Modèle Transformer à base de Connaissances pour la Recherche d'Information dans des Domaines Spécialisés - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Extraction et Gestion des Connaissances (EGC) Année : 2020

Modèle Transformer à base de Connaissances pour la Recherche d'Information dans des Domaines Spécialisés

Résumé

Le problème de la disparité des termes (term mismatch) occure fré-quement en recherche d'information (RI). Il peut se produire lorsque la requête est courte et/ou ambiguë mais aussi dans des domaines spécialisés où les re-quêtes sont effectuées par des non-spécialistes et les documents sont rédigés par des experts. Récemment, le problème de disparité des termes a été abordé à l'aide de modèles neuronaux d'apprentissage de classement (Neural Learning-To-Rank) et de plongements de mots pour éviter d'utiliser uniquement la corres-pondance exacte des termes pour la recherche. Une autre approche au problème de la disparité des termes consiste à utiliser des bases de connaissances (Know-ledge Bases) qui peuvent associer différents termes au même concept. Compte tenu du succès récent des encodeurs de type transformers en traitement auto-matique du language naturel (TALN), nous proposons KTRel : un modèle de type Neural Learning-To-Rank (NLTR) qui utilise des plongements de mots, des plongements de bases de connaissances et des encodeurs transformers pour la RI dans des domaines spécialisés. Dans cet article, nous évaluons KTRel sur une tâche de RI médicale.
Fichier principal
Vignette du fichier
workshop_EGC_2020.pdf (237.82 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02474706 , version 1 (11-02-2020)

Identifiants

  • HAL Id : hal-02474706 , version 1

Citer

Jibril Frej, Didier Schwab, Jean-Pierre Chevallet. Modèle Transformer à base de Connaissances pour la Recherche d'Information dans des Domaines Spécialisés. Conférence Extraction et Gestion des Connaissances, Jan 2020, Bruxelles, Belgique. ⟨hal-02474706⟩
162 Consultations
276 Téléchargements

Partager

Gmail Facebook X LinkedIn More