2019 : appariement de documents et extraction d'informations à partir de cas cliniques, Actes de DEFT, 2019.
URL : https://hal.archives-ouvertes.fr/hal-02172582
, DÉfi fouille de textes 2019 : indexation par extraction et appariement textuel, Actes de DEFT, 2019.
, Apprentissage non-supervisé pour l'appariement et l'étiquetage de cas cliniques en français -DEFT2019, Actes de DEFT, 2019.
, Participation d'EDF R&D à DEFT 2019 : des vecteurs et des règles, In Actes de DEFT, 2019.