@inproceedings{jean-louis-etal-2011-une,
title = "Une approche faiblement supervis{\'e}e pour l{'}extraction de relations {\`a} large {\'e}chelle (A weakly supervised approach to large scale relation extraction)",
author = "Jean-Louis, Ludovic and
Besan{\c{c}}on, Romaric and
Ferret, Olivier and
Durand, Adrien",
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.4",
pages = "37--48",
abstract = "Les syst{\`e}mes d{'}extraction d{'}information traditionnels se focalisent sur un domaine sp{\'e}cifique et un nombre limit{\'e} de relations. Les travaux r{\'e}cents dans ce domaine ont cependant vu {\'e}merger la probl{\'e}matique des syst{\`e}mes d{'}extraction d{'}information {\`a} large {\'e}chelle. {\`A} l{'}instar des syst{\`e}mes de question-r{\'e}ponse en domaine ouvert, ces syst{\`e}mes se caract{\'e}risent {\`a} la fois par le traitement d{'}un grand nombre de relations et par une absence de restriction quant aux domaines abord{\'e}s. Dans cet article, nous pr{\'e}sentons un syst{\`e}me d{'}extraction d{'}information {\`a} large {\'e}chelle fond{\'e} sur un apprentissage faiblement supervis{\'e} de patrons d{'}extraction de relations. Cet apprentissage repose sur la donn{\'e}e de couples d{'}entit{\'e}s en relation dont la projection dans un corpus de r{\'e}f{\'e}rence permet de constituer la base d{'}exemples de relations support de l{'}induction des patrons d{'}extraction. Nous pr{\'e}sentons {\'e}galement les r{\'e}sultats de l{'}application de cette approche dans le cadre d{'}{\'e}valuation d{\'e}fini par la t{\^a}che KBP de l{'}{\'e}valuation TAC 2010.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="jean-louis-etal-2011-une">
<titleInfo>
<title>Une approche faiblement supervisée pour l’extraction de relations à large échelle (A weakly supervised approach to large scale relation extraction)</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>
<name type="personal">
<namePart type="given">Adrien</namePart>
<namePart type="family">Durand</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>Les systèmes d’extraction d’information traditionnels se focalisent sur un domaine spécifique et un nombre limité de relations. Les travaux récents dans ce domaine ont cependant vu émerger la problématique des systèmes d’extraction d’information à large échelle. À l’instar des systèmes de question-réponse en domaine ouvert, ces systèmes se caractérisent à la fois par le traitement d’un grand nombre de relations et par une absence de restriction quant aux domaines abordés. Dans cet article, nous présentons un système d’extraction d’information à large échelle fondé sur un apprentissage faiblement supervisé de patrons d’extraction de relations. Cet apprentissage repose sur la donnée de couples d’entités en relation dont la projection dans un corpus de référence permet de constituer la base d’exemples de relations support de l’induction des patrons d’extraction. Nous présentons également les résultats de l’application de cette approche dans le cadre d’évaluation défini par la tâche KBP de l’évaluation TAC 2010.</abstract>
<identifier type="citekey">jean-louis-etal-2011-une</identifier>
<location>
<url>https://aclanthology.org/2011.jeptalnrecital-long.4</url>
</location>
<part>
<date>2011-06</date>
<extent unit="page">
<start>37</start>
<end>48</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Une approche faiblement supervisée pour l’extraction de relations à large échelle (A weakly supervised approach to large scale relation extraction)
%A Jean-Louis, Ludovic
%A Besançon, Romaric
%A Ferret, Olivier
%A Durand, Adrien
%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 jean-louis-etal-2011-une
%X Les systèmes d’extraction d’information traditionnels se focalisent sur un domaine spécifique et un nombre limité de relations. Les travaux récents dans ce domaine ont cependant vu émerger la problématique des systèmes d’extraction d’information à large échelle. À l’instar des systèmes de question-réponse en domaine ouvert, ces systèmes se caractérisent à la fois par le traitement d’un grand nombre de relations et par une absence de restriction quant aux domaines abordés. Dans cet article, nous présentons un système d’extraction d’information à large échelle fondé sur un apprentissage faiblement supervisé de patrons d’extraction de relations. Cet apprentissage repose sur la donnée de couples d’entités en relation dont la projection dans un corpus de référence permet de constituer la base d’exemples de relations support de l’induction des patrons d’extraction. Nous présentons également les résultats de l’application de cette approche dans le cadre d’évaluation défini par la tâche KBP de l’évaluation TAC 2010.
%U https://aclanthology.org/2011.jeptalnrecital-long.4
%P 37-48
Markdown (Informal)
[Une approche faiblement supervisée pour l’extraction de relations à large échelle (A weakly supervised approach to large scale relation extraction)](https://aclanthology.org/2011.jeptalnrecital-long.4) (Jean-Louis et al., JEP/TALN/RECITAL 2011)
ACL