@inproceedings{buhnila-todirascu-2023-evaluation,
title = "{\'E}valuation d{'}un g{\'e}n{\'e}rateur automatique de reformulations m{\'e}dicales",
author = "Buhnila, Ioana and
Todirascu, Amalia",
editor = "Servan, Christophe and
Vilnat, Anne",
booktitle = "Actes de CORIA-TALN 2023. Actes de la 30e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN), volume 1 : travaux de recherche originaux -- articles longs",
month = "6",
year = "2023",
address = "Paris, France",
publisher = "ATALA",
url = "https://aclanthology.org/2023.jeptalnrecital-long.7",
pages = "80--93",
abstract = "Les textes m{\'e}dicaux sont difficiles {\`a} comprendre pour le grand public {\`a} cause des termes de sp{\'e}cialit{\'e}. Ces notions m{\'e}dicales ont besoin d{'}{\^e}tre reformul{\'e}es en utilisant des mots de la langue commune. La reformulation repr{\'e}sente le processus de r{\'e}{\'e}criture qui a le r{\^o}le d{'}expliquer ou simplifier une phrase ou syntagme. Nous pr{\'e}sentons la m{\'e}thodologie de construction d{'}un jeu de donn{\'e}es original (termes et reformulations) permettant la d{\'e}tection et g{\'e}n{\'e}ration des nouvelles reformulations m{\'e}dicales. Pour compl{\'e}ter ce corpus, nous menons des exp{\'e}riences de g{\'e}n{\'e}ration automatique de reformulations m{\'e}dicales sous-phrastiques avec l{'}outil APT (Nighojkar {\&} Licato, 2021), qui s{'}appuie sur des techniques d{'}apprentissage profond. Nous adaptons le mod{\`e}le de langue de type Transformer T5 (Raffel et al., 2020) avec des termes m{\'e}dicaux et leur reformulations annot{\'e}s manuellement en fran{\c{c}}ais et en roumain, langue romane peu dot{\'e}e en ressources pour le TAL. Nous pr{\'e}sentons une analyse d{\'e}taill{\'e}e des r{\'e}sultats de la g{\'e}n{\'e}ration automatique des paraphrases.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="buhnila-todirascu-2023-evaluation">
<titleInfo>
<title>Évaluation d’un générateur automatique de reformulations médicales</title>
</titleInfo>
<name type="personal">
<namePart type="given">Ioana</namePart>
<namePart type="family">Buhnila</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Amalia</namePart>
<namePart type="family">Todirascu</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2023-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de CORIA-TALN 2023. Actes de la 30e Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 1 : travaux de recherche originaux – articles longs</title>
</titleInfo>
<name type="personal">
<namePart type="given">Christophe</namePart>
<namePart type="family">Servan</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Anne</namePart>
<namePart type="family">Vilnat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Paris, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Les textes médicaux sont difficiles à comprendre pour le grand public à cause des termes de spécialité. Ces notions médicales ont besoin d’être reformulées en utilisant des mots de la langue commune. La reformulation représente le processus de réécriture qui a le rôle d’expliquer ou simplifier une phrase ou syntagme. Nous présentons la méthodologie de construction d’un jeu de données original (termes et reformulations) permettant la détection et génération des nouvelles reformulations médicales. Pour compléter ce corpus, nous menons des expériences de génération automatique de reformulations médicales sous-phrastiques avec l’outil APT (Nighojkar & Licato, 2021), qui s’appuie sur des techniques d’apprentissage profond. Nous adaptons le modèle de langue de type Transformer T5 (Raffel et al., 2020) avec des termes médicaux et leur reformulations annotés manuellement en français et en roumain, langue romane peu dotée en ressources pour le TAL. Nous présentons une analyse détaillée des résultats de la génération automatique des paraphrases.</abstract>
<identifier type="citekey">buhnila-todirascu-2023-evaluation</identifier>
<location>
<url>https://aclanthology.org/2023.jeptalnrecital-long.7</url>
</location>
<part>
<date>2023-6</date>
<extent unit="page">
<start>80</start>
<end>93</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Évaluation d’un générateur automatique de reformulations médicales
%A Buhnila, Ioana
%A Todirascu, Amalia
%Y Servan, Christophe
%Y Vilnat, Anne
%S Actes de CORIA-TALN 2023. Actes de la 30e Conférence sur le Traitement Automatique des Langues Naturelles (TALN), volume 1 : travaux de recherche originaux – articles longs
%D 2023
%8 June
%I ATALA
%C Paris, France
%G French
%F buhnila-todirascu-2023-evaluation
%X Les textes médicaux sont difficiles à comprendre pour le grand public à cause des termes de spécialité. Ces notions médicales ont besoin d’être reformulées en utilisant des mots de la langue commune. La reformulation représente le processus de réécriture qui a le rôle d’expliquer ou simplifier une phrase ou syntagme. Nous présentons la méthodologie de construction d’un jeu de données original (termes et reformulations) permettant la détection et génération des nouvelles reformulations médicales. Pour compléter ce corpus, nous menons des expériences de génération automatique de reformulations médicales sous-phrastiques avec l’outil APT (Nighojkar & Licato, 2021), qui s’appuie sur des techniques d’apprentissage profond. Nous adaptons le modèle de langue de type Transformer T5 (Raffel et al., 2020) avec des termes médicaux et leur reformulations annotés manuellement en français et en roumain, langue romane peu dotée en ressources pour le TAL. Nous présentons une analyse détaillée des résultats de la génération automatique des paraphrases.
%U https://aclanthology.org/2023.jeptalnrecital-long.7
%P 80-93
Markdown (Informal)
[Évaluation d’un générateur automatique de reformulations médicales](https://aclanthology.org/2023.jeptalnrecital-long.7) (Buhnila & Todirascu, JEP/TALN/RECITAL 2023)
ACL