CrsVR5

Information about CrsVR5

Published on November 20, 2007

Author: Samuel

Source: authorstream.com

Content

Traitement du langage naturel et des informations textuelles en médecine des premiers pas jusqu'à XML MSBM / certificat IMTC 2000-2001:  Traitement du langage naturel et des informations textuelles en médecine des premiers pas jusqu'à XML MSBM / certificat IMTC 2000-2001 Vincent Rialle maître de conférences en informatique Laboratoire TIMC-IMAG CNRS UMR 5525 Equipe µISFV : Micro-systèmes et Interpretation des Signaux Fonctionnel du Vivant Faculté de Médecine et CHU de Grenoble Introduction:  Introduction Distinction langue-langage:  Distinction langue-langage Un langage est entièrement codifié figé exemple : langages de programmation : Basic, Pascal, Java… Une langue possède un code évolue en permanence dans le temps dans l'espace langue maternelle support de la construction du sujet non choisie (comme le reste…) Place de la langue naturelle en médecine:  Place de la langue naturelle en médecine Langue naturelle et logique sont liées Logos grec : raison discursive Langue naturelle et médecine principal véhicule des connaissances médicales bien antérieur à l'informatique antérieur à l'écriture (traditions orales) tend à se structurer en "langage" nomenclatures, taxinomies, nosographies, standards internationaux… tend vers l'universalité par la mondialisation des standards SNOP, SNOMED, ICD… EDIFACT, HL7… DICOM via l'informatisation du monde (...médical) Langage médical et informatique:  Langage médical et informatique Notion clé : l'information Information = unité de sens, signe, icône... mots, images, sons... Informatique = digitalisation (numérisation) de l'information + opérations (traitements) Le TALN : Traitement automatique de la langue naturelle Diversité des buts du TALN:  Diversité des buts du TALN Interrogation d'une base de connaissances médicales en langage semi-naturel exemple : ADM (cf. références) Résumé automatique Traduction automatique Correction automatique Fouille automatique de textes etc. Information, texte, fichier:  Information, texte, fichier Un texte est un ensemble d'informations exprimées dans une langue naturelle écrite. Un fichier informatique : unité de stockage du texte sur un support physique (magnétique) diversité des types de fichiers texte, code exécutable, image, son souvent liés à un logiciel (word, PowerPoint,…) ou un type de logiciel (traitement de texte, graphisme, base de données,…) Document informatique:  Document informatique document = texte électronique présentant un intérêt pour un utilisateur représenté "physiquement" par un ou plusieurs fichiers possède des informations propres : contenu (fond) et des méta-informations : structure (forme) les DTD : Data Type Definition (voir plus loin) Quelques propriétés fondamentales : Transmissible, "sauvegardable", imprimable, compréhensible (interface personne-système), indépendant des systèmes, décomposable, duplicable Du texte au multimédia:  Du texte au multimédia En médecine : information = essentiellement : mots (symptômes, syndromes, maladies, examens biologique…) + images (scanner, IRM, radioggraphie, échographie,…) d'où l'engouement actuel pour le multimédia En informatique : document "multimédia", "hypermédia"... texte, image, image animée, son sur site ou en réseau (World Wide Web) Lien hypertexte = association dynamique (clic de souris…) entre mots, images, sons,… Communication globale vers coopération globale:  Communication globale vers coopération globale Une part de plus en plus importante des activités jusqu'à présent réalisées par l'humain est maintenant prise en charge par des ordinateurs et des réseaux de télécommunication Augmentation de la puissance des moyens technologiques disponibles pour soutenir l'activité humaine Passage d'une information statique à une information dynamique  complexité croissante des activités prises en charge par le sujet humain Spirale : puissance des moyens  nombre et complexité des tâches = Tendance des NTIC* : transition de la communication globale à la coopération globale * Nouvelles Technologies de l'Information et de la Communication Notion de document actif:  Notion de document actif Effet : recherche de formats de documents simples, génériques, recomposables - "reconfigurables" documents contenant de plus en plus d'actions de plus en plus de choix pour l'utilisateur dans la langue naturelle de l'utilisateur (coopérateur) Les documents actifs peuvent déclencher différentes actions dans l'environnement être maniés par l'utilisateur de façon très souple Tendance à faire des