@inproceedings{Amalvy-Labatut-Dufour:TALN:2022,
    author = "Amalvy, Arthur and Labatut, Vincent and Dufour, Richard",
    title = "Remplacement de mentions pour l'adaptation d'un corpus de reconnaissance d'entit\'es nomm\'ees \`a un domaine cible",
    booktitle = "Actes de la 29e Conf\'erence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf\'erence principale / Travaux originaux",
    month = "6",
    year = "2022",
    address = "Avignon, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "197-204",
    note = "Mention replacement for adapting a named entity recognition dataset to a target domain",
    abstract = "La reconnaissance d'entit\'es nomm\'ees est une t\^ache de traitement automatique du langage naturel bien \'etudi\'ee et utile dans de nombreuses applications. Derni\`erement, les mod\`eles neuronaux permettent de la r\'esoudre avec de tr\`es bonnes performances. Cependant, les jeux de donn\'ees permettant l'entra{\^\i}nement et l'\'evaluation de ces mod\`eles se concentrent sur un nombre restreint de domaines et types de documents (articles journalistiques, internet). Or, les performances d'un mod\`ele entra{\^\i}n\'e sur un domaine cibl\'e sont en g\'en\'eral moindres dans un autre : ceux moins couverts sont donc p\'enalis\'es. Pour tenter de rem\'edier \`a ce probl\`eme, cet article propose d'utiliser une technique d'augmentation de donn\'ees permettant d'adapter un corpus annot\'e en entit\'es nomm\'ees d'un domaine source \`a un domaine cible o\`u les types de noms rencontr\'es peuvent \^etre diff\'erents. Nous l'appliquons dans le cadre de la litt\'erature de fantasy, o\`u nous montrons qu'elle peut apporter des gains de performance.",
    keywords = "apprentissage profond, augmentation de donn\'ees, reconnaissance d'entit\'es nomm\'ees.",
    url = "http://talnarchives.atala.org/TALN/TALN-2022/8782.pdf"
}