@inproceedings{jean-louis-etal-2010-utilisation,
title = "Utilisation d{'}indices temporels pour la segmentation {\'e}v{\'e}nementielle de textes",
author = "Jean-Louis, Ludovic and
Besan{\c{c}}on, Romaric and
Ferret, Olivier",
editor = "Langlais, Philippe and
Gagnon, Michel",
booktitle = "Actes de la 17e conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
month = jul,
year = "2010",
address = "Montr{\'e}al, Canada",
publisher = "ATALA",
url = "https://aclanthology.org/2010.jeptalnrecital-long.24",
pages = "231--240",
abstract = "Dans le domaine de l{'}Extraction d{'}Information, une place importante est faite {\`a} l{'}extraction d{'}{\'e}v{\'e}nements dans des d{\'e}p{\^e}ches d{'}actualit{\'e}, particuli{\`e}rement justifi{\'e}e dans le contexte d{'}applications de veille. Or il est fr{\'e}quent qu{'}une d{\'e}p{\^e}che d{'}actualit{\'e} {\'e}voque plusieurs {\'e}v{\'e}nements de m{\^e}me nature pour les comparer. Nous proposons dans cet article d{'}{\'e}tudier des m{\'e}thodes pour segmenter les textes en s{\'e}parant les {\'e}v{\'e}nements, dans le but de faciliter le rattachement des informations pertinentes {\`a} l{'}{\'e}v{\'e}nement principal. L{'}id{\'e}e est d{'}utiliser des mod{\`e}les d{'}apprentissage statistique exploitant les marqueurs temporels pr{\'e}sents dans les textes pour faire cette segmentation. Nous pr{\'e}sentons plus pr{\'e}cis{\'e}ment deux mod{\`e}les (HMM et CRF) entra{\^\i}n{\'e}s pour cette t{\^a}che et, en faisant une {\'e}valuation de ces mod{\`e}les sur un corpus de d{\'e}p{\^e}ches traitant d{'}{\'e}v{\'e}nements sismiques, nous montrons que les m{\'e}thodes propos{\'e}es permettent d{'}obtenir des r{\'e}sultats au moins aussi bons que ceux d{'}une approche ad hoc, avec une approche beaucoup plus g{\'e}n{\'e}rique.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="jean-louis-etal-2010-utilisation">
<titleInfo>
<title>Utilisation d’indices temporels pour la segmentation événementielle de textes</title>
</titleInfo>
<name type="personal">
<namePart type="given">Ludovic</namePart>
<namePart type="family">Jean-Louis</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Romaric</namePart>
<namePart type="family">Besançon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Olivier</namePart>
<namePart type="family">Ferret</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2010-07</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 17e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs</title>
</titleInfo>
<name type="personal">
<namePart type="given">Philippe</namePart>
<namePart type="family">Langlais</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Michel</namePart>
<namePart type="family">Gagnon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Montréal, Canada</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Dans le domaine de l’Extraction d’Information, une place importante est faite à l’extraction d’événements dans des dépêches d’actualité, particulièrement justifiée dans le contexte d’applications de veille. Or il est fréquent qu’une dépêche d’actualité évoque plusieurs événements de même nature pour les comparer. Nous proposons dans cet article d’étudier des méthodes pour segmenter les textes en séparant les événements, dans le but de faciliter le rattachement des informations pertinentes à l’événement principal. L’idée est d’utiliser des modèles d’apprentissage statistique exploitant les marqueurs temporels présents dans les textes pour faire cette segmentation. Nous présentons plus précisément deux modèles (HMM et CRF) entraînés pour cette tâche et, en faisant une évaluation de ces modèles sur un corpus de dépêches traitant d’événements sismiques, nous montrons que les méthodes proposées permettent d’obtenir des résultats au moins aussi bons que ceux d’une approche ad hoc, avec une approche beaucoup plus générique.</abstract>
<identifier type="citekey">jean-louis-etal-2010-utilisation</identifier>
<location>
<url>https://aclanthology.org/2010.jeptalnrecital-long.24</url>
</location>
<part>
<date>2010-07</date>
<extent unit="page">
<start>231</start>
<end>240</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Utilisation d’indices temporels pour la segmentation événementielle de textes
%A Jean-Louis, Ludovic
%A Besançon, Romaric
%A Ferret, Olivier
%Y Langlais, Philippe
%Y Gagnon, Michel
%S Actes de la 17e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs
%D 2010
%8 July
%I ATALA
%C Montréal, Canada
%G French
%F jean-louis-etal-2010-utilisation
%X Dans le domaine de l’Extraction d’Information, une place importante est faite à l’extraction d’événements dans des dépêches d’actualité, particulièrement justifiée dans le contexte d’applications de veille. Or il est fréquent qu’une dépêche d’actualité évoque plusieurs événements de même nature pour les comparer. Nous proposons dans cet article d’étudier des méthodes pour segmenter les textes en séparant les événements, dans le but de faciliter le rattachement des informations pertinentes à l’événement principal. L’idée est d’utiliser des modèles d’apprentissage statistique exploitant les marqueurs temporels présents dans les textes pour faire cette segmentation. Nous présentons plus précisément deux modèles (HMM et CRF) entraînés pour cette tâche et, en faisant une évaluation de ces modèles sur un corpus de dépêches traitant d’événements sismiques, nous montrons que les méthodes proposées permettent d’obtenir des résultats au moins aussi bons que ceux d’une approche ad hoc, avec une approche beaucoup plus générique.
%U https://aclanthology.org/2010.jeptalnrecital-long.24
%P 231-240
Markdown (Informal)
[Utilisation d’indices temporels pour la segmentation événementielle de textes](https://aclanthology.org/2010.jeptalnrecital-long.24) (Jean-Louis et al., JEP/TALN/RECITAL 2010)
ACL