interfaces-utilisateur des outils de contrôle et d'intégration Langages et standards majeurs : XML, HTML, langages de scripts, Java… Niveaux d'analyse du langage triplet de Charles Morris "syntaxe-sémantique-pragmatique":  Niveaux d'analyse du langage triplet de Charles Morris "syntaxe-sémantique-pragmatique" Syntaxe analyse morphologique structure des mots ostéo-chondro-artro-path-ie analyse lexicale vocabulaire analyse syntaxique structure des phrases le malade est atteint de la maladie d'Alzeimer Sémantique liens entre unités syntaxiques et sens Pragmatique liens entre le sens (supposé) exprimé dans le texte et le contexte (professionnel, culturel, social…) Principaux types d'analyseurs automatiques:  Principaux types d'analyseurs automatiques Analyseurs morpho-syntaxiques Analyseurs sémantiques Analyseurs numériques Objectif : maîtrise des grands volumes de documents textuels disponibles sur les réseaux (intranets, Internet) Techniques d'appariemments, calculs de distances… Encore peu pratiqués Traitement statistique/numérique du langage naturel:  Traitement statistique/numérique du langage naturel Transformation d'un texte en valeurs numériques vecteurs dans un espace vectoriel SALTON, G. (1983) Introduction to Modern Information Retrieval. McGraw-Hill, New York, 1983 Application de méthodes numériques de segmentation, recherche d'information, etc. Domaine en expansion du Texte-Mining Quelques références : Chen, H. (1995). Machine Learning for Information retrieval: Neural Networks, Symbolic Learning, and Genetic Algorithms. Jour Am Soc for Information Science 46(3): 194-216. Borge Svingen (1997). Using Genetic Programming for Document Classification. Late Breaking Papers at the 1997 Genetic Programming Conference, pp. 240-245, Stanford Bookstore, 13-16 July 1997. M. D. Garris (1992). A platform for evolving genetic automata for text segmentation (GNATS) Science of Artificial Neural Networks, Vol. 1710, Number pt.1, pp. 714-24, 1992. Modèle d’espace vectoriel (vector space model):  Modèle d’espace vectoriel (vector space model) Hypothèses : il existe un ensemble de base de k unités d’information différentes U={u1,...,uk} pour caractériser aussi bien les documents que les requêtes on attribue à chaque ui un vecteur unitaire ej ; on forme B={t1,...,tk} : base de l’espace vectoriel E des documents et requêtes on construit, pour chaque document Di ou requête Qj, son image vectorielle : Di = (ai1, ai2,...,aik) Di = ail. Tl Qj = (qj1, qj2,...,qjk) Qj = qil. Tl les coefficients possibles sont : présence, nombre d’occurrences, etc. la similarité entre deux éléments de E est fondée sur le produit scalaire: Di ´ Qj = ail qim tl. tm = cos (q). |Di| . |Qj| Exemples de logiciels de TALN:  Exemples de logiciels de TALN ADM SEEK Conterm SPIRIT Brainhat http://www.brainhat.com/goals.html "Brainhat is a program that can understand language, evaluate ideas, and ask and answer questions." DioMorpho http://www.diogene99.com/02Francais/produits/3diomorfo.html LOLITA http://www.dur.ac.uk/~dcs0www3/lnle/system.html BEELINE http://www.cse.unsw.edu.au/~mann/NL/BEELINE.html etc. Le domaine de la Recherche d'Information (Information Retrieval):  Le domaine de la Recherche d'Information (Information Retrieval) Vaste domaine de la science informatique Site intéressant en recherche d'information et médecine http://137.53.1.40/bicc-informatics/hersh/ Hersh WR, Hickam DH (1995), Information retrieval in medicine: the SAPHIRE experience, Journal of the American Society for Information Science, 46, 743-747. Recherche d'information par mots-clés MEDLINE AIDSLINE ... Analyseur morphologique:  Analyseur morphologique Travaille au niveau des mots A pour but d'analyser et reconnaître les mots d'un texte. "L'analyse morphologique a pour but de découper chaque phrase en mots afin d'y affecter le code du mot dans le dictionnaire ADM-INDEX. Le code permet d'accéder à toutes les informations concernant le mot, entre autre sa famille, ses flexions et ses dérivations. Lors de cette phase, les problèmes relatifs à la typographie, aux abréviations et aux erreurs d'orthographe sont résolus par le système." extrait de : R. Duvauferrier, P. Le Beux, B. Pouliquen, L.P. Seka, N. Morcet, Y Rolland : Intérêt de l'indexation médicale automatique d'une iconothèque et d'une bibliothèque radiologiques numériques http://www.med.univ-rennes1.fr/cerf/publi/article_serveur.html Exemples : Système ADM (voir plus loin) thèse de Philippe Brami (1985) : Une analyse morphosémantique des mots composés du langage médical. Thèse de médecine, Université J. Fourier - Faculté de Médecine de Grenoble. Analyseur