Apprentissage non-supervisé pour l'appariement et l'étiquetage de cas cliniques en français

Nous présentons le système utilisé par l’équipe Synapse/IRIT dans la compétition DEFT2019 portant sur deux tâches liées à des cas cliniques rédigés en français : l’une d’appariement entre des cas cliniques et des discussions, l’autre d’extraction de mots-clefs. Une des particularité est l’emploi d’apprentissage non-supervisé sur les deux tâches, sur un corpus construit spécifiquement pour le domaine médical en français.

Mots clés

TALN bio-médical DEFT2019 Apprentissage non-supervisé

Domaines

Intelligence artificielle [cs.AI]

Fichier principal

sileo_26235.pdf (324.79 Ko)

Origine	Fichiers produits par l'(les) auteur(s)

Open Archive Toulouse Archive Ouverte (OATAO) : Connectez-vous pour contacter le contributeur

https://hal.science/hal-02890357

Soumis le : lundi 6 juillet 2020-11:40:26

Dernière modification le : jeudi 25 janvier 2024-12:26:05

Archivage à long terme le : vendredi 25 septembre 2020-13:35:25

Dates et versions

hal-02890357 , version 1 (06-07-2020)

Identifiants

HAL Id : hal-02890357 , version 1

Citer

Damien Sileo, Tim van de Cruys, Philippe Muller, Camille Pradel. Apprentissage non-supervisé pour l'appariement et l'étiquetage de cas cliniques en français. Défi Fouille de Textes@TALN 2019 (DEFT 2019), Jul 2019, Toulouse, France. pp.81-89. ⟨hal-02890357⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-TLSE2 CNRS UT1-CAPITOLE IRIT IRIT-MELODI IRIT-IA IRIT-CNRS TOULOUSE-INP UNIV-UT3 UT3-TOULOUSEINP

102 Consultations

51 Téléchargements