@inproceedings{minard-etal-2011-apport,
title = "Apport de la syntaxe pour l{'}extraction de relations en domaine m{\'e}dical (Contribution of syntax for relation extraction in the medical domain)",
author = "Minard, Anne-Lyse and
Ligozat, Anne-Laure and
Grau, Brigitte",
editor = "Lafourcade, Mathieu and
Prince, Violaine",
booktitle = "Actes de la 18e conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
month = jun,
year = "2011",
address = "Montpellier, France",
publisher = "ATALA",
url = "https://aclanthology.org/2011.jeptalnrecital-long.27",
pages = "306--316",
abstract = "Dans cet article, nous nous int{\'e}ressons {\`a} l{'}identification de relations entre entit{\'e}s en domaine de sp{\'e}cialit{\'e}, et {\'e}tudions l{'}apport d{'}informations syntaxiques. Nous nous pla{\c{c}}ons dans le domaine m{\'e}dical, et analysons des relations entre concepts dans des comptes-rendus m{\'e}dicaux, t{\^a}che {\'e}valu{\'e}e dans la campagne i2b2 en 2010. Les relations {\'e}tant exprim{\'e}es par des formulations tr{\`e}s vari{\'e}es en langue, nous avons proc{\'e}d{\'e} {\`a} l{'}analyse des phrases en extrayant des traits qui concourent {\`a} la reconnaissance de la pr{\'e}sence d{'}une relation et nous avons consid{\'e}r{\'e} l{'}identification des relations comme une t{\^a}che de classification multi-classes, chaque cat{\'e}gorie de relation {\'e}tant consid{\'e}r{\'e}e comme une classe. Notre syst{\`e}me de r{\'e}f{\'e}rence est celui qui a particip{\'e} {\`a} la campagne i2b2, dont la F-mesure est d{'}environ 0,70. Nous avons {\'e}valu{\'e} l{'}apport de la syntaxe pour cette t{\^a}che, tout d{'}abord en ajoutant des attributs syntaxiques {\`a} notre classifieur, puis en utilisant un apprentissage fond{\'e} sur la structure syntaxique des phrases (apprentissage {\`a} base de tree kernels) ; cette derni{\`e}re m{\'e}thode am{\'e}liore les r{\'e}sultats de la classification de 3{\%}.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="minard-etal-2011-apport">
<titleInfo>
<title>Apport de la syntaxe pour l’extraction de relations en domaine médical (Contribution of syntax for relation extraction in the medical domain)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Anne-Lyse</namePart>
<namePart type="family">Minard</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Anne-Laure</namePart>
<namePart type="family">Ligozat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Brigitte</namePart>
<namePart type="family">Grau</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 longs</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 nous intéressons à l’identification de relations entre entités en domaine de spécialité, et étudions l’apport d’informations syntaxiques. Nous nous plaçons dans le domaine médical, et analysons des relations entre concepts dans des comptes-rendus médicaux, tâche évaluée dans la campagne i2b2 en 2010. Les relations étant exprimées par des formulations très variées en langue, nous avons procédé à l’analyse des phrases en extrayant des traits qui concourent à la reconnaissance de la présence d’une relation et nous avons considéré l’identification des relations comme une tâche de classification multi-classes, chaque catégorie de relation étant considérée comme une classe. Notre système de référence est celui qui a participé à la campagne i2b2, dont la F-mesure est d’environ 0,70. Nous avons évalué l’apport de la syntaxe pour cette tâche, tout d’abord en ajoutant des attributs syntaxiques à notre classifieur, puis en utilisant un apprentissage fondé sur la structure syntaxique des phrases (apprentissage à base de tree kernels) ; cette dernière méthode améliore les résultats de la classification de 3%.</abstract>
<identifier type="citekey">minard-etal-2011-apport</identifier>
<location>
<url>https://aclanthology.org/2011.jeptalnrecital-long.27</url>
</location>
<part>
<date>2011-06</date>
<extent unit="page">
<start>306</start>
<end>316</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Apport de la syntaxe pour l’extraction de relations en domaine médical (Contribution of syntax for relation extraction in the medical domain)
%A Minard, Anne-Lyse
%A Ligozat, Anne-Laure
%A Grau, Brigitte
%Y Lafourcade, Mathieu
%Y Prince, Violaine
%S Actes de la 18e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs
%D 2011
%8 June
%I ATALA
%C Montpellier, France
%G French
%F minard-etal-2011-apport
%X Dans cet article, nous nous intéressons à l’identification de relations entre entités en domaine de spécialité, et étudions l’apport d’informations syntaxiques. Nous nous plaçons dans le domaine médical, et analysons des relations entre concepts dans des comptes-rendus médicaux, tâche évaluée dans la campagne i2b2 en 2010. Les relations étant exprimées par des formulations très variées en langue, nous avons procédé à l’analyse des phrases en extrayant des traits qui concourent à la reconnaissance de la présence d’une relation et nous avons considéré l’identification des relations comme une tâche de classification multi-classes, chaque catégorie de relation étant considérée comme une classe. Notre système de référence est celui qui a participé à la campagne i2b2, dont la F-mesure est d’environ 0,70. Nous avons évalué l’apport de la syntaxe pour cette tâche, tout d’abord en ajoutant des attributs syntaxiques à notre classifieur, puis en utilisant un apprentissage fondé sur la structure syntaxique des phrases (apprentissage à base de tree kernels) ; cette dernière méthode améliore les résultats de la classification de 3%.
%U https://aclanthology.org/2011.jeptalnrecital-long.27
%P 306-316
Markdown (Informal)
[Apport de la syntaxe pour l’extraction de relations en domaine médical (Contribution of syntax for relation extraction in the medical domain)](https://aclanthology.org/2011.jeptalnrecital-long.27) (Minard et al., JEP/TALN/RECITAL 2011)
ACL