Adaptation de la reconnaissance d'entités nommées au domaine de la santé des plantes

Domain Adaptation of Named Entity Recognition for Plant Health Monitoring

• Auteur / Autrice : Mariya Borovikova
• Direction : Claire Nedellec, Mathieu Roche, Arnaud Ferré, Robert Bossy
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 13/12/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Mathématiques et Informatique Appliquées du Génome à l'Environnement (Jouy-en-Josas, Yvelines) - Territoires, Environnement, Télédétection et Information Spatiale (Montpellier)
• Partenaire(s) de recherche : Référent : Université Paris-Saclay. Faculté des sciences d’Orsay (Essonne ; 2020-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Informatique et sciences du numérique (2020-….)
• Jury : Président / Présidente : Aurélie Névéol
• Jury : Examinateurs / Examinatrices : Gaël Dias, Laure Soulier, Thierry Charnois, Adrien Coulet
• Jury : Rapporteurs / Rapporteuses : Gaël Dias, Laure Soulier
• DOI : 10.70675/aa08ea7az594ez48adz814bz17ff1279b349

Mots clés

Mots clés contrôlés

Traitement automatique du langage naturel

Apprentissage automatique

Plantes -- Santé

Mots clés libres

Reconnaissance des Entités Nommées

Santé des Plantes

Apprentissage automatique

Adaptation au Domaine

Modèles de Langue

Traitement Automatique des Langues

Named Entity Recognition

Plant Health

Machine Larning

Domain Adaptation

Language Models

Natural Language Processing

Résumé

La complexité croissante des écosystèmes agricoles et le La complexité croissante des écosystèmes agricoles et le besoin urgent de surveillance efficace de la santé des plantes rendent nécessaires des solutions technologiques avancées pour traiter les données textuelles. Située dans le cadre du projet BEYOND, cette thèse répond à ces besoins en améliorant les systèmes de reconnaissance d'entités nommées (REN) adaptés au domaine de la santé des plantes. Reconnaissant les limites des approches traditionnelles, cette recherche intègre des stratégies d'adaptation au domaine.La principale contribution de cette thèse réside dans le développement et l'affinement de méthodes destinées à améliorer l'adaptabilité des systèmes REN dans la reconnaissance d'informations liées à la santé des plantes, telles que les maladies végétales, les organismes nuisibles, les plantes et les lieux. En exploitant des techniques avancées d'apprentissage automatique, la thèse montre comment les systèmes REN peuvent être appliqués à la surveillance de la santé des plantes sans nécessiter d'adaptation explicite.Sur le plan méthodologique, la thèse adopte une approche double. D'une part, elle ajuste les modèles de langue grâce au masquage de mots-clés, focalisant le processus d'apprentissage sur le vocabulaire spécifique au domaine pour capturer les particularités linguistiques de la santé des plantes. D'autre part, elle améliore la reconnaissance des entités nommées grâce à l'intégration de représentations sémantiques obtenues à partir de descriptions textuelles des types d'entités. Cette méthode permet à l'algorithme de reconnaître des types d'entités non rencontrés durant l'apprentissage et de s'adapter facilement à de nouvelles applications. Cette méthodologie est ensuite appliquée aux données sur la santé des plantes, combinant les deux approches.Cette recherche contribue à l'avancement théorique dans le domaine de la REN et présente des implications pratiques, fournissant des outils susceptibles de conