Traitement Automatique des Langues, Volume 60, Numéro 1 : Varia [Varia]
1646Authors
nan
Abstract
. This survey takes place in the general context of information extraction and presents more particularly the successive approaches to supervised event extraction from texts. The first rule-based systems and the classical statistical methods use complex and domain-dependent representations that are prone to error propagation. In response to these problems, recent neural network systems using embeddings have linked their success to the absence of the pre- processing steps producing these errors. Among those approaches, different architectures have been proposed to solve the task at the sentence level. However, the task complexity hinders the ability to resolve all ambiguities at this level. Therefore, we identify three ways to enhance the local performance: data augmentation, joint and global inference. Finally, the different design choices presented are compared through an evaluation on the ACE 2005 dataset. MOTS-CLÉS : extraction d’information événementielle, réseaux de neurones. KEYWORDS: event information extraction, neural networks. 1. Cet article est une version remaniée et étendue de (Kodelja et al., 2017). TAL. Volume 60 – n◦ 1/2019, pages 13 à 37 14 TAL. Volume 60 – n◦ 1/2019 1.
Keywords
Full Content
Varia sous la direction de C´ecile Fabre Emmanuel Morin Sophie Rosset Pascale S´ebillot Vol. 60 - no1 / 2019 Varia Sophie Rosset, C´ecile Fabre, Emmanuel Morin, Pascale S´ebillot Pr´eface Dorian Kodelja, Romaric Besanc¸on, Olivier Ferret Mod`eles neuronaux pour l’extraction supervis´ee d’´ev´enements : ´etat de l’art Denis Maurel Notes de lecture Sylvain Pogodalla R´esum´es de th`eses TAL Vol. 60 no1 2019 Varia Traitement automatique des langues Revue publiée depuis 1960 par l’Association pour le Traitement Automatique des LAngues (ATALA), avec le concours du CNRS, de l’Université Paris VII et de l’Université de Provence c⃝ATALA, 2019 ISSN 1965-0906 https ://www.atala.org/revuetal Le Code de la propriété intellectuelle n’autorisant, aux termes de l’article L. 122-5, d’une part, que les « copies ou reproductions strictement réservées à l’usage privé du copiste et non desti- nées à une utilisation collective » et, d’autre part, que les analyses et les courtes citations dans un but d’exemple et d’illustration, « toute représentation ou reproduction intégrale, ou partielle, faite sans le consentement de l’auteur ou de ses ayants droit ou ayants cause, est illicite » (article L. 122-4). Cette représentation ou reproduction, par quelque procédé que ce soit, constituerait donc une contrefaçon sanctionnée par les articles L. 225-2 et suivants du Code de la propriété intellec- tuelle. Traitement automatique des langues Comité de rédaction Rédacteurs en chef Cécile Fabre - CLLE, Université Toulouse 2 Emmanuel Morin - LS2N, Université Nantes Sophie Rosset - LIMSI, CNRS Pascale Sébillot - IRISA, INSA Rennes Membres Salah Aït-Mokhtar - Naver Labs Europe, Grenoble Maxime Amblard - LORIA, Université Lorraine Frédéric Béchet - LIS, Université Aix-Marseille Patrice Bellot - LSIS, Université Aix-Marseille Laurent Besacier - LIG, Université de Grenoble Pierrette Bouillon - ETI/TIM/ISSCO, Université de Genève, Suisse Marie Candito - LLF, Université Paris Diderot Thierry Charnois - LIPN, Université Paris 13 Vincent Claveau - IRISA, CNRS Chloé Clavel - Télécom ParisTech Mathieu Constant - ATILF, Université Lorraine Gaël Harry Dias - GREYC, Université Caen Basse-Normandie Iris Eshkol - MoDyCo, Université Paris Nanterre Dominique Estival - The MARCS Institute, University of Western Sydney, Australie Benoît Favre - LIS, Aix-Marseille Université Nuria Gala - LPL, Université Aix-Marseille Cyril Goutte - Technologies Langagières Interactives, CNRC, Canada Nabil Hathout - CLLE-ERSS, CNRS Sylvain Kahane - MoDyCo, Université Paris Nanterre Philippe Langlais - RALI, Université de Montréal, Canada Yves Lepage - Université Waseda, Japon Denis Maurel - Lifat, Université François-Rabelais, Tours Philippe Muller - IRIT, Université Paul Sabatier, Toulouse Alexis Nasr - LIS, Université Aix-Marseille Adeline Nazarenko - LIPN, Université Paris 13 Aurélie Névéol - LIMSI, CNRS Patrick Paroubek - LIMSI, CNRS Sylvain Pogodalla - LORIA, INRIA François Yvon - LIMSI, Université Paris Sud Secrétaire Peggy Cellier - IRISA, INSA Rennes Traitement automatique des langues Volume 60 – n˚1 / 2019 VARIA Table des matières Préface Sophie Rosset, Cécile Fabre, Emmanuel Morin, Pascale Sébillot . . . . . . . . 7 Modèles neuronaux pour l’extraction supervisée d’événements : état de l’art Dorian Kodelja, Romaric Besançon, Olivier Ferret . . . . . . . . . . …
Content truncated to 500 words
Labeled Text
. This survey takes place in the general context of information extraction and presents more particularly the successive approaches to supervised event extraction from texts. The first rule-based systems and the classical statistical methods use complex and domain-dependent representations that are prone to error propagation. In response to these problems, recent neural network systems using embeddings have linked their success to the absence of the preprocessing steps producing these errors. Among those approaches, different architectures have been proposed to solve the task at the sentence level. However, the task complexity hinders the ability to resolve all ambiguities at this level. Therefore, we identify three ways to enhance the local performance: data augmentation, joint and global inference. Finally, the different design choices presented are compared through an evaluation on the ACE 2005 dataset. MOTS-CLÉS : extraction d’information événementielle, réseaux de neurones. KEYWORDS: event information extraction, neural networks. 1. Cet article est une version remaniée et étendue de (Kodelja et al., 2017). TAL. Volume 60 – n◦ 1/2019, pages 13 à 37 14 TAL. Volume 60 – n◦ 1/2019 1.
Publication Details
- Paper ID:
- 1646
- Year:
- 2019
- Publication:
- TIPSTER
- Publication Type:
- conf
- DOI:
- nan