Les textes cliniques français générés sont-ils dangereusement similaires à leur source ? Analyse par plongements de phrases - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Les textes cliniques français générés sont-ils dangereusement similaires à leur source ? Analyse par plongements de phrases

Résumé

Les ressources textuelles disponibles dans le domaine biomédical sont rares pour des raisons de confidentialité. Des données existent mais ne sont pas partageables, c'est pourquoi il est intéressant de s'inspirer de ces données pour en générer de nouvelles sans contrainte de partage. Une difficulté majeure de la génération de données médicales est que les données générées doivent ressembler aux données originales sans compromettre leur confidentialité. L'évaluation de cette tâche est donc difficile. Dans cette étude, nous étendons l'évaluation de corpus cliniques générés en français en y ajoutant une dimension sémantique à l'aide de plongements de phrases. Nous recherchons des phrases proches à l'aide de similarité cosinus entre plongements, et analysons les scores de similarité. Nous observons que les phrases synthétiques sont thématiquement proches du corpus original, mais suffisamment éloignées pour ne pas être de simples reformulations qui compromettraient la confidentialité.
Fichier principal
Vignette du fichier
461752.pdf (328.32 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04130203 , version 1 (20-06-2023)

Licence

Paternité

Identifiants

  • HAL Id : hal-04130203 , version 1

Citer

Nicolas Hiebel, Olivier Ferret, Karën Fort, Aurélie Névéol. Les textes cliniques français générés sont-ils dangereusement similaires à leur source ? Analyse par plongements de phrases. 18e Conférence en Recherche d'Information et Applications -- 16e Rencontres Jeunes Chercheurs en RI -- 30e Conférence sur le Traitement Automatique des Langues Naturelles -- 25e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues, 2023, Paris, France. pp.46-54. ⟨hal-04130203⟩
72 Consultations
26 Téléchargements

Partager

Gmail Facebook X LinkedIn More