@inproceedings{jean-louis-etal-2010-utilisation,
    title = "Utilisation d`indices temporels pour la segmentation {\'e}v{\'e}nementielle de textes",
    author = "Jean-Louis, Ludovic  and
      Besan{\c{c}}on, Romaric  and
      Ferret, Olivier",
    editor = "Langlais, Philippe  and
      Gagnon, Michel",
    booktitle = "Actes de la 17e conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
    month = jul,
    year = "2010",
    address = "Montr{\'e}al, Canada",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/add-emnlp-2024-awards/2010.jeptalnrecital-long.24/",
    pages = "231--240",
    language = "fra",
    abstract = "Dans le domaine de l`Extraction d`Information, une place importante est faite {\`a} l`extraction d'{\'e}v{\'e}nements dans des d{\'e}p{\^e}ches d`actualit{\'e}, particuli{\`e}rement justifi{\'e}e dans le contexte d`applications de veille. Or il est fr{\'e}quent qu`une d{\'e}p{\^e}che d`actualit{\'e} {\'e}voque plusieurs {\'e}v{\'e}nements de m{\^e}me nature pour les comparer. Nous proposons dans cet article d'{\'e}tudier des m{\'e}thodes pour segmenter les textes en s{\'e}parant les {\'e}v{\'e}nements, dans le but de faciliter le rattachement des informations pertinentes {\`a} l'{\'e}v{\'e}nement principal. L`id{\'e}e est d`utiliser des mod{\`e}les d`apprentissage statistique exploitant les marqueurs temporels pr{\'e}sents dans les textes pour faire cette segmentation. Nous pr{\'e}sentons plus pr{\'e}cis{\'e}ment deux mod{\`e}les (HMM et CRF) entra{\^i}n{\'e}s pour cette t{\^a}che et, en faisant une {\'e}valuation de ces mod{\`e}les sur un corpus de d{\'e}p{\^e}ches traitant d'{\'e}v{\'e}nements sismiques, nous montrons que les m{\'e}thodes propos{\'e}es permettent d`obtenir des r{\'e}sultats au moins aussi bons que ceux d`une approche ad hoc, avec une approche beaucoup plus g{\'e}n{\'e}rique."
}