Modèles de langue adaptatifs et métacritères pour le filtrage de documents et le suivi temporel d’entités
Cet article s’intéresse à une problématique de filtrage ciblé de documents. En plus de détecter et de désambiguïser les entités dans un flux de documents, notre approche ambitionne de sélectionner seulement les documents qui présentent des informations nouvelles concernant les entités cibles. Nous p...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article ou chapitre numérique |
| Language: | Français |
| Published: |
2015
|
| Subjects: | |
| Online Access: | Accès Université d'Orléans et IFPM |
| Summary: | Cet article s’intéresse à une problématique de filtrage ciblé de documents. En plus de détecter et de désambiguïser les entités dans un flux de documents, notre approche ambitionne de sélectionner seulement les documents qui présentent des informations nouvelles concernant les entités cibles. Nous proposons une nouvelle approche faiblement supervisée à base de combinaison de modèles de langue dynamiques et temporels (time-aware) qui permettent de suivre l’évolution des entités. Nous mettons en place des métacritères qui permettent la désambiguïsation d’entité dans un document, une estimation de la nouveauté et par delà l’intérêt de conserver ou non les documents selon une approche de classification par forêts aléatoires. Nous montrons sur les données de la tâche KBA (Knowledge Base Acceleration) de TREC que nos stratégies aboutissent à des performances meilleures que l’état de l’art. |
|---|