Abstract is missing.
- Recherche et extraction d'information dans des cas cliniques. Présentation de la campagne d'évaluation DEFT 2019 (Information Retrieval and Information Extraction from Clinical Cases)Natalia Grabar, Cyril Grouin, Thierry Hamon, Vincent Claveau. 7-16 [doi]
- Participation d'EDF R&D à DEFT 2019 : des vecteurs et des règles ! (EDF R&D submission to DEFT 2019 )Philippe Suignard, Meryl Bothua, Alexandra Benamar. 17-28 [doi]
- Participation de l'équipe LAI à DEFT 2019 (Participation of team LAI in the DEFT 2019 challenge )Jacques Hilbey, Louise Deléger, Xavier Tannier. 29-34 [doi]
- DÉfi Fouille de Textes 2019 : indexation par extraction et appariement textuel (DEFT 2019 : extraction-based document indexing and textual document similarity matching )Jean-Christophe Mensonides, Pierre-Antoine Jean, Andon Tchechmedjiev, Sébastien Harispe. 35-48 [doi]
- Indexation et appariements de documents cliniques pour le Deft 2019 (Indexing and pairing texts of the medical domain )Davide Buscaldi, Dhaou Ghoul, Joseph Le Roux, Gaël Lejeune. 49-56 [doi]
- DeFT 2019 : Auto-encodeurs, Gradient Boosting et combinaisons de modèles pour l'identification automatique de mots-clés. Participation de l'équipe TALN du LS2N (Autoencoders, gradient boosting and ensemble systems for automatic keyphrase assignment : The LS2N team participation's in the 2019 edition of DeFT)Mérième Bouhandi, Florian Boudin, Ygor Gallina. 57-66 [doi]
- Qwant Research @DEFT 2019 : appariement de documents et extraction d'informations à partir de cas cliniques (Document matching and information retrieval using clinical cases)Estelle Maudet, Oralie Cattan, Maureen de Seyssel, Christophe Servan. 67-80 [doi]
- Aprentissage non-supervisé pour l'appariement et l'étiquetage de cas cliniques en français - DEFT2019 (Unsupervised learning for matching and labelling of french clincal cases - DEFT2019 )Damien Sileo, Tim Van de Cruys, Philippe Muller, Camille Pradel. 81-90 [doi]
- Indexation et appariement de documents cliniques avec le modèle vectoriel (Indexing and matching clinical documents using the vector space model)Khadim Dramé, Ibrahima Diop, Lamine Faty, Birame Ndoye. 91-97 [doi]