syntaxique et analyseur sémantique:  Analyseur syntaxique et analyseur sémantique Analyseur syntaxique Travaille au niveau de la phrase A pour but de reconnaître les phrases bien formées et caractériser chaque mot de la phrase Analyseur sémantique Permet d'associer aux résultats de l'analyse morpho-syntaxique (mots avec les catégories lexicales, grammaticales…) des entités sémantiques représentées dans le système entités taxinomiques (nomenclatures), nosographiques, etc. Exemple : Base de connaissances ADM (Aide au Diagnostic Médical, LIM-Rennes):  Exemple : Base de connaissances ADM (Aide au Diagnostic Médical, LIM-Rennes) L'ADM-INDEX est un système utilisant les méthodes linguistiques (morphologie, syntaxe et sémantique) pour l'indexation et l'interrogation de comptes-rendus médicaux Sa base de connaissances est une restructuration du système ADM : vaste base de connaissances médicales développée au Centre Hospitalier Régional de Rennes depuis 1972 (Pr. Lenoir) a été le premier videotex professionnel d'aide au diagnostic médical en France But d'ADM fournir une aide documentaire et diagnostique aux médecins en utilisant des méthodes de recherches combinatoires prototype du système consultable sur World Wide Web http://www.med.univ-rennes1.fr/adm.dir/presentation.html Article descriptif accessible sur le Web : http://www.med.univ-rennes1.fr/cerf/publi/CARI_96.html ADM-INDEX Base de connaissances modulaire:  ADM-INDEX Base de connaissances modulaire L'ADM-INDEX qui est constitué d'un dictionnaire d'un ensemble de règles d'un thésaurus (fondé sur une nomenclature spécifique ADM) L'ADM-INDEX met en œuvre deux processus associés : L'indexation recense les éléments sensés représenter le contenu des documents l'interrogation se sert de ces éléments pour la recherche des documents dans la base Théories sous-jacentes : réseaux sémantiques (J. F.Sowa), règles de production et objets (au sens de la COO) ADM - champs sémantiques:  ADM - champs sémantiques La nomenclature ADM contient environ 130 000 entités entité ADM = terme ayant un sens médical et servant à décrire les pathologies, les symptômes, etc. Ces entités concernent tous les domaines de la sémiologie ainsi que les professions exposées et les pays d'endémie Une entité appartient à l'un des champs sémantiques suivants : Les liens existants entre les entités sont des liens de type père-fils (EST_UN) D = Médicaments T = Évolution Y = Syndromes C = Commentaires A = Environnement / Terrain F = Formes cliniques P = Physiopathologie N = Nosologie E = Examen L = Anatomie G = Pronostic S = Signes M = Maladies Degré de précision de la nomenclature ADM:  Degré de précision de la nomenclature ADM On peut évaluer le degré très élevé de précision aux exemples d'entités ADM suivants : S00197 Rachialgie S07384 Dorsalgie S17028 Douleur rachis aiguë S00195 Douleur rachis lombaire S15708 Douleur rachis permanente S07385 Douleur rachis dorsal aiguë S40344 Douleur rachis lombaire aiguë S34943 Douleur rachis lombaire médiane S71424 Douleur rachis lombaire très aiguë Le dictionnaire ADM:  Le dictionnaire ADM Contient environ 60.000 mots ; permet de traduire les phrases des médecins ou étudiants utilisateurs de l'application, en phrase ADM Phrases ADM : en langage quasi-naturel (dit "laconique") Contient tous les mots des entités ADM Les mots sont regroupés par famille, chaque famille a un mot "père" ou "mot de référence" et donne des Informations Morphologiques liens entre les mots : synonymie ou flexion environ 24.000 familles de mots deux catégories de mots : mots simples (45.000 environ) mots complexes (900 environ) subdivisés en mots composés mots associés ADM - analyses morphologique, syntaxique et sémantique:  ADM - analyses morphologique, syntaxique et sémantique Les éléments du dictionnaire permettent d'attribuer à un terme donné du dictionnaire, des informations morphologiques données par la famille du mot exemple : 257490A0 PRANDIAL, 257490AB PRANDIALES, 257490AA PRANDIALE 257490AC PRANDIAUX syntaxiques sémantiques Le système est constitué de nombreux modules, dont : 1) Découpage et Reconnaissance des mots 2) Découpage syntaxique et Analyse sémantique ADM Module de découpage et de reconnaissance des mots:  ADM Module de découpage et de reconnaissance des mots 1) Découpage et Reconnaissance des mots permet de découper le texte en phrases utilise les signes de ponctuation et le dictionnaire (ADM-INDEX) résultat : à chaque mot sont attribuées ses informations syntaxiques et sémantiques ADM Module 2 : Découpage syntaxique et l'Analyse sémantique:  ADM Module 2 : Découpage syntaxique et l'Analyse