Analyse morphologique non supervisée en domaine biomédical [Unsupervised morphological analysis in the biomedical domain]

Analyse morphologique non supervisée en domaine biomédical Application à la recherche d’information Vincent Claveau* — Ewa Kijak** IRISA – * CNRS – ** Univ. Rennes 1 Campus de Beaulieu, 35042 Rennes, France vincent.claveau@irisa.fr ewa.kijak@irisa.fr RÉSUMÉ. Dans le domaine biomédical, utiliser des termes spécialisés est essentiel pour accéder à l’information. Cependant, dans beaucoup de langues, ces termes sont des constructions mor- phologiques complexes qui compliquent cet accès à l’information. Dans cet article, nous nous intéressons à l’identification des composants morphologiques de ces termes et à leur utilisation pour une tâche de recherche d’information (RI). Nous proposons différentes approches reposant sur un alignement automatique avec une langue pivot particulière, le japonais, et sur un ap- prentissage par analogie permettant de produire des analyses morphologiques fines des termes d’une langue donnée. Ces analyses morphologiques sont ensuite utilisées pour améliorer l’in- dexation de documents biomédicaux. Les expériences rapportées montrent la validité de cette approche avec des gains en MAP de plus de 10 % par rapport à un système de RI standard. ABSTRACT. In the biomedical field, using of specialized terms is key to access information. How- ever, in most Indo-European languages, these terms are complex morphological structures. The presented work aims at identifying the various meaningful components of these terms and use them to improve biomedical Information Retrieval (IR). We present different approaches com- bining automatic alignments with a pivot language, Japanese, and analogical learning that allows an accurate morphological analysis of terms. These morphological analysis are used to improve the indexing of medical documents. The experiments reported in this paper show the validity of this approach with a 10% MAP improvement over a standard IR system. MOTS-CLÉS : morphologie, terminologie biomédicale, alignement, apprentissage par analogie, indexation morphosémantique, recherche d’information biomédicale. KEYWORDS: morphology, biomedical terminology, alignment, analogical learning, morphose- mantic indexing, biomedical information retrieval. TAL. Volume 54 – n° 1/2013, pages 13 à 45 14 TAL. Volume 54 – n° 1/2013 1. Introduction Dans le domaine biomédical, les terminologies et leurs multiples usages sont au cœur de nombreuses applications. Elles sont utilisées pour structurer les connais- sances mais aussi plus pragmatiquement pour indexer et formaliser l’information contenue dans des documents du domaine. L’exemple le plus connu est sans doute la terminologie MeSH® (Medical Subject Headings, www.nlm.nih.gov/mesh) qui a été développée pour indexer les articles de journaux spécialisés des bases Pub- MED®/MEDLINE® (www.pubmed.gov). Les termes recensés dans ces terminolo- gies ont des caractéristiques bien particulières. Ainsi, dans la plupart des langues indo- européennes, les termes biomédicaux sont des compositions complexes de plusieurs constituants, souvent d’origine latine ou grecque. Cette complexité morphologique est un point important à prendre en compte pour les opérations basiques (manipulation, traduction, mise en relation sémantique de ces termes), et de ce fait, pour des opéra- tions de haut niveau telles que la traduction artificielle, ou comme nous le montrons dans cet article, pour la recherche d’information (RI). Dans cet article, nous nous intéressons au développement de techniques d’analyse morphologique pour les termes biomédicaux et nous montrons comment un système de …

Content truncated to 500 words