Finite-state transducer cascades to extract named entities in texts

Automated Geoparsing of Paris Street Names in 19th Century Novels

“…However, many knowledge-based approaches have been proposed in the field of NER, one of the earliest being based on heuristics and handcrafted rules [29]. Many different methods are used, such as cascades of finite-state transducers that produce tree-like representations [8,28]. Because regular languages and relations can be encoded as finite automata, they can be more easily manipulated than more complex languages; cascades of transducers have therefore turned out to be very useful for many approaches based on domain-specific corpus analysis and rules are described in a readable way and are easy to modify and maintain.…”

“…In this body of work, a significant part is devoted to the study of English, but French is also considered [8,27], as well as some other languages. The impact of the literary genre (e.g., narrative, memoir or journalism) and domain (e.g., supply of raw materials, market or economic intelligence, or politics) is a problem that has been more recently addressed in the NER literature.…”

Annotations en chaînes de coréférences et anaphores dans un corpus de discours spontané en français

“…Repérage et caractérisation manuel des Entités Nommées, et, plus largement, des éléments principaux d'une chaîne anaphorique (pronoms et Groupes Nominaux) par un annotateur. Les entités nommées ont été automatiquement identifiées en utilisant la ressource CasEN (tln.li.univtours.fr/Tln_CasEN.html) avec le logiciel CasSys, disponible sur la plateforme Unitext (Friburger et Maurel, 2004 ;Maurel et alii, 2011), puis corrigées (uniquement pour le corpus ESLO) par un expert humain selon la convention ESTER2 (Galliano et alii, 2005). Les autres GN, dont les pronoms, ont été identifiés semi-automatiquement avant la tâche d'annotation des anaphores ; 4.…”

Les noms propres se traduisent-ils ? Étude d’un corpus multilingue

“…Le texte français subit alors une étape fondamentale : le repérage et l'étiquetage des noms propres qu'il contient. Nous avons réalisé l'extraction des noms propres dans le texte en version originale grâce à l'outil CasSys (Friburger, 2004), disponible sur la plateforme de traitement linguistique Unitex 7 (Paumier, 2006), et aux transducteurs regroupés sous le nom de CasEN 8 , développés pour la campagne d'évaluation des Systèmes de Transcription Enrichie d'Emissions Radiophoniques (ESTER) 9 . Après une phase de pré-analyse (division du texte en phrases, étiquetage avec les dictionnaires, etc.…”