sémantique Constitué de deux sous-modules : le segmenteur syntaxique segmente la phrase en des séquences comparables aux entrées du dictionnaire à l'aide de marqueurs de groupes nominaux et verbaux conjonctions, prépositions, expressions prédicatives ainsi que des signes de ponctuation deux types de marqueurs : les marqueurs faibles de, des, du, d', etc : séparent les mots susceptibles de former ensemble un groupe nominal correspondant à une entrée du dictionnaire les marqueurs forts séparent des mots qui ne peuvent pas constituer ensemble un groupe nominal. Deux types : les verbes, les autres types l'analyseur sémantique détecte les concepts et/ou expressions à partir de la phrase segmentée ADM - segmenteur syntaxique Exemple de segmentation d'une phrase:  ADM - segmenteur syntaxique Exemple de segmentation d'une phrase ADM - Analyse sémantique:  ADM - Analyse sémantique But détecter les entités du thésaurus correspondant aux mots du texte Comporte deux phases principales reconnaissance des mots composés 1) recherche des mots principaux exemple "L'écographie montre une absence congénitale du doigt" mots principaux : écographie, absence, congénitale et doigt 2) au moyen du dictionnaire : recherche des mots composés commençant par les mots principaux exemple : Absence donne : Absence altération, Absence ossification, Absence calcifications, Absence vaccination 3) application d'une règle particulière : la règle des mots composés reconnaissance des mots associés 1) consultation du dictionnaire avec tous les mots non nuls, mots non ignorables et mots composés déjà détectés dans la phrase 2) application des différentes règles de détection des mots associés ADM : Exemple d'utilisation:  ADM : Exemple d'utilisation phrase "Absence congénitale de la main" ADM - limites:  ADM - limites Le dictionnaire ne donne aucune information syntaxique ni sémantique (ni la définition des mots ni leur contexte d'utilisation) La définition des mots complexes est très large et conduit parfois à de mauvaises reconnaissances de termes La nomenclature : quoique très fine et précise dans la hiérarchisation, ne comporte que la relation est_un La relation partitive (composé_de), aussi importante que la relation est_un est absente Ces limites sont compatibles avec les performances du système ADM celui-ci remplit pleinement les tâches pour lesquelles il a été construit Langages informatiques de description de documents:  Langages informatiques de description de documents SGML (1986) Standard Generalized Markup Language TEI (Text Encoding Initiative) (1987) fondé sur SGML HTML (1990) HyperText Markup Language XML (1997) eXtensible Markup Language Site intéressant : http://fr.dir.yahoo.com/Informatique_et_multimedia/Information_et_documentation/Formats_de_donnees/ SGML : Standard Generalized Markup Language:  SGML : Standard Generalized Markup Language La notion de documents que sous-tend SGML est extrêmement générale et recouvre potentiellement toute forme d'information électronique documents de logiciels de traitement de texte, feuilles de calcul de tableurs, documents multimédias, hypertextes, tables de bases de données et même, logiciels SGML se préoccupe de représenter dans des documents électroniques la structure logique de l'information qui y est contenue, plutôt que les caractéristiques qui relèvent de la présentation sur papier, écran d'ordinateur, etc. D'où : SGML = langage informatique de représentation de documents structurés documents dont le contenu est vu comme une structure logique d'information syntaxe de SGML basée sur le balisage Réf. : http://tornade.ere.umontreal.ca/~marcoux/ottawa/marcoux.html SGML – principe de syntaxe:  SGML – principe de syntaxe Balisage (anglais markup ou tagging) consiste à insérer dans un document électronique de courtes chaînes de caractères, appelées balises, qui indiquent soit le début, soit la find'une partie du document. Syntaxe de référence de SGML (définie dans la norme ISO 8879) les balises d'ouverture (début) sont de la forme <identificateur> et celles de fermeture (fin) </ identificateur > Les noms que l'on retrouve à l'intérieur des balises s'appellent des identificateurs génériques rôle = identifier le "type" d'information que l'on retrouve entre la paire de balise portion de document comprise entre une balise d'ouverture et une balise de fermeture correspondante = un élément SGML relations hiérarchiques entre les éléments de structure logique du document = traduites en des relations d'imbrication des éléments SGML SGML - langage de balisage généralisé:  SGML - langage de balisage généralisé Une balise d'ouverture