Ce web service extrait d’un texte diverses entités nommées. Deux variantes existent : la première fonctionne sur des textes français et anglais et propose 3 types d’entités ; la seconde fonctionne sur des textes en anglais uniquement.

Les trois champs en sortie sont :
– “PER” : Personnes, y compris les personnages fictifs.
– “LOC” : Lieux comme les pays, villes, états, les chaînes de montagnes, les plans d’eau, etc.
– “ORG” : Entreprises, agences, institutions, etc.

Les deux modèles ont été entraînés en partant de zéro et en utilisant la bibliothèque PyTorch. Toutes les données d’entraînement des modèles sont disponibles sur notre dépôt git ws-data, dédié aux données d’entraînement et d’évaluation.

La f-mesure de ces modèles varie entre 0.85 et 0.9 en fonction des corpus. Ils ont été évalués sur 2 jeux de données différents (3 pour le modèle multilingue). L’ensemble des résultats par corpus peut être retrouvé sur notre dépôt git ws-data, dédié aux données d’entraînement et d’évaluation.

Modèle multilingue

Pour le modèle multilingue, l’URL à utiliser est https://person-ner.services.istex.fr/v1/tagger

Modèle pour des textes anglais

Sur des textes uniquement écrits en anglais, l’URL à utiliser est https://person-ner.services.istex.fr/v1/tagger-en

URL du dépôt git dédié à l’entraînement de ce modèle : ws-data.

Extraction d'entités géographiques

Extraction d'entités nommées de maladies

Extraction d'entités nommées en astronomie

Extraction d'entités nommées en chimie

Extraction de financeurs dans un article

Extraction de termes d'un corpus

Jean Dupont assiste au festival de Cannes sur la côte d’Azur.	==>	PER: Jean Dupont LOC: côte d’Azur ORG: MISC: festival de Cannes

Python is widely used in data science. Bob R. uses it ; he works for the CNRS	==>	PER: Bob R. LOC: ORG: CNRS MISC: Python