Michael Franklin Mbouopda ; Paulin Melatagia Yonta - Roconnaissance des Entités Nommées En Langues Peu Dotées En Utilisant La Représentation Distributionnelle Multiligue

arima:6439 - Revue Africaine de Recherche en Informatique et Mathématiques Appliquées, 29 septembre 2020, Volume 33 - Numéro spécial CRI 2019 - 2020/2021 - https://doi.org/10.46298/arima.6439
Roconnaissance des Entités Nommées En Langues Peu Dotées En Utilisant La Représentation Distributionnelle MultiligueArticle

Auteurs : Paulin Melatagia Yonta ORCID1; Michael Franklin Mbouopda 1

[en]
Named Entity Recognition (NER) is a fundamental task in many NLP applications that seek to identify and classify expressions such as people, location, and organization names. Many NER systems have been developed, but the annotated data needed for good performances are not available for low-resource languages, such as Cameroonian languages. In this paper we exploit the low frequency of named entities in text to define a new suitable cross-lingual distributional representation for named entity recognition. We build the first Ewondo (a Bantu low-resource language of Cameroon) named entities recognizer by projecting named entity tags from English using our word representation. In terms of Recall, Precision and F-score, the obtained results show the effectiveness of the proposed distributional representation of words

[fr]
La reconnaissance des entités nommées (REN) est une tâche fondamentale du TALN dont le but est d'identifier les expressions telles que les noms de personnes, de lieux et d'organisations dans un texte. Il existe de nos jours plusieurs systèmes de REN, cependant les données nécessaires pour les utiliser dans le traitement des langues peu dotées telles que les langues camerounaises ne sont pas disponibles. Nous exploitons le fait que les entités nommées apparaissent rarement dans les textes pour définir une nouvelle représentation distributionnelle interlingue des mots, qui soit adaptée à la REN. En utilisant notre représentation, nous projectons les entités nommées de l'anglais vers l'ewondo (une langue bantou du Cameroun); nous obtenons donc le tout premier modèle de reconnaissance des entités nommées en langue ewondo. Les résultats en terme de précision, rappel et f-mesure montrent l'efficacité de notre représentation


Volume : Volume 33 - Numéro spécial CRI 2019 - 2020/2021
Publié le : 29 septembre 2020
Accepté le : 27 juillet 2020
Soumis le : 29 avril 2020
Mots-clés : [INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], [en] Low resource language, Annotation Projection, Neural Network, Named Entity Recognition, Natural Language Processing; [fr] Projection d'annotations, Réseau de neurones, Reconnaissance des Entités Nommées, Langue peu dotée, Inter-linguistique, Traitement Automatique du Langage Naturel, Natural Language Processing, Named Entity Recognition, Neural Network, Annotation Projection, Low resource language, Cross-lingual MOTS-CLES : Traitement Automatique du Langage Naturel

1 Document citant cet article

Statistiques de consultation

Cette page a été consultée 817 fois.
Le PDF de cet article a été téléchargé 958 fois.