@prefix skos: . @prefix inist: . @prefix dc: . @prefix xsd: . @prefix owl: . skos:example "Automatic Term Recognition (ATR) is the task of identifying such terms in domain-specific corpora. (Hätty, Dorna & Schulte im Walde, 2017)"@en, "Le modèle EAT peut être appris en exploitant des corpus existants qui contiennent des textes d'ancrage et les méthodes et embeddings fondées sur la méthode originale de Mikolov et al.) (Moreno, Besançon, Beaumont, D'hondt, Ligozat, Rosset, Tannier & Grau, 2017)"@fr, "Thus automatic term recognition and subsequent term clustering constitute the two core components of our EAD processing. (Zervanou, Korkontzelos, van den Bosch & Ananiadou, 2011)"@en, "Automatic term recognition (or term extraction/mining) techniques can be divided into two broad categories the unithood-based and the termhood-based ones;. (Kokkinakis & Gerdin, 2009)"@en, "Des améliorations similaires sont observées pour le type Lieu : par exemple le modèle EAT permet d'identifier correctement Montrouge comme la ville de la banlieue parisienne au lieu de l'acteur Louis (Émile) Hesnard dont le surnom était Montrouge, dans le contexte \" The other loose guy who killed a cop in montrouge seems to have done the same. (Moreno, Besançon, Beaumont, D'hondt, Ligozat, Rosset, Tannier & Grau, 2017)"@fr, "Dans cet article, nous avons présenté un modèle capable d'apprendre de façon jointe des représentations vectorielles (plongements lexicaux ou embeddings) de mots et d'entités nommées dans un même espace vectoriel, le modèle EAT. (Moreno, Besançon, Beaumont, D'hondt, Ligozat, Rosset, Tannier & Grau, 2017)"@fr, "Nous montrons que le modèle EAT peut être intégré sans difficulté dans une architecture standard de désambiguïsation d'entités nommées et permet d'en améliorer les résultats. (Moreno, Besançon, Beaumont, D'hondt, Ligozat, Rosset, Tannier & Grau, 2017)"@fr, "Les méthodes d'EAT impliquent généralement deux étapes principales. (Lossio-Ventura, Jonquet, Roche & Teisseire, 2014)"@fr ; skos:prefLabel "automatic term recognition"@en, "acquisition automatique de termes"@fr ; skos:hiddenLabel "Automatic term recognition"@en, "Acquisition automatique de termes"@fr, "Automatic Term Recognition"@en ; inist:definitionalContext "L'extraction automatique de termes -clés consiste à extraire du contenu d'un document les unités textuelles les plus importantes, celles qui permettent de le résumer. (Bougouin, Boudin & Daille, 2014)"@fr, "Les méthodes d'Extraction Automatique de Termes (EAT) visent à extraire automatiquement des termes techniques à partir d'un corpus. (Lossio-Ventura, Jonquet, Roche & Teisseire, 2014)"@fr ; skos:definition "Méthode qui vise à extraire automatiquement des termes techniques à partir d’un corpus. (Adapté de Lossio-Ventura et al., Extraction automatique de termes combinant différentes informations, TALN, 2014)"@fr, "An area related to the study, design and development of techniques for the extraction of stable lexical units from text, and the filtering of these lexical units, usually through some scoring and ranking schemes, for the identification of terms. (Wong, Determination of Unithood and Termhood for Term Recognition, in Handbook of Research on Text and Web Mining Technologies, 2009)"@en ; a skos:Concept ; skos:broader ; skos:altLabel "extraction automatique de termes"@fr, "ATE"@en, "ATE"@fr, "ATR"@en, "automatic term extraction"@en, "EAT"@fr ; dc:modified "2024-05-27T07:33:52"^^xsd:dateTime ; skos:inScheme . a owl:Ontology, skos:ConceptScheme . skos:prefLabel "extraction de termes"@fr, "term extraction"@en ; a skos:Concept ; skos:narrower .