peut contenir autre chose qu'un identificateur générique, notamment, des attributs Attribut = rôle : qualifier un élément il peut par exemple indiquer un sous-type d'information par rapport au type principal associé à l'identificateur générique SGML = langage de "balisage généralisé" SGML = "méta-langage" permet de définir les jeux de balises que l'on désire utiliser dans les documents d'un certain type, de même que les règles syntaxiques d'utilisation de ces balises Grammaire du document Document Type Definition (DTD) :  Grammaire du document Document Type Definition (DTD) Définition d'un jeu de balises et des règles syntaxiques associées = une DTD pour Document Type Definition langage dans lequel on exprime les DTD fait partie intégrante de SGML utilise lui aussi le balisage (mais d'une forme particulière) Une DTD = spécification des règles d'utilisation des balises exemple : tel élément peut être imbriqué dans tel autre élément permet d'imposer une uniformité aux documents d'un même type facilite l'exploitation de l'information contenue dans les documents Cf. cours sur XML SGML - séparation contenu-application:  SGML - séparation contenu-application SGML permet la représentation de la structure logique des documents par balisage, mais ne l'impose pas Ce sont les applications de traitement qui déterminent la signification des balises e.g. utilisation de balises pour représenter des opérations de formatage (HTML) Séparation contenu-application = possibilité de réutilisation de l'information contenue dans les documents e.g. lorsqu'on veut développer une nouvelle application pour traiter des documents existants la présence des balises descriptives permet de retrouver rapidement et facilement l'information pertinente à la nouvelle application les documents ne sont pas " encombrés " par une foule de balises correspondant à des opérations sans intérêt pour la nouvelle application Bibliographie indicative:  Bibliographie indicative Sabah, G. (1989). L' Intelligence Artificielle et le langage (vol. 1 et 2). Paris, Hermès. SEKA L.-P.a, POULIQUEN B.a, LE BEUX P. Indexation et interrogation automatique de textes médicaux : application à la base A.D.M. http://www.med.univ-rennes1.fr/cerf/publi/CARI_96.html R. Duvauferrier, P. Le Beux, B. Pouliquen, L.P. Seka, N. Morcet, Y Rolland : Intérêt de l'indexation médicale automatique d'une iconothèque et d'une bibliothèque radiologiques numériques http://www.med.univ-rennes1.fr/cerf/publi/article_serveur.html Sager, N., Lyman, M.S., Bucknall, C., Nhan, N.T., Tick, L.J., (1994) Natural Language Processing and the Representation of Clinical Data, Journal of American Medical Informatics Society, 1(2), 142-160. J.R. Scherrer, R.A. Cote, S.H. Mandil (Editor) (**) Computerized Natural Medical Language Processing for Knowledge Representation : Proc. Ifip-Imia Wg6 International Working Conference on c. http://137.53.1.40/bicc-informatics/hersh/ Bibliographie indicative - suite:  Bibliographie indicative - suite Graitson M.: Aspect du traitement computationnel des données médicales en langues naturelles. Thèse de doctorat, Université de Liège, 1983 Graitson M.: Traitement automatique du francais médical. cahiers de lexicologie, 30(1), pp. 47-74, 1977 Ghazi Joseph: Vocabulaire du discours médical, structure, fonctionnement, apprentissage. Edition Didier Eudition, 1985 De Heaulme M., Membrado M., Ameli S., Vexler F.: Ambiguïté et paraphrase dans le langage médical et leur traitement par TRANSLOG. In l'Ambiguïté et la paraphrase. pp.287-291, Acte du colloque de Caen, 9-11 Avril 1987 Pouliquen B., Riou C., Denier P., Fresnel A., Delamarre D., Le Beux P.: Using World Wide Web multimedia in medicine. Medinfo 95 (1995), 1519-1523. Udo Hahn, Martin Romacker, Stefan Schulz (1999), How knowledge drives understanding - matching medical ontologies with the needs of medical language processing. Artif. Intell. Medicine 15(1), 25-51. Bibliographie indicative - fin:  Bibliographie indicative - fin Spyns P. (1996), Natural Language Processing In Medicine: An Overview. Methods of Information in Medicine, 35 (4/5), 285-301. Hersh WR, Hickam DH (1995), Information retrieval in medicine: the SAPHIRE experience, Journal of the American Society for Information Science, 46, 743-747. Exemple deconférence internationale : Artificial Intelligence and Natural Language Processing in Medicine (1996) http://www.dcs.shef.ac.uk/research/ilash/Meetings/AIMed/ Projets de grande envergure:  Projets de grande envergure ADM : Aide au Diagnostic Médical http://www.med.univ-rennes1.fr/adm.dir/presentation.html UMLS : Unified Medical Language System