DOING@DEFT : utilisation de lexiques pour une classification efficace de cas cliniques (In this paper, we present our participation to the DEFT 2021 task 1)

no code implementations • JEP/TALN/RECITAL 2021 • Nicolas Hiot, Anne-Lyse Minard, Flora Badin

Nous présentons dans cet article notre participation à la tâche 1 de la campagne d’évaluation francophone DEFT 2021, sur l’identification du profil clinique du patient.

Chunk Different Kind of Spoken Discourse: Challenges for Machine Learning

no code implementations • LREC 2020 • Iris Eshkol-Taravella, Mariame Maarouf, Flora Badin, Marie Skrovec, Isabelle Tellier

The methodology considers the specific character of the spoken data.

BIG-bench Machine Learning

Chunker diff\'erents types de discours oraux : d\'efis pour l'apprentissage automatique (Chunking different spoken speech types : challenges for machine learning)

no code implementations • JEPTALNRECITAL 2019 • Iris Eshkol-Taravella, Mariame Maarouf, Marie Skrovec, Flora Badin

Le travail d{\'e}crit le d{\'e}veloppement d{'}un chunker pour l{'}oral par apprentissage supervis{\'e} avec les CRFs, {\`a} partir d{'}un corpus de r{\'e}f{\'e}rence de petite taille et compos{\'e} de productions de nature diff{\'e}rente : monologue pr{\'e}par{\'e} vs discussion spontan{\'e}e. La m{\'e}thodologie respecte les sp{\'e}cificit{\'e}s des donn{\'e}es trait{\'e}es.

Chunking