@inproceedings{boufaden-lapalme-2005-apprentissage,
title = "Apprentissage de relations pr{\'e}dicat-argument pour l{'}extraction d{'}information {\`a} partir de textes conversationnels",
author = "Boufaden, Narj{\`e}s and
Lapalme, Guy",
editor = "Jardino, Mich{\`e}le",
booktitle = "Actes de la 12{\`e}me conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles courts",
month = jun,
year = "2005",
address = "Dourdan, France",
publisher = "ATALA",
url = "https://aclanthology.org/2005.jeptalnrecital-court.3",
pages = "397--402",
abstract = "Nous pr{\'e}sentons les r{\'e}sultats de notre approche d{'}apprentissage de relations pr{\'e}dicat-argument dans le but de g{\'e}n{\'e}rer des patrons d{'}extraction pour des textes conversationnels. Notre approche s{'}effectue en trois {\'e}tapes incluant la segmentation linguistique des textes pour d{\'e}finir des unit{\'e}s linguistiques {\`a} l{'}instar de la phrase pour les textes bien form{\'e}s tels que les d{\'e}p{\^e}ches journalistiques. Cette {\'e}tape prend en consid{\'e}ration la dimension discursive importante dans ces types de textes. La deuxi{\`e}me {\'e}tape effectue la r{\'e}solution des anaphores pronominales en position de sujet. Cela tient compte d{'}une particularit{\'e} importante des textes conversationnels : la pronominalisation du th{\`e}me. Nous montrons que la r{\'e}solution d{'}un sous ensemble d{'}anaphores pronominales am{\'e}liore l{'}apprentissage des patrons d{'}extraction. La troisi{\`e}me utilise des mod{\`e}les de Markov pour mod{\'e}liser les s{\'e}quences de classes de mots et leurs r{\^o}les pour un ensemble de relations donn{\'e}es. Notre approche exp{\'e}riment{\'e}e sur des transcriptions de conversations t{\'e}l{\'e}phoniques dans le domaine de la recherche et sauvetage identifie les patrons d{'}extraction avec un F-score moyen de 73,75 {\%}.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="boufaden-lapalme-2005-apprentissage">
<titleInfo>
<title>Apprentissage de relations prédicat-argument pour l’extraction d’information à partir de textes conversationnels</title>
</titleInfo>
<name type="personal">
<namePart type="given">Narjès</namePart>
<namePart type="family">Boufaden</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Guy</namePart>
<namePart type="family">Lapalme</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2005-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 12ème conférence sur le Traitement Automatique des Langues Naturelles. Articles courts</title>
</titleInfo>
<name type="personal">
<namePart type="given">Michèle</namePart>
<namePart type="family">Jardino</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Dourdan, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Nous présentons les résultats de notre approche d’apprentissage de relations prédicat-argument dans le but de générer des patrons d’extraction pour des textes conversationnels. Notre approche s’effectue en trois étapes incluant la segmentation linguistique des textes pour définir des unités linguistiques à l’instar de la phrase pour les textes bien formés tels que les dépêches journalistiques. Cette étape prend en considération la dimension discursive importante dans ces types de textes. La deuxième étape effectue la résolution des anaphores pronominales en position de sujet. Cela tient compte d’une particularité importante des textes conversationnels : la pronominalisation du thème. Nous montrons que la résolution d’un sous ensemble d’anaphores pronominales améliore l’apprentissage des patrons d’extraction. La troisième utilise des modèles de Markov pour modéliser les séquences de classes de mots et leurs rôles pour un ensemble de relations données. Notre approche expérimentée sur des transcriptions de conversations téléphoniques dans le domaine de la recherche et sauvetage identifie les patrons d’extraction avec un F-score moyen de 73,75 %.</abstract>
<identifier type="citekey">boufaden-lapalme-2005-apprentissage</identifier>
<location>
<url>https://aclanthology.org/2005.jeptalnrecital-court.3</url>
</location>
<part>
<date>2005-06</date>
<extent unit="page">
<start>397</start>
<end>402</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Apprentissage de relations prédicat-argument pour l’extraction d’information à partir de textes conversationnels
%A Boufaden, Narjès
%A Lapalme, Guy
%Y Jardino, Michèle
%S Actes de la 12ème conférence sur le Traitement Automatique des Langues Naturelles. Articles courts
%D 2005
%8 June
%I ATALA
%C Dourdan, France
%G French
%F boufaden-lapalme-2005-apprentissage
%X Nous présentons les résultats de notre approche d’apprentissage de relations prédicat-argument dans le but de générer des patrons d’extraction pour des textes conversationnels. Notre approche s’effectue en trois étapes incluant la segmentation linguistique des textes pour définir des unités linguistiques à l’instar de la phrase pour les textes bien formés tels que les dépêches journalistiques. Cette étape prend en considération la dimension discursive importante dans ces types de textes. La deuxième étape effectue la résolution des anaphores pronominales en position de sujet. Cela tient compte d’une particularité importante des textes conversationnels : la pronominalisation du thème. Nous montrons que la résolution d’un sous ensemble d’anaphores pronominales améliore l’apprentissage des patrons d’extraction. La troisième utilise des modèles de Markov pour modéliser les séquences de classes de mots et leurs rôles pour un ensemble de relations données. Notre approche expérimentée sur des transcriptions de conversations téléphoniques dans le domaine de la recherche et sauvetage identifie les patrons d’extraction avec un F-score moyen de 73,75 %.
%U https://aclanthology.org/2005.jeptalnrecital-court.3
%P 397-402
Markdown (Informal)
[Apprentissage de relations prédicat-argument pour l’extraction d’information à partir de textes conversationnels](https://aclanthology.org/2005.jeptalnrecital-court.3) (Boufaden & Lapalme, JEP/TALN/RECITAL 2005)
ACL