BEGIN:VCALENDAR VERSION:2.0 PRODID:-//wp-events-plugin.com//7.4.1//EN TZID:Europe/Paris X-WR-TIMEZONE:Europe/Paris BEGIN:VEVENT UID:0-226@lisn.upsaclay.fr DTSTART;TZID=Europe/Paris:20241219T100000 DTEND;TZID=Europe/Paris:20241219T130000 DTSTAMP:20241218T161012Z URL:https://www.lisn.upsaclay.fr/evenements/traitement-automatique-des-lan gues-pour-lanalyse-de-messages-dobservation-astrophysique/ SUMMARY:Traitement Automatique des Langues pour l’analyse de messages d ’observation astrophysique DESCRIPTION:Jury\nBéatrice Daille\, Professeure des universités\, \;L aboratoire des Sciences du Numérique de Nantes\, Université de Nantes (r apporteure) \;\;\nVincent Claveau\, \;Chargé de recherche\, Direc tion générale de l'armement (rapporteur) \;\;\nOlivier Ferret\, Dire cteur de recherche\, Université Paris-Saclay\, CEA-List (examinateur)&nbs p\;\;\nYvonne Becherini\, Professeure des universités\, Université Paris Cité\, Astroparticule et Cosmologie\, Data Intelligence Institute of Par is (examinatrice).\nRésumé\nCette thèse aborde un défi majeur de l’a nalyse de textes non structurés en astrophysique : l’extraction et la s ynthèse d’information sur les objets célestes à partir de rapports d ’observation astronomique. L’extraction d’information\, sous-domaine clé du traitement automatique des langues (TAL)\, vise à transformer de s textes bruts en représentations formelles et exploitables\, facilitant ainsi la structuration des connaissances contenues dans ces documents. Par mi les tâches classiques de ce domaine figurent la reconnaissance d’ent ités nommées\, l’extraction de relations et la résolution de coréfé rences.Cependant\, ces tâches reposent sur des modèles d’apprentissage statistique qui nécessitent de vastes ensembles de données annotées ma nuellement. Dans des domaines spécialisés comme l’astrophysique\, cett e exigence est difficile à satisfaire en raison du coût d’annotation p ar des experts du domaine. L’émergence des modèles de langue pré-entr aînés et génératifs a permis des avancées considérables dans le TAL. Toutefois\, ces modèles ne sont pas directement adaptés pour extraire d es informations spécifiques aux rapports astronomiques. En effet\, le dom aine se caractérise par un vocabulaire et une terminologie spécialisés. Par exemple\, les rapports contiennent fréquemment des entités de type numérique et équationnelle\, telles que des coordonnées ou des proprié tés physiques avec certaines ambiguïtés entre différents concepts dues à la forme de surface. Ce constat a motivé notre première question de recherche : quels concepts astrophysiques doivent être définis pour iden tifier les entités nommées pertinentes et quelles relations doivent êtr e définies entre ces entités ?\nPour répondre à cette question\, nous avons collaboré avec des astrophysiciens afin d’élaborer un guide d’ annotation couvrant les entités célestes\, les mentions de coréférence et les relations sémantique entre entités. Une contribution majeure de cette thèse est la création d’astroECR\, un corpus astrophysique annot é de manière détaillée pour ces trois niveaux d’information.Cependan t\, l’annotation manuelle étant coûteuse et fastidieuse\, cela nous a conduit à explorer l’efficacité des méthodes d’augmentation de donn ées\, en générant des données artificielles annotées. Nos travaux se sont ensuite concentrés sur la question suivante :quelles méthodes d’a ugmentation sont les plus adaptées à des tâches comme l’extraction d ’entités nommées et la résolution de coréférences ?Pour répondre\, nous avons proposé des méthodes d’augmentation de données simples et flexibles\, adaptées aux tâches spécifiques d’extraction d’informa tion. Ces méthodes incluent l’introduction de nouvelles mentions d’en traînement et la modification du contexte des mentions existantes. Nous l es avons appliquées à divers modèles de langue pré-entraînés (BERT\, SciBERT\, et astroBERT) et évaluées sur des rapports astronomiques anno tés. Les résultats montrent que même des méthodes d’augmentation sim ples peuvent permettre d’améliorer les performances des modèles dans d es contextes de ressources limitées. Ces avancées offrent des perspecti ves futures pour l’extraction d’information dans des domaines à faibl e ressource au-delà de l’astrophysique. CATEGORIES:STL,Thèses et HDR END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Paris X-LIC-LOCATION:Europe/Paris BEGIN:STANDARD DTSTART:20241027T020000 TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET END:STANDARD END:VTIMEZONE END:VCALENDAR