@inproceedings{randriatsitohaina-2018-extraction,
title = "Extraction d`interactions entre aliment et m{\'e}dicament : Etat de l`art et premiers r{\'e}sultats (Extraction of food-drug interactions : State of the art and first results)",
author = "Randriatsitohaina, Tsanta",
editor = "S{\'e}billot, Pascale and
Claveau, Vincent",
booktitle = "Actes de la Conf{\'e}rence TALN. Volume 2 - D{\'e}monstrations, articles des Rencontres Jeunes Chercheurs, ateliers DeFT",
month = "5",
year = "2018",
address = "Rennes, France",
publisher = "ATALA",
url = "https://aclanthology.org/2018.jeptalnrecital-recital.10/",
pages = "131--144",
language = "fra",
abstract = "Dans cet article, nous nous int{\'e}ressons {\`a} l`extraction des interactions entre m{\'e}dicaments et aliments, une t{\^a}che qui s`apparente {\`a} l`extraction de relations entre termes dans les textes de sp{\'e}cialit{\'e}. De nombreuses approches ont {\'e}t{\'e} propos{\'e}es pour extraire des relations {\`a} partir de textes : des patrons lexico-syntaxiques, de la classification supervis{\'e}e, et plus r{\'e}cemment de l`apprentissage profond. A partir de cet {\'e}tat de l`art, nous pr{\'e}sentons une m{\'e}thode bas{\'e}e sur un apprentissage supervis{\'e} et les r{\'e}sultats d`une premi{\`e}re s{\'e}rie d`exp{\'e}riences. Malgr{\'e} le d{\'e}s{\'e}quilibre des classes, les r{\'e}sultats sont encourageants. Nous avons ainsi pu identifier les classifieurs les plus performants suivant les {\'e}tapes. Nous avons {\'e}galement observ{\'e} l`impact important des cat{\'e}gories s{\'e}mantiques des termes comme descripteurs."
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="randriatsitohaina-2018-extraction">
<titleInfo>
<title>Extraction d‘interactions entre aliment et médicament : Etat de l‘art et premiers résultats (Extraction of food-drug interactions : State of the art and first results)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Tsanta</namePart>
<namePart type="family">Randriatsitohaina</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2018-05</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la Conférence TALN. Volume 2 - Démonstrations, articles des Rencontres Jeunes Chercheurs, ateliers DeFT</title>
</titleInfo>
<name type="personal">
<namePart type="given">Pascale</namePart>
<namePart type="family">Sébillot</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Vincent</namePart>
<namePart type="family">Claveau</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Rennes, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Dans cet article, nous nous intéressons à l‘extraction des interactions entre médicaments et aliments, une tâche qui s‘apparente à l‘extraction de relations entre termes dans les textes de spécialité. De nombreuses approches ont été proposées pour extraire des relations à partir de textes : des patrons lexico-syntaxiques, de la classification supervisée, et plus récemment de l‘apprentissage profond. A partir de cet état de l‘art, nous présentons une méthode basée sur un apprentissage supervisé et les résultats d‘une première série d‘expériences. Malgré le déséquilibre des classes, les résultats sont encourageants. Nous avons ainsi pu identifier les classifieurs les plus performants suivant les étapes. Nous avons également observé l‘impact important des catégories sémantiques des termes comme descripteurs.</abstract>
<identifier type="citekey">randriatsitohaina-2018-extraction</identifier>
<location>
<url>https://aclanthology.org/2018.jeptalnrecital-recital.10/</url>
</location>
<part>
<date>2018-5</date>
<extent unit="page">
<start>131</start>
<end>144</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Extraction d‘interactions entre aliment et médicament : Etat de l‘art et premiers résultats (Extraction of food-drug interactions : State of the art and first results)
%A Randriatsitohaina, Tsanta
%Y Sébillot, Pascale
%Y Claveau, Vincent
%S Actes de la Conférence TALN. Volume 2 - Démonstrations, articles des Rencontres Jeunes Chercheurs, ateliers DeFT
%D 2018
%8 May
%I ATALA
%C Rennes, France
%G fra
%F randriatsitohaina-2018-extraction
%X Dans cet article, nous nous intéressons à l‘extraction des interactions entre médicaments et aliments, une tâche qui s‘apparente à l‘extraction de relations entre termes dans les textes de spécialité. De nombreuses approches ont été proposées pour extraire des relations à partir de textes : des patrons lexico-syntaxiques, de la classification supervisée, et plus récemment de l‘apprentissage profond. A partir de cet état de l‘art, nous présentons une méthode basée sur un apprentissage supervisé et les résultats d‘une première série d‘expériences. Malgré le déséquilibre des classes, les résultats sont encourageants. Nous avons ainsi pu identifier les classifieurs les plus performants suivant les étapes. Nous avons également observé l‘impact important des catégories sémantiques des termes comme descripteurs.
%U https://aclanthology.org/2018.jeptalnrecital-recital.10/
%P 131-144
Markdown (Informal)
[Extraction d’interactions entre aliment et médicament : Etat de l’art et premiers résultats (Extraction of food-drug interactions : State of the art and first results)](https://aclanthology.org/2018.jeptalnrecital-recital.10/) (Randriatsitohaina, JEP/TALN/RECITAL 2018)
ACL