Skip to Main content Skip to Navigation
Conference papers

Relation, es-tu là ? Détection de relations par LSTM pour améliorer l’extraction de relations

Résumé : De nombreuses méthodes d’extraction et de classification de relations ont été proposées et testées sur des données de référence. Cependant, dans des données réelles, le nombre de relations potentielles est énorme et les heuristiques souvent utilisées pour distinguer de vraies relations de co-occurrences fortuites ne détectent pas les signaux faibles pourtant importants. Dans cet article, nous étudions l’apport d’un modèle de détection de relations, identifiant si un couple d’entités dans une phrase exprime ou non une relation, en tant qu’étape préliminaire à la classification des relations. Notre modèle s’appuie sur le plus court chemin de dépendances entre deux entités, modélisé par un LSTM et combiné avec les types des entités. Sur la tâche de détection de relations, nous obtenons de meilleurs résultats qu’un modèle état de l’art pour la classification de relations, avec une robustesse accrue aux relations inédites. Nous montrons aussi qu’une détection binaire en amont d’un modèle de classification améliore significativement ce dernier.
Document type :
Conference papers
Complete list of metadatas

Cited literature [21 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02784777
Contributor : Sylvain Pogodalla <>
Submitted on : Tuesday, June 23, 2020 - 12:05:20 PM
Last modification on : Thursday, June 25, 2020 - 3:12:57 AM

File

52.pdf
Publisher files allowed on an open archive

Identifiers

  • HAL Id : hal-02784777, version 3

Citation

Cyrielle Mallart, Michel Le Nouy, Guillaume Gravier, Pascale Sébillot. Relation, es-tu là ? Détection de relations par LSTM pour améliorer l’extraction de relations. JEP-TALN-RECITAL 2020 - 6e conférence conjointe Journées d'Études sur la Parole (JEP, 33e édition), Traitement Automatique des Langues Naturelles (TALN, 27e édition), Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL, 22e édition). Volume 2 : Traitement Automatique des Langues Naturelles, 2020, Nancy, France. pp.279-287. ⟨hal-02784777v3⟩

Share

Metrics

Record views

8

Files downloads

4