Mining Partial Annotation Rules for Named Entity Recognition (Fouille de règles d’annotation partielles pour la reconnaissance des entités nommées) [in French]

Fouille de règles d’annotation partielles pour la reconnaissance des entités nommées Damien Nouvel 1, 2 Jean-Yves Antoine 1 Nathalie.Friburger 1 Arnaud.Soulet 1 (1) LI, 3 place Jean Jaurès, 41000 Blois (2) Alpage, INRIA & Université Paris-Diderot, 75013 Paris {prenom.nom}@univ-tours.fr RÉSUMÉ Ces dernières décennies, l’accroissement des volumes de données a rendu disponible une diversité toujours plus importante de types de contenus échangés (texte, image, audio, vidéo, SMS, tweet, données statistiques, spatiales, etc.). En conséquence, de nouvelles problématiques ont vu le jour, dont la recherche d’information au sein de données potentiellement bruitées. Dans cet article, nous nous penchons sur la reconnaissance d’entités nommées au sein de transcriptions (manuelles ou automatiques) d’émissions radiodiffusées et télévisuelles. À cet effet, nous mettons en œuvre une approche originale par fouille de données afin d’extraire des motifs, que nous nommons règles d’annotation. Au sein d’un modèle, ces règles réalisent l’annotation automatique de transcriptions. Dans le cadre de la campagne d’évaluation Etape, nous mettons à l’épreuve le système implémenté, mXS, étudions les règles extraites et rapportons les performances du système. Il obtient de bonnes performances, en particulier lorsque les transcriptions sont bruitées. ABSTRACT Mining Partial Annotation Rules for Named Entity Recognition During the last decades, the unremitting increase of numeric data available has led to a more and more urgent need for efficient solution of information retrieval (IR). This paper concerns a problematic of first importance for the IR on linguistic data : the recognition of named entities (NE) on speech transcripts issued from radio or TV broadcasts. We present an original approach for named entity recognition which is based on data mining techniques. More precisely, we propose to adapt hierarchical sequence mining techniques to extract automatically from annotated corpora intelligible rules of NE detection. This research was carried out in the framework of the Etape NER evaluation campaign, where mXS, our text-mining based system has shown good performances challenging the best symbolic or data-driven systems MOTS-CLÉS : Entités nommées, Fouille de données, Règles d’annotation. KEYWORDS: Named Entities, Data Mining, Annotation Rules. TALN-RÉCITAL 2013, 17-21 Juin, Les Sables d’Olonne 421 c￿ ATALA 1 Introduction Ces dernières décennies, le développement considérable des technologies de l’information et de la communication a modifié la manière dont nous accédons et manipulons les connaissances. Nous constatons une diversité toujours plus importante des types de contenus échangés (texte, image, audio, vidéo, SMS, tweet, données statistiques, spatiales, etc.), ce qui nécessite de résoudre de nombreuses problématiques, parmi lesquelles la recherche d’information, qui a intéressé la communauté du TALN dès les années 90 avec les campagnes d’évaluation MUC (Grishman et Sundheim, 1996). Les travaux sur le sujet ont porté une attention particulière aux noms propres de personnes, de lieux et d’organisations, appelés entités nommées (EN). Au gré des besoins, celles-ci ont été étendues aux dates, aux expressions numériques, aux marques ou aux fonctions, avant de recouvrir un large spectre d’expressions linguistiques. De nombreux systèmes ont été élaborés pour réaliser la reconnaissance d’entités nommées (REN), selon des approches orientées connaissances ou orientées données. Les premières ont générale- …

Content truncated to 500 words