@inproceedings{berrahou-etal-2015-identification,
title = "Identification des unit{\'e}s de mesure dans les textes scientifiques",
author = "Berrahou, Soumia Lilia and
Buche, Patrice and
Dibie-Barth{\'e}lemy, Juliette and
Roche, Mathieu",
editor = "Lecarpentier, Jean-Marc and
Lucas, Nadine",
booktitle = "Actes de la 22e conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles courts",
month = jun,
year = "2015",
address = "Caen, France",
publisher = "ATALA",
url = "https://aclanthology.org/2015.jeptalnrecital-court.14",
pages = "88--94",
abstract = "Le travail pr{\'e}sent{\'e} dans cet article se situe dans le cadre de l{'}identification de termes sp{\'e}cialis{\'e}s (unit{\'e}s de mesure) {\`a} partir de donn{\'e}es textuelles pour enrichir une Ressource Termino-Ontologique (RTO). La premi{\`e}re {\'e}tape de notre m{\'e}thode consiste {\`a} pr{\'e}dire la localisation des variants d{'}unit{\'e}s de mesure dans les documents. Nous avons utilis{\'e} une m{\'e}thode reposant sur l{'}apprentissage supervis{\'e}. Cette m{\'e}thode permet de r{\'e}duire sensiblement l{'}espace de recherche des variants tout en restant dans un contexte optimal de recherche (r{\'e}duction de 86{\%} de l{'}espace de recherch{\'e} sur le corpus {\'e}tudi{\'e}). La deuxi{\`e}me {\'e}tape du processus, une fois l{'}espace de recherche r{\'e}duit aux variants d{'}unit{\'e}s, utilise une nouvelle mesure de similarit{\'e} permettant d{'}identifier automatiquement les variants d{\'e}couverts par rapport {\`a} un terme d{'}unit{\'e} d{\'e}j{\`a} r{\'e}f{\'e}renc{\'e} dans la RTO avec un taux de pr{\'e}cision de 82{\%} pour un seuil au dessus de 0.6 sur le corpus {\'e}tudi{\'e}.",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="berrahou-etal-2015-identification">
<titleInfo>
<title>Identification des unités de mesure dans les textes scientifiques</title>
</titleInfo>
<name type="personal">
<namePart type="given">Soumia</namePart>
<namePart type="given">Lilia</namePart>
<namePart type="family">Berrahou</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Patrice</namePart>
<namePart type="family">Buche</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Juliette</namePart>
<namePart type="family">Dibie-Barthélemy</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Mathieu</namePart>
<namePart type="family">Roche</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2015-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts</title>
</titleInfo>
<name type="personal">
<namePart type="given">Jean-Marc</namePart>
<namePart type="family">Lecarpentier</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Nadine</namePart>
<namePart type="family">Lucas</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Caen, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Le travail présenté dans cet article se situe dans le cadre de l’identification de termes spécialisés (unités de mesure) à partir de données textuelles pour enrichir une Ressource Termino-Ontologique (RTO). La première étape de notre méthode consiste à prédire la localisation des variants d’unités de mesure dans les documents. Nous avons utilisé une méthode reposant sur l’apprentissage supervisé. Cette méthode permet de réduire sensiblement l’espace de recherche des variants tout en restant dans un contexte optimal de recherche (réduction de 86% de l’espace de recherché sur le corpus étudié). La deuxième étape du processus, une fois l’espace de recherche réduit aux variants d’unités, utilise une nouvelle mesure de similarité permettant d’identifier automatiquement les variants découverts par rapport à un terme d’unité déjà référencé dans la RTO avec un taux de précision de 82% pour un seuil au dessus de 0.6 sur le corpus étudié.</abstract>
<identifier type="citekey">berrahou-etal-2015-identification</identifier>
<location>
<url>https://aclanthology.org/2015.jeptalnrecital-court.14</url>
</location>
<part>
<date>2015-06</date>
<extent unit="page">
<start>88</start>
<end>94</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Identification des unités de mesure dans les textes scientifiques
%A Berrahou, Soumia Lilia
%A Buche, Patrice
%A Dibie-Barthélemy, Juliette
%A Roche, Mathieu
%Y Lecarpentier, Jean-Marc
%Y Lucas, Nadine
%S Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles courts
%D 2015
%8 June
%I ATALA
%C Caen, France
%F berrahou-etal-2015-identification
%X Le travail présenté dans cet article se situe dans le cadre de l’identification de termes spécialisés (unités de mesure) à partir de données textuelles pour enrichir une Ressource Termino-Ontologique (RTO). La première étape de notre méthode consiste à prédire la localisation des variants d’unités de mesure dans les documents. Nous avons utilisé une méthode reposant sur l’apprentissage supervisé. Cette méthode permet de réduire sensiblement l’espace de recherche des variants tout en restant dans un contexte optimal de recherche (réduction de 86% de l’espace de recherché sur le corpus étudié). La deuxième étape du processus, une fois l’espace de recherche réduit aux variants d’unités, utilise une nouvelle mesure de similarité permettant d’identifier automatiquement les variants découverts par rapport à un terme d’unité déjà référencé dans la RTO avec un taux de précision de 82% pour un seuil au dessus de 0.6 sur le corpus étudié.
%U https://aclanthology.org/2015.jeptalnrecital-court.14
%P 88-94
Markdown (Informal)
[Identification des unités de mesure dans les textes scientifiques](https://aclanthology.org/2015.jeptalnrecital-court.14) (Berrahou et al., JEP/TALN/RECITAL 2015)
ACL