@inproceedings{reza-ebadat-etal-2011-utilisation,
title = "Utilisation de crit{\`e}res linguistiques de surface pour l{'}extraction de relation dans les textes bio-m{\'e}dicaux (Using shallow linguistic features for relation extraction in bio-medical texts)",
author = "Reza Ebadat, Ali and
Claveau, Vincent and
S{\'e}billot, Pascale",
editor = "Lafourcade, Mathieu and
Prince, Violaine",
booktitle = "Actes de la 18e conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles courts",
month = jun,
year = "2011",
address = "Montpellier, France",
publisher = "ATALA",
url = "https://aclanthology.org/2011.jeptalnrecital-court.21",
pages = "122--127",
abstract = "Dans cet article, nous proposons de mod{\'e}liser la t{\^a}che d{'}extraction de relations {\`a} partir de corpus textuels comme un probl{\`e}me de classification. Nous montrons que, dans ce cadre, des repr{\'e}sentations fond{\'e}es sur des informations linguistiques de surface sont suffisantes pour que des algorithmes d{'}apprentissage artificiel standards les exploitant rivalisent avec les meilleurs syst{\`e}mes d{'}extraction de relations reposant sur des connaissances issues d{'}analyses profondes (analyses syntaxiques ou s{\'e}mantiques). Nous montrons {\'e}galement qu{'}en prenant davantage en compte les sp{\'e}cificit{\'e}s de la t{\^a}che d{'}extraction {\`a} r{\'e}aliser et des donn{\'e}es disponibles, il est possible d{'}obtenir des m{\'e}thodes encore plus efficaces tout en exploitant ces informations simples. La technique originale {\`a} base d{'}apprentissage « paresseux » et de mod{\`e}les de langue que nous {\'e}valuons en extraction d{'}interactions g{\'e}niques sur les donn{\'e}es du challenge LLL2005 d{\'e}passe les r{\'e}sultats de l{'}{\'e}tat de l{'}art.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="reza-ebadat-etal-2011-utilisation">
<titleInfo>
<title>Utilisation de critères linguistiques de surface pour l’extraction de relation dans les textes bio-médicaux (Using shallow linguistic features for relation extraction in bio-medical texts)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Ali</namePart>
<namePart type="family">Reza Ebadat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Vincent</namePart>
<namePart type="family">Claveau</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Pascale</namePart>
<namePart type="family">Sébillot</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2011-06</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 18e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts</title>
</titleInfo>
<name type="personal">
<namePart type="given">Mathieu</namePart>
<namePart type="family">Lafourcade</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Violaine</namePart>
<namePart type="family">Prince</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Montpellier, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Dans cet article, nous proposons de modéliser la tâche d’extraction de relations à partir de corpus textuels comme un problème de classification. Nous montrons que, dans ce cadre, des représentations fondées sur des informations linguistiques de surface sont suffisantes pour que des algorithmes d’apprentissage artificiel standards les exploitant rivalisent avec les meilleurs systèmes d’extraction de relations reposant sur des connaissances issues d’analyses profondes (analyses syntaxiques ou sémantiques). Nous montrons également qu’en prenant davantage en compte les spécificités de la tâche d’extraction à réaliser et des données disponibles, il est possible d’obtenir des méthodes encore plus efficaces tout en exploitant ces informations simples. La technique originale à base d’apprentissage « paresseux » et de modèles de langue que nous évaluons en extraction d’interactions géniques sur les données du challenge LLL2005 dépasse les résultats de l’état de l’art.</abstract>
<identifier type="citekey">reza-ebadat-etal-2011-utilisation</identifier>
<location>
<url>https://aclanthology.org/2011.jeptalnrecital-court.21</url>
</location>
<part>
<date>2011-06</date>
<extent unit="page">
<start>122</start>
<end>127</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Utilisation de critères linguistiques de surface pour l’extraction de relation dans les textes bio-médicaux (Using shallow linguistic features for relation extraction in bio-medical texts)
%A Reza Ebadat, Ali
%A Claveau, Vincent
%A Sébillot, Pascale
%Y Lafourcade, Mathieu
%Y Prince, Violaine
%S Actes de la 18e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts
%D 2011
%8 June
%I ATALA
%C Montpellier, France
%G French
%F reza-ebadat-etal-2011-utilisation
%X Dans cet article, nous proposons de modéliser la tâche d’extraction de relations à partir de corpus textuels comme un problème de classification. Nous montrons que, dans ce cadre, des représentations fondées sur des informations linguistiques de surface sont suffisantes pour que des algorithmes d’apprentissage artificiel standards les exploitant rivalisent avec les meilleurs systèmes d’extraction de relations reposant sur des connaissances issues d’analyses profondes (analyses syntaxiques ou sémantiques). Nous montrons également qu’en prenant davantage en compte les spécificités de la tâche d’extraction à réaliser et des données disponibles, il est possible d’obtenir des méthodes encore plus efficaces tout en exploitant ces informations simples. La technique originale à base d’apprentissage « paresseux » et de modèles de langue que nous évaluons en extraction d’interactions géniques sur les données du challenge LLL2005 dépasse les résultats de l’état de l’art.
%U https://aclanthology.org/2011.jeptalnrecital-court.21
%P 122-127
Markdown (Informal)
[Utilisation de critères linguistiques de surface pour l’extraction de relation dans les textes bio-médicaux (Using shallow linguistic features for relation extraction in bio-medical texts)](https://aclanthology.org/2011.jeptalnrecital-court.21) (Reza Ebadat et al., JEP/TALN/RECITAL 2011)
ACL