Traitement pratique du langage naturel
by Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, Harshit Surana
Chapitre 5. Extraction d'informations
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Qu'y a-t-il dans un nom ? Une rose sous un autre nom sentirait aussi bon.
William Shakespeare
Nous traitons chaque jour de nombreux contenus textuels, qu'il s'agisse de courts messages au téléphone, de courriels quotidiens ou de textes plus longs que nous lisons pour le plaisir ou au travail, ou encore pour nous tenir au courant de l'actualité. Ces documents textuels constituent pour nous une riche source d'informations. Selon le contexte, "information" peut signifier plusieurs choses, comme des événements clés, des personnes ou des relations entre des personnes, des lieux ou des organisations, etc. L'extraction d'informations (IE) fait référence à la tâche de la PNL qui consiste à extraire des informations pertinentes à partir de documents textuels. Un exemple d'extraction d'informations utilisé dans des applications réelles est le court texte que nous voyons à droite lorsque nous recherchons le nom d'un personnage populaire sur Google.
Comparé aux sources d'informations structurées telles que les bases de données ou les tableaux, ou aux sources semi-structurées telles que les pages Web (qui ont un certain balisage), le texte est une forme de données non structurées. Par exemple, dans une base de données, nous savons où chercher quelque chose en fonction de son schéma. Cependant, dans une large mesure, les documents ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access