@inproceedings{amalvy-etal-2022-remplacement,
    title = "Remplacement de mentions pour l{'}adaptation d{'}un corpus de reconnaissance d{'}entit{\'e}s nomm{\'e}es {\`a} un domaine cible (Mention replacement for adapting a named entity recognition dataset to a target domain)",
    author = "Amalvy, Arthur  and
      Labatut, Vincent  and
      Dufour, Richard",
    editor = "Est{\`e}ve, Yannick  and
      Jim{\'e}nez, Tania  and
      Parcollet, Titouan  and
      Zanon Boito, Marcely",
    booktitle = "Actes de la 29e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf{\'e}rence principale",
    month = "6",
    year = "2022",
    address = "Avignon, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/ingest-emnlp/2022.jeptalnrecital-taln.19/",
    pages = "198--205",
    language = "fra",
    abstract = "La reconnaissance d{'}entit{\'e}s nomm{\'e}es est une t{\^a}che de traitement automatique du langage naturel bien {\'e}tudi{\'e}e et utile dans de nombreuses applications. Derni{\`e}rement, les mod{\`e}les neuronaux permettent de la r{\'e}soudre avec de tr{\`e}s bonnes performances. Cependant, les jeux de donn{\'e}es permettant l{'}entra{\^i}nement et l'{\'e}valuation de ces mod{\`e}les se concentrent sur un nombre restreint de domaines et types de documents (articles journalistiques, internet). Or, les performances d{'}un mod{\`e}le entra{\^i}n{\'e} sur un domaine cibl{\'e} sont en g{\'e}n{\'e}ral moindres dans un autre : ceux moins couverts sont donc p{\'e}nalis{\'e}s. Pour tenter de rem{\'e}dier {\`a} ce probl{\`e}me, cet article propose d{'}utiliser une technique d{'}augmentation de donn{\'e}es permettant d{'}adapter un corpus annot{\'e} en entit{\'e}s nomm{\'e}es d{'}un domaine source {\`a} un domaine cible o{\`u} les types de noms rencontr{\'e}s peuvent {\^e}tre diff{\'e}rents. Nous l{'}appliquons dans le cadre de la litt{\'e}rature de fantasy, o{\`u} nous montrons qu{'}elle peut apporter des gains de performance."
}