Représentation des informations textuelles pour la détection d'états pathologiques par apprentissage statistique - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2016

Représentation des informations textuelles pour la détection d'états pathologiques par apprentissage statistique

Résumé

Contexte. L’ANSM estime que seuls 4 à 5 % des effets indésirables causés par des médicaments sont notifiés. Par ailleurs, les réseaux sociaux véhiculent un nombre élevé de témoignages utiles pour la pharmacovigilance, dont les propriétés (fautes d’orthographe, vocabulaire patient, expressions imagées, etc.) appellent des traitements adaptés pour repérer les expressions désignant une pathologie. Méthodes. Nous opposons deux représentations des informations : la représentation nucléaire catégorise chaque terme de l’expression (ANATOMY, DISORDER, SIGN OR SYMPTOM) alors que la représentation linéaire ne vise qu’à repérer les frontières de début et de fin de l’expression. Ces représentations sont en- suite utilisées par des approches statistiques (CRF et SVM). Résultats. La représentation linéaire permet une meilleure identification des pathologies (F=0,7425) que la représentation nucléaire (F=0,6865). Discussion. La représentation nucléaire appelle deux traitements (catégorisation des termes et calcul des relations entre termes) contre un seul pour la représentation linéaire. Conclusion. Les deux représentations sont complémentaires : la représentation linéaire repère les expressions tandis que la représentation nucléaire précise le contenu des expressions (spécification des termes et relations).
Fichier non déposé

Dates et versions

hal-01831156 , version 1 (05-07-2018)

Identifiants

  • HAL Id : hal-01831156 , version 1

Citer

François Morlane-Hondère, Cyril Grouin, Pierre Zweigenbaum. Représentation des informations textuelles pour la détection d'états pathologiques par apprentissage statistique. Journées Francophones d'Informatique Médicale, Jun 2016, Genève, Switzerland. ⟨hal-01831156⟩
39 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More