L'extraction d'information ouverte (Open Information Extraction) s'intéresse à l'extraction de connaissances générales à partir de corpus très volumineux. L'approche est ouverte dans la mesure où le type de connaissances extraites n'est pas spécifié d'avance.

La présentation portera sur l'exploitation des techniques d'extraction d'information ouverte pour la classification automatique d'entités (Michel Foucault est-il un village, un physicien, un philosophe ?). L'approche proposée est originale, car elle exploite deux types de corpus : Wikipédia pour apprendre les types d'entités, et les journaux scientifiques mis à notre disposition par le consortium Érudit, pour appliquer ces types d'entités.

Puisque notre travail s'effectue sur des textes en français, nous expliquerons également comment nous avons adapté en partie l'outil ReVerb, conçu initialement pour l'anglais.