@inproceedings{plantevit-charnois-2009-motifs,
    title = "Motifs s{\'e}quentiels pour l`extraction d`information : illustration sur le probl{\`e}me de la d{\'e}tection d`interactions entre g{\`e}nes",
    author = "Plantevit, Marc  and
      Charnois, Thierry",
    editor = "Nazarenko, Adeline  and
      Poibeau, Thierry",
    booktitle = "Actes de la 16{\`e}me conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
    month = jun,
    year = "2009",
    address = "Senlis, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/add-emnlp-2024-awards/2009.jeptalnrecital-long.15/",
    pages = "141--150",
    language = "fra",
    abstract = "Face {\`a} la prolif{\'e}ration des publications en biologie et m{\'e}decine (plus de 18 millions de publications actuellement recens{\'e}es dans PubMed), l`extraction d`information automatique est devenue un enjeu crucial. Il existe de nombreux travaux dans le domaine du traitement de la langue appliqu{\'e}e {\`a} la biom{\'e}decine ({\textquotedblleft}BioNLP{\textquotedblright}). Ces travaux se distribuent en deux grandes tendances. La premi{\`e}re est fond{\'e}e sur les m{\'e}thodes d`apprentissage automatique de type num{\'e}rique qui donnent de bons r{\'e}sultats mais ont un fonctionnement de type {\textquotedblleft}boite noire{\textquotedblright}. La deuxi{\`e}me tendance est celle du TALN {\`a} base d`analyses (lexicales, syntaxiques, voire s{\'e}mantiques ou discursives) co{\^u}teuses en temps de d{\'e}veloppement des ressources n{\'e}cessaires (lexiques, grammaires, etc.). Nous proposons dans cet article une approche bas{\'e}e sur la d{\'e}couverte de motifs s{\'e}quentiels pour apprendre automatiquement les ressources linguistiques, en l`occurrence les patrons linguistiques qui permettent l`extraction de l`information dans les textes. Plusieurs aspects m{\'e}ritent d'{\^e}tre soulign{\'e}s : cette approche permet de s`affranchir de l`analyse syntaxique de la phrase, elle ne n{\'e}cessite pas de ressources en dehors du corpus d`apprentissage et elle ne demande que tr{\`e}s peu d`intervention manuelle. Nous illustrons l`approche sur le probl{\`e}me de la d{\'e}tection d`interactions entre g{\`e}nes et donnons les r{\'e}sultats obtenus sur des corpus biologiques qui montrent l`int{\'e}r{\^e}t de ce type d`approche."
}