U.S. National Library of Medicine http://www.nlm.nih.gov/research/umls/ "NLM's Unified Medical Language System (UMLS) project develops and distributes multi-purpose, electronic "Knowledge Sources" and associated lexical programs. System developers can use the UMLS products to enhance their applications -- in systems focused on patient data, digital libraries, Web and bibliographic retrieval, natural language processing, and decision support. Researchers will find the UMLS products useful in investigating knowledge representation and retrieval questions." Linguistic String Projet http://cs.nyu.edu/cs/faculty/sager/lspWWW.html Quelques sites Web intéressants:  Quelques sites Web intéressants Traitement automatique de la langue médicale http://cs.nyu.edu/cs/faculty/sager/ Linguistic String Projet (cf. Naomi Sager) http://cs.nyu.edu/cs/faculty/sager/lspWWW.html Natural Language Processing & Information Retrieval (NLPIR) http://www.itl.nist.gov/div894/894.02/sites.html Recherche dinformation textuelle et médecine http://137.53.1.40/bicc-informatics/hersh/ Association for Computational Linguistics http://www.cs.columbia.edu/~acl/ Journal : Computational Linguistics http://mitpress.mit.edu/journal-home.tcl?issn=08912017 International Committee on Computational Linguistics http://www.dcs.shef.ac.uk/research/ilash/iccl/ Quelques laboratoires de recherche parmi de nombreux autres...:  Quelques laboratoires de recherche parmi de nombreux autres... Laboratoire d'Informatique Médicale, Université de Rennes http://www.med.univ-rennes1.fr/plaq/lim/ Laboratoire CLIPS-IMAG Laboratoire d'Analyse Cognitive de l'Information (LANCI, Université du Québec à Montréal) Laboratory for Natural Language Engineering -University of Durham http://www.dur.ac.uk/~dcs0www3/lnle/lnlehome.html The Center for Language and Speech Processing -The Johns Hopkins University http://www.clsp.jhu.edu/ Laboratoire d'analyse et de technologie du langage (LATL) - traduction automatique, analyse, synthèse de la parole et génération. Laboratoire de recherche appliquée en linguistique informatique (RALI) - Recherches dans les domaines de la traduction automatique, de la prospection et de l'extraction d'informations. Etc. Exemples de compagnies spécialisée en TALN et médecine:  Exemples de compagnies spécialisée en TALN et médecine LNAT http://www.lnat.com/ "LNAt is a company that is specialised in Natural Language Processing in the Medical Domain" ; "LNat provides a unique software, running on low-cost PC's (Windows 3.1, Windows 3.11, Windows 95 and Windows NT) that permits semi-automatic encoding using the most advanced natural language processing." A-Life Medical http://www.alifemedical.com/ "A-Life Medical, Inc., an exciting medical informatics company. We deliver a totally new and innovative way for you to automatically chart and code medical reports while achieving greater assurance of compliant operations." etc. Compagnies spécialisée TALN:  Compagnies spécialisée TALN AnNoText - Éditeur de logiciels de dictaphonie et de reconnaissance vocale à destination des professions juridiques. Revendeur de matériel Tulip. Arisem - Logiciels de mise en valeur de l'information Internet/Intranet à partir de l'analyse sémantique de l'information non structurée. Machina Sapiens inc. - Spécialisée en intelligence artificielle, éditrice du correcteur orthographique 101 et de l'outil de filtrage d'information InfoScan. Softissimo - Éditeur spécialisé dans les logiciels de traduction automatique Reverso et WebView, les dictionnaires électroniques Collins et EuroDico, les correcteurs Hugo 2000 et les logiciels d'apprentissage des langues Infolangue et Quick English. Démonstrations en téléchargement. Synapse Développement - Éditeur de logiciels dans le domaine du génie linguistique : correction syntaxique, analyse statistique et stylistique de textes, lexicographie. Terminotics - Développement et diffusion de solutions de gestion de données terminologiques et lexicographiques multilingues et multimédia. Le progiciel Dixit est un outil de gestion distribuée. Etc. Sur : http://fr.dir.yahoo.com/Commerce_et_economie/Societes/Informatique/Logiciels/Traitement_du_langage_naturel/ NATURAL LANGUAGE SOFTWARE REGISTRY (NLSR):  NATURAL LANGUAGE SOFTWARE REGISTRY (NLSR) The NATURAL LANGUAGE SOFTWARE REGISTRY (NLSR) is a concise summary of the capabilities and sources of language processing software available to researchers. It comprises academic, commercial and proprietary software with theory, specifications and terms on which it can be acquired clearly indicated. http://www.dfki.de/lt/registry/index.html

