Actes de 26e Conférence sur le Traitement Automatique des Langues Naturelles (DEFT'2019), Toulouse (France)

Articles longs

• Natalia Grabar, Cyril Grouin, Thierry Hamon, Vincent Claveau » [article] [bib] [résumé]
  Recherche et extraction d’information dans des cas cliniques. Présentation de la campagne d’évaluation DEFT 2019
• Philippe Suignard, Meryl Bothua, Alexandra Benamar » [article] [bib] [résumé]
  Participation d’EDF R&D à DEFT 2019 : des vecteurs et des règles !
• Jacques Hilbey, Louise Deléger, Xavier Tannier » [article] [bib] [résumé]
  Participation de l’équipe LAI à DEFT 2019
• Jean-Christophe Mensonides, Pierre-Antoine Jean, Andon Tchechmedjiev, Sébastien Harispe » [article] [bib] [résumé]
  DÉfi Fouille de Textes 2019 : indexation par extraction et appariement textuel
• Davide Buscaldi, Dhaou Ghoul, Joseph Le Roux, Gaël Lejeune » [article] [bib] [résumé]
  Indexation et appariements de documents cliniques pour le Deft 2019
• Mérième Bouhandi, Florian Boudin, Ygor Gallina » [article] [bib] [résumé]
  DeFT 2019 : Auto-encodeurs, Gradient Boosting et combinaisons de modèles pour l’identification automatique de mots-clés. Participation de l’équipe TALN du LS2N
• Estelle Maudet, Oralie Cattan, Maureen de Seyssel, Christophe Servan » [article] [bib] [résumé]
  Qwant Research @DEFT 2019 : appariement de documents et extraction d’informations à partir de cas cliniques
• Damien Sileo, Tim Van de Cruys, Philippe Muller, Camille Pradel » [article] [bib] [résumé]
  Aprentissage non-supervisé pour l’appariement et l’étiquetage de cas cliniques en français - DEFT2019
• Khadim Dramé, Ibrahima Diop, Lamine Faty, Birame Ndoye » [article] [bib] [résumé]
  Indexation et appariement de documents cliniques avec le modèle vectoriel