These: Amanda Bouffier, Analyse discursive automatique de textes

[Thierry Hamon]

Date: Thu, 25 Sep 2008 17:45:14 +0200
From: Amanda Bouffier <amanda.bouffier at lipn.univ-paris13.fr>
Message-ID: <48DBB20A.4090300 at lipn.univ-paris13.fr>



J'ai le plaisir de vous inviter à la soutenance de ma thèse intitulée
"Analyse discursive automatique de textes. Application à la
modélisation de connaissances", ainsi qu'au pot qui suivra.

La soutenance aura lieu le Jeudi 16 Octobre à 14h, salle B311 du
Laboratoire d'Informatique de Paris Nord, Institut Galilée, Université
Paris 13, 99 avenue jean-Baptiste Clément, 93430 Villetaneuse (Pour se
rendre au LIPN: http://www-lipn.univ-paris13.fr/planfac/?lang=fr)


Le jury sera composé de:

Mme Marie-Paule Pery-Woodley,  professeur, ERSS, université de
Toulouse Le Mirail, rapporteur
M. Patrice Enjalbert, professeur, GREYC, université de Caen,
rapporteur
M. Jean-Pierre Desclés, professeur, LALIC, université Paris IV,
examinateur
M. Alain Venot, professeur, LIM & BIO, université Paris XIII,
examinateur
M. Daniel Kayser, professeur, LIPN, université Paris XIII, directeur
de thèse
M. Thierry Poibeau, chargé de recherche CNRS, LIPN, université Paris
XIII, encadrant de thèse


Cordialement,

Amanda Bouffier

Résumé
----------------------------------
Les systèmes d'analyse sémantique reposent le plus souvent sur des
analyses locales du texte tandis qu'il devient de plus en plus évident
que la structure du texte fait sens et doit être exploitée pour
fournir un meilleur accès au contenu des documents. Mon travail a pour
objectif de montrer l'apport d'une approche textuelle au sein d' un
cadre applicatif précis: la modélisation des Guides de Bonnes
Pratiques Médicales. Les guides sont des textes de recommandations
écrits par des autorités en matière de santé et adressés aux médecins
afin d'uniformiser les pratiques thérapeutiques. Ces documents étant
peu exploités par les médecins, un effort spécifique a été fait pour
construire des outils informatiques permettant de faciliter l' accès
aux connaissances contenues dans les guides. Pour alimenter ces
outils, une phase de modélisation des textes est nécessaire. Nous
proposons l'application GemFrame qui permet d'automatiser
partiellement le processus de modélisation en fournissant une première
représentation structurée de ces textes. L'application vise à extraire
les segments exprimant une recommandation et ceux exprimant une
condition puis à associer à chaque segment conditionnel l'ensemble des
segments «recommandation» qui dépendent de cette condition. Les
relations de dépendance s'établissent souvent au delà du niveau de la
phrase, ce qui justifie le recours à une approche textuelle. Nous
proposons une stratégie fondée sur l'exploitation de connaissances
linguistiques obtenues par une méthode originale liant observation
linguistique et apprentissage artificiel. Le système a été validé sur
trois aspects complémentaires: utilité, performances et pertinence de
la méthode.

Mots clés: Traitement Automatiques des Langues, analyse discursive,
linguistique textuelle, modélisation des connaissances, Guides de
Bonnes Pratiques, GEM (Guideline Elements Model).

Abstract:
-----------------------------------

NLP is mainly focused on words and sentences even if most people agree
that a better understanding of text structure could help extracting
knowledge. In this thesis, we show that, in certain domains, textual
approaches are relevant for NLP, taking as an example a specific task
related to the medical domain: the automatic modelling of health
practice guidelines. Clinical Guidelines are legal documents providing
an aid for physicists in their diagnosis and treatment tasks. Because
these recommendations are not really followed, there is a need for
electronic tools that facilitate the access to these documents. Our
system, GemFrame, is capable of automatically structuring Health
Practice Guidelines by recognizing conditions and recommandations and
computing the relations between these two kinds of segments. We have
showed that these relations involve large parts of texts, beyond the
sentence barrier, that justify a textual approach. We propose a
strategy based on the recognition of linguistic features acquired by
an original method that links linguistic observation and machine
learning.  The system has been fully validated on three complementary
aspects: usefulness, performances and relevance of the method.

KeyWords: Natural Language Processing, discursive analysis, text
linguistics, knowledge modelling, Clinical Practice Guidelines, GEM
(Guideline Elements Model).

-------------------------------------------------------------------------
Message diffuse par la liste Langage Naturel <LN at cines.fr>
Informations, abonnement : http://www.atala.org/article.php3?id_article=48
English version       : 
Archives                 : http://listserv.linguistlist.org/archives/ln.html
                                http://liste.cines.fr/info/ln

La liste LN est parrainee par l'ATALA (Association pour le Traitement
Automatique des Langues)
Information et adhesion  : http://www.atala.org/
-------------------------------------------------------------------------