Related presentations


Other presentations created by Samuel

Explorer Pizarro
28. 02. 2008
0 views

Explorer Pizarro

Holy Qurbana
07. 04. 2008
0 views

Holy Qurbana

Overture OME Conf
27. 03. 2008
0 views

Overture OME Conf

Elizabethanol
21. 03. 2008
0 views

Elizabethanol

wsmo tutorial
18. 03. 2008
0 views

wsmo tutorial

A1Schengen
14. 03. 2008
0 views

A1Schengen

11174695641Carlo Dade
12. 03. 2008
0 views

11174695641Carlo Dade

Ashtongrcae
11. 03. 2008
0 views

Ashtongrcae

perry Oxstress
06. 03. 2008
0 views

perry Oxstress

seedcount presentation 003
04. 10. 2007
0 views

seedcount presentation 003

5 WATER CYCLE
06. 12. 2007
0 views

5 WATER CYCLE

AW9
07. 12. 2007
0 views

AW9

metadata and documentation
10. 12. 2007
0 views

metadata and documentation

nav5
07. 11. 2007
0 views

nav5

Idioms
16. 11. 2007
0 views

Idioms

ch5
01. 01. 2008
0 views

ch5

hamamatsu
03. 01. 2008
0 views

hamamatsu

Rohan Shah Anti Dumping Issues
04. 01. 2008
0 views

Rohan Shah Anti Dumping Issues

aquaculture impacts
04. 01. 2008
0 views

aquaculture impacts

class09a
13. 11. 2007
0 views

class09a

artotSuB
19. 11. 2007
0 views

artotSuB

Ken Turbitt BMC Software
06. 11. 2007
0 views

Ken Turbitt BMC Software

radtrans07
14. 11. 2007
0 views

radtrans07

enzyme cofactors
04. 03. 2008
0 views

enzyme cofactors

35347
26. 02. 2008
0 views

35347

200701 PCC Bridges
29. 12. 2007
0 views

200701 PCC Bridges

xrtod comissioning diagnostics
09. 11. 2007
0 views

xrtod comissioning diagnostics

imageSlideshow
03. 10. 2007
0 views

imageSlideshow

fuchsia brands farm
29. 12. 2007
0 views

fuchsia brands farm

PozziSmall2002 Istanbul
28. 09. 2007
0 views

PozziSmall2002 Istanbul

climate cop11 emilio sempris
23. 11. 2007
0 views

climate cop11 emilio sempris