@inproceedings{naguib-etal-2023-strategies,
    title = "Strat{\'e}gies d`apprentissage actif pour la reconnaissance d`entit{\'e}s nomm{\'e}es en fran{\c{c}}ais",
    author = "Naguib, Marco  and
      N{\'e}v{\'e}ol, Aur{\'e}lie  and
      Tannier, Xavier",
    editor = "Servan, Christophe  and
      Vilnat, Anne",
    booktitle = "Actes de CORIA-TALN 2023. Actes de la 30e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN), volume 1 : travaux de recherche originaux -- articles longs",
    month = "6",
    year = "2023",
    address = "Paris, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/jlcl-multiple-ingestion/2023.jeptalnrecital-long.18/",
    pages = "232--247",
    language = "fra",
    abstract = "L`annotation manuelle de corpus est un processus co{\^u}teux et lent, notamment pour la t{\^a}che de re-connaissance d`entit{\'e}s nomm{\'e}es. L`apprentissage actif vise {\`a} rendre ce processus plus efficace, ens{\'e}lectionnant les portions les plus pertinentes {\`a} annoter. Certaines strat{\'e}gies visent {\`a} s{\'e}lectionner lesportions les plus repr{\'e}sentatives du corpus, d`autres, les plus informatives au mod{\`e}le de langage.Malgr{\'e} un int{\'e}r{\^e}t grandissant pour l`apprentissage actif, rares sont les {\'e}tudes qui comparent cesdiff{\'e}rentes strat{\'e}gies dans un contexte de reconnaissance d`entit{\'e}s nomm{\'e}es m{\'e}dicales. Nous pro-posons une comparaison de ces strat{\'e}gies en fonction des performances de chacune sur 3 corpus dedocuments cliniques en langue fran{\c{c}}aise : MERLOT, QuaeroFrenchMed et E3C. Nous comparonsles strat{\'e}gies de s{\'e}lection mais aussi les diff{\'e}rentes fa{\c{c}}ons de les {\'e}valuer. Enfin, nous identifions lesstrat{\'e}gies qui semblent les plus efficaces et mesurons l`am{\'e}lioration qu`elles pr{\'e}sentent, {\`a} diff{\'e}rentesphases de l`apprentissage."
}