English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

RESUME. En contexte de veille, l’extraction d’information non supervisee a pour but d’extraire des relations entre entites sans fournir de connaissances a priori sur les natures de ces relations. Dans ce contexte, nous nous interessons a l’identification et la caracterisation de nouvelles relations entre des types d’entites fixes. Nous presentons dans cet article une procedure de filtrage de relations combinant des methodes heuristiques et des methodes par apprentissage, permettant d’atteindre un score de F-mesure de 77,1%. Nous presentons ensuite une methode de regroupement des relations extraites combinant un calcul optimise des similarites entre les relations (All Pairs Similarity Search) et un algorithme de clustering (Markov Clustering). Une evaluation de ce regroupement, effectuee grâce a des mesures internes et externes, montre que l’utilisation du filtrage permet de doubler le rappel en conservant une precision equivalente.

Regroupement de relations pour l'extraction d'information non supervisée