@inproceedings{mannion-etal-2021-identification,
title = "Identification de profil clinique du patient: Une approche de classification de s{\'e}quences utilisant des mod{\`e}les de langage fran{\c{c}}ais contextualis{\'e}s (Identification of patient clinical profiles : A sequence classification approach using contextualised {F}rench language models )",
author = "Mannion, Aidan and
Chevalier, Thierry and
Schwab, Didier and
Goeuriot, Lorraine",
editor = "Grouin, Cyril and
Grabar, Natalia and
Illouz, Gabriel",
booktitle = "Actes de la 28e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Atelier D{\'E}fi Fouille de Textes (DEFT)",
month = "6",
year = "2021",
address = "Lille, France",
publisher = "ATALA",
url = "https://aclanthology.org/2021.jeptalnrecital-deft.6/",
pages = "54--62",
language = "fra",
abstract = "Cet article pr{\'e}sente un r{\'e}sum{\'e} de notre soumission pour T{\^a}che 1 de DEFT 2021. Cette t{\^a}che consiste {\`a} identifier le profil clinique d`un patient {\`a} partir d`une description textuelle de son cas clinique en identifiant les types de pathologie mentionn{\'e}s dans le texte. Ce travail {\'e}tudie des approches de classification de texte utilisant des plongements de mots contextualis{\'e}s en fran{\c{c}}ais. {\`A} partir d`une base de r{\'e}f{\'e}rence d`un mod{\`e}le constitu{\'e} pour la compr{\'e}hension g{\'e}n{\'e}rale de la langue fran{\c{c}}aise, nous utilisons des mod{\`e}les pr{\'e}-entra{\^i}n{\'e}s avec masked language modelling et affin{\'e}s {\`a} la t{\^a}che d`identification, en utilisant un corpus externe de textes cliniques fourni par SOS M{\'e}decins, pour d{\'e}velopper des ensembles de classifieurs binaires associant les textes cliniques {\`a} des cat{\'e}gories de pathologies."
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="mannion-etal-2021-identification">
<titleInfo>
<title>Identification de profil clinique du patient: Une approche de classification de séquences utilisant des modèles de langage français contextualisés (Identification of patient clinical profiles : A sequence classification approach using contextualised French language models )</title>
</titleInfo>
<name type="personal">
<namePart type="given">Aidan</namePart>
<namePart type="family">Mannion</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Thierry</namePart>
<namePart type="family">Chevalier</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Didier</namePart>
<namePart type="family">Schwab</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Lorraine</namePart>
<namePart type="family">Goeuriot</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2021-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 28e Conférence sur le Traitement Automatique des Langues Naturelles. Atelier DÉfi Fouille de Textes (DEFT)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Cyril</namePart>
<namePart type="family">Grouin</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Natalia</namePart>
<namePart type="family">Grabar</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Gabriel</namePart>
<namePart type="family">Illouz</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Lille, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Cet article présente un résumé de notre soumission pour Tâche 1 de DEFT 2021. Cette tâche consiste à identifier le profil clinique d‘un patient à partir d‘une description textuelle de son cas clinique en identifiant les types de pathologie mentionnés dans le texte. Ce travail étudie des approches de classification de texte utilisant des plongements de mots contextualisés en français. À partir d‘une base de référence d‘un modèle constitué pour la compréhension générale de la langue française, nous utilisons des modèles pré-entraînés avec masked language modelling et affinés à la tâche d‘identification, en utilisant un corpus externe de textes cliniques fourni par SOS Médecins, pour développer des ensembles de classifieurs binaires associant les textes cliniques à des catégories de pathologies.</abstract>
<identifier type="citekey">mannion-etal-2021-identification</identifier>
<location>
<url>https://aclanthology.org/2021.jeptalnrecital-deft.6/</url>
</location>
<part>
<date>2021-6</date>
<extent unit="page">
<start>54</start>
<end>62</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Identification de profil clinique du patient: Une approche de classification de séquences utilisant des modèles de langage français contextualisés (Identification of patient clinical profiles : A sequence classification approach using contextualised French language models )
%A Mannion, Aidan
%A Chevalier, Thierry
%A Schwab, Didier
%A Goeuriot, Lorraine
%Y Grouin, Cyril
%Y Grabar, Natalia
%Y Illouz, Gabriel
%S Actes de la 28e Conférence sur le Traitement Automatique des Langues Naturelles. Atelier DÉfi Fouille de Textes (DEFT)
%D 2021
%8 June
%I ATALA
%C Lille, France
%G fra
%F mannion-etal-2021-identification
%X Cet article présente un résumé de notre soumission pour Tâche 1 de DEFT 2021. Cette tâche consiste à identifier le profil clinique d‘un patient à partir d‘une description textuelle de son cas clinique en identifiant les types de pathologie mentionnés dans le texte. Ce travail étudie des approches de classification de texte utilisant des plongements de mots contextualisés en français. À partir d‘une base de référence d‘un modèle constitué pour la compréhension générale de la langue française, nous utilisons des modèles pré-entraînés avec masked language modelling et affinés à la tâche d‘identification, en utilisant un corpus externe de textes cliniques fourni par SOS Médecins, pour développer des ensembles de classifieurs binaires associant les textes cliniques à des catégories de pathologies.
%U https://aclanthology.org/2021.jeptalnrecital-deft.6/
%P 54-62
Markdown (Informal)
[Identification de profil clinique du patient: Une approche de classification de séquences utilisant des modèles de langage français contextualisés (Identification of patient clinical profiles : A sequence classification approach using contextualised French language models )](https://aclanthology.org/2021.jeptalnrecital-deft.6/) (Mannion et al., JEP/TALN/RECITAL 2021)
ACL