<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="grabar-hamon-2015-extraction">
    <titleInfo>
        <title>Extraction automatique de paraphrases grand public pour les termes médicaux</title>
    </titleInfo>
    <name type="personal">
        <namePart type="given">Natalia</namePart>
        <namePart type="family">Grabar</namePart>
        <role>
            <roleTerm authority="marcrelator" type="text">author</roleTerm>
        </role>
    </name>
    <name type="personal">
        <namePart type="given">Thierry</namePart>
        <namePart type="family">Hamon</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 longs</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>Nous sommes tous concernés par notre état de santé et restons sensibles aux informations de santé disponibles dans la société moderne à travers par exemple les résultats des recherches scientifiques, les médias sociaux de santé, les documents cliniques, les émissions de télé et de radio ou les nouvelles. Cependant, il est commun de rencontrer dans le domaine médical des termes très spécifiques (e.g., blépharospasme, alexitymie, appendicectomie), qui restent difficiles à comprendre par les non spécialistes. Nous proposons une méthode automatique qui vise l’acquisition de paraphrases pour les termes médicaux, qui soient plus faciles à comprendre que les termes originaux. La méthode est basée sur l’analyse morphologique des termes, l’analyse syntaxique et la fouille de textes non spécialisés. L’analyse et l’évaluation des résultats indiquent que de telles paraphrases peuvent être trouvées dans les documents non spécialisés et présentent une compréhension plus facile. En fonction des paramètres de la méthode, la précision varie entre 86 et 55%. Ce type de ressources est utile pour plusieurs applications de TAL (e.g., recherche d’information grand public, lisibilité et simplification de textes, systèmes de question-réponses).</abstract>
    <identifier type="citekey">grabar-hamon-2015-extraction</identifier>
    <location>
        <url>https://aclanthology.org/2015.jeptalnrecital-long.16</url>
    </location>
    <part>
        <date>2015-06</date>
        <extent unit="page">
            <start>182</start>
            <end>195</end>
        </extent>
    </part>
</mods>
</modsCollection>

%0 Conference Proceedings
%T Extraction automatique de paraphrases grand public pour les termes médicaux
%A Grabar, Natalia
%A Hamon, Thierry
%Y Lecarpentier, Jean-Marc
%Y Lucas, Nadine
%S Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs
%D 2015
%8 June
%I ATALA
%C Caen, France
%F grabar-hamon-2015-extraction
%X Nous sommes tous concernés par notre état de santé et restons sensibles aux informations de santé disponibles dans la société moderne à travers par exemple les résultats des recherches scientifiques, les médias sociaux de santé, les documents cliniques, les émissions de télé et de radio ou les nouvelles. Cependant, il est commun de rencontrer dans le domaine médical des termes très spécifiques (e.g., blépharospasme, alexitymie, appendicectomie), qui restent difficiles à comprendre par les non spécialistes. Nous proposons une méthode automatique qui vise l’acquisition de paraphrases pour les termes médicaux, qui soient plus faciles à comprendre que les termes originaux. La méthode est basée sur l’analyse morphologique des termes, l’analyse syntaxique et la fouille de textes non spécialisés. L’analyse et l’évaluation des résultats indiquent que de telles paraphrases peuvent être trouvées dans les documents non spécialisés et présentent une compréhension plus facile. En fonction des paramètres de la méthode, la précision varie entre 86 et 55%. Ce type de ressources est utile pour plusieurs applications de TAL (e.g., recherche d’information grand public, lisibilité et simplification de textes, systèmes de question-réponses).
%U https://aclanthology.org/2015.jeptalnrecital-long.16
%P 182-195

Markdown (Informal)

[Extraction automatique de paraphrases grand public pour les termes médicaux](https://aclanthology.org/2015.jeptalnrecital-long.16) (Grabar & Hamon, JEP/TALN/RECITAL 2015)

• Extraction automatique de paraphrases grand public pour les termes médicaux (Grabar & Hamon, JEP/TALN/RECITAL 2015)

ACL

• Natalia Grabar and Thierry Hamon. 2015. Extraction automatique de paraphrases grand public pour les termes médicaux. In Actes de la 22e conférence sur le Traitement Automatique des Langues Naturelles. Articles longs, pages 182–195, Caen, France. ATALA.