@inproceedings{Tuo-Besancon-Ferret-Tourille:TALN:2022,
    author = "Tuo, Aboubacar and Besan\c{c}on, Romaric and Ferret, Olivier and Tourille, Julien",
    title = "Mieux utiliser BERT pour la d\'etection d'\'ev\`enements \`a partir de peu d'exemples",
    booktitle = "Actes de la 29e Conf\'erence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf\'erence principale / Traduction de soumissions en cours \`a des conf\'erences internationales",
    month = "6",
    year = "2022",
    address = "Avignon, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "123-133",
    note = "Better exploitation of BERT for few-shot event detection",
    abstract = "Les m\'ethodes actuelles pour la d\'etection d'\'ev\`enements, qui s'appuient essentiellement sur l'apprentissage supervis\'e profond, s'av\`erent tr\`es co\^uteuses en donn\'ees annot\'ees. Parmi les approches pour l'apprentissage \`a partir de peu de donn\'ees, nous exploitons dans cet article le m\'eta-apprentissage et l'utilisation de l'encodeur BERT pour cette t\^ache. Plus particuli\`erement, nous explorons plusieurs strat\'egies pour mieux exploiter les informations pr\'esentes dans les diff\'erentes couches d'un mod\`ele BERT pr\'e-entra{\^\i}n\'e et montrons que ces strat\'egies simples permettent de d\'epasser les r\'esultats de l'\'etat de l'art pour cette t\^ache en anglais.",
    keywords = "Extraction d'\'ev\`enements, apprentissage \`a partir de peu d'exemples, m\'eta-  apprentissage, BERT.",
    url = "http://talnarchives.atala.org/TALN/TALN-2022/3792.pdf"
}