Reconnaissance d'entités nommées fondée sur des modèles de langue enrichis avec des définitions des types d'entités - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Reconnaissance d'entités nommées fondée sur des modèles de langue enrichis avec des définitions des types d'entités

Résumé

Des études récentes ont identifié de nouveaux défis dans la tâche de reconnaissance d'entités nommées (NER), tels que la reconnaissance d'entités complexes qui ne sont pas des phrases nominales simples et/ou figurent dans des entrées textuelles courtes, avec une faible quantité d'informations contextuelles. Cet article propose une nouvelle approche qui relève ce défi, en se basant sur des modèles de langues pré-entraînés par enrichissement des définitions des types d'entités issus d'une base de connaissances. Les expériences menées dans le cadre de la tâche MultiCoNER I de SemEval ont montré que l'approche proposée permet d'atteindre des gains en performance par rapport aux modèles de référence de la tâche.
Fichier principal
Vignette du fichier
461610.pdf (352.67 Ko) Télécharger le fichier
CORIA-TALN_2023_461610.pdf (352.67 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Licence : CC BY - Paternité

Dates et versions

hal-04131547 , version 1 (23-06-2023)

Identifiants

  • HAL Id : hal-04131547 , version 1

Citer

Jesus Lovon, Jose G. Moreno, Romaric Besançon, Olivier Ferret, Lynda Tamine. Reconnaissance d'entités nommées fondée sur des modèles de langue enrichis avec des définitions des types d'entités. 18e Conférence en Recherche d'Information et Applications - 30e Conférence sur le Traitement Automatique des Langues Naturelles (CORIA TALN 2023), Association francophone de Recherche d’Information et Applications (ARIA); Association pour le Traitement Automatique des Langues (ATALA), Jun 2023, Paris, France. pp.185-194. ⟨hal-04131547⟩
114 Consultations
28 Téléchargements

Partager

Gmail Facebook X LinkedIn More