Normalisation des entités nommées : allier règles déclaratives, ressources endogènes et processus centré sur l'utilisateur

摘要

Normalization is involved in many fields of information processing. It improves the performance of several applications, such as information retrieval or information extraction, and makes the construction of language resources more reliable. Normalization consists in standardizing each variant of a term or named entity into a unique form, and in this way restricts the impact of language variation. Our work applies to named entity normalization, and aims at optimizing fine-grained corpus analyses carried out by the TecKnowMetrix Company. Our approach mixes several methods, such as pattern matching, similarity metrics and endogenous techniques. Moreover, we place the user in the center of our normalization process, in order to obtain fully reliable data that fit his or her needs.%La normalisation intervient dans de nombreux champs du traitement de l'information. Elle permet d'améliorer l'efficacité d'applications telles que la recherche ou l'extraction d'information, et de rendre plus fiable la constitution de ressources langagières. La normalisation consiste à ramener toutes les variantes d'un même terme ou d'une entité nommée à une forme standard, et permet de limiter les effets de la variation linguistique. Notre travail porte sur la normalisation des entités nommées, et vise à optimiser les analyses de corpus fines réalisées par la société TecKnowMetrix. Notre approche combine plusieurs méthodes, telles que l'utilisation de formes, de calculs de similarité, ou encore derntechniques endogènes. De plus, nous plaçons l'utilisateur au centre du processus de normalisation, afin d'obtenir des données parfaitement fiables et adaptées à ses besoins.