Extraction de relations économiques à partir de textes
Auteur / Autrice : | Hadjer Khaldi |
Direction : | Farah Benamara, Nathalie Aussenac-Gilles |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique et Télécommunications |
Date : | Soutenance le 12/12/2022 |
Etablissement(s) : | Toulouse 3 |
Ecole(s) doctorale(s) : | École doctorale Mathématiques, informatique et télécommunications (Toulouse) |
Partenaire(s) de recherche : | Laboratoire : Institut de Recherche en Informatique de Toulouse (1995-....) |
Jury : | Président / Présidente : Thierry Charnois |
Examinateurs / Examinatrices : Pascale Zaraté, Raphaël Troncy | |
Rapporteurs / Rapporteuses : Claire Nédellec |
Mots clés
Résumé
L'économie du XXIe siècle a façonné le monde économique et modifié la manière dont les acteurs du marché interagissent les uns avec les autres dans un marché mondial où les frontières nationales ont fondu et où les échanges sont devenus plus ouverts et plus libres, ce qui a donné lieu à un monde des affaires plus compétitif. En effet, la rivalité s'est déplacée du niveau du marché local au niveau multinational, incitant les entreprises et les industries à renforcer leur capacité d'innovation afin de fournir des produits et services compétitifs, de développer leur croissance économique et d'améliorer leurs performances. Dans ce contexte, les informations textuelles commerciales et financières disponibles sur l'internet (annonces d'entreprises, rapports de recherche sectoriels, articles d'actualité en ligne et déclarations de politique générale) sont devenues une source d'information majeure pour les entreprises et les professionnels qui souhaitent suivre l'évolution de leur environnement commercial complexe, concurrentiel et en mutation rapide. En outre, le contenu textuel ne se limite plus à l'anglais ; le contenu multilingue a immergé apparu pour aider les entreprises à améliorer leur expérience client et à étendre leur présence sur le marché régional et mondial. Nous construisons un jeu de données multilingues pour l'extraction de relations économiques, qui est ensuite utilisé pour entraîner une variété de modèles supervisés à base de réseaux de neurones. Nos résultats sont encourageants, et ils représentent la première étape vers l'extraction de relations économiques multilingues à partir du web.