MORFITT : Un corpus multi-labels d'articles scientifiques français dans le domaine biomédical - Archive ouverte HAL
Communication Dans Un Congrès Année : 2023

MORFITT : Un corpus multi-labels d'articles scientifiques français dans le domaine biomédical

Résumé

Cet article présente MORFITT, le premier corpus multi-labels en français annoté en spécialités dans le domaine médical. MORFITT est composé de 3 624 résumés d'articles scientifiques issus de PubMed, annotés en 12 spécialités pour un total de 5 116 annotations. Nous détaillons le corpus, les expérimentations et les résultats préliminaires obtenus à l'aide d'un classifieur fondé sur le modèle de langage pré-entraîné CamemBERT. Ces résultats préliminaires démontrent la difficulté de la tâche, avec un F-score moyen pondéré de 61,78%.
Fichier principal
Vignette du fichier
1465546.pdf (328.56 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04131591 , version 1 (20-06-2023)

Identifiants

  • HAL Id : hal-04131591 , version 1

Citer

Yanis Labrak, Mickael Rouvier, Richard Dufour. MORFITT : Un corpus multi-labels d'articles scientifiques français dans le domaine biomédical. 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.66-70. ⟨hal-04131591⟩
102 Consultations
46 Téléchargements

Partager

More