Parmi les différentes tâches d’extraction d’information, la normalisation d’entité consiste en la mise en correspondance automatique des mentions d’entités de textes avec des catégories/concepts d’un référentiel. Nous nous concentrerons ici sur l’utilisation des concepts d’une ontologie comme références. Pour les tâches en domaine général, où l’on peut trouver des jeux de données d’entraînement conséquents, des méthodes neuronales de taille importante obtiennent les meilleurs résultats. On peut néanmoins s’interroger sur la capacité de ces méthodes à conserver de tels résultats appliquées sur des tâches des domaines spécialisés (ex : domaine biologique, médical, …). En effet, dans ces domaines, l’annotation manuelle demande un effort supplémentaire, car il faut avoir recours à des experts. Les méthodes par apprentissage supervisé sont alors impactées par le petit nombre d’exemples annotés manuellement, notamment par rapport au nombre de concepts considérés qui est souvent très important (c.-à-d. au moins plusieurs milliers). La normalisation en domaine spécialisé est donc souvent un problème de classification avec une importante part des nombreuses classes qui ne possède aucun exemple d’entraînement (situation de « zero-shot learning »). Pour essayer de résoudre ce type de problème, on peut utiliser des connaissances externes, telles que celles contenues dans une ontologie de référence pour le domaine concerné. Nous présenterons une approche de normalisation par apprentissage supervisé qui s’appuie sur une intégration des relations de subsomption décrites dans une ontologie du domaine et dont une des implémentations représente aujourd’hui l’état de l’art sur un jeu de données de référence du domaine biologique (Bacteria Biotope de BioNLP Open Shared Tasks 2019).

Enregistrement de la présentation : https://drive.google.com/file/d/1xZlUXAcO6TQFwHQoGWZDQWSqV2WBXp2p/view?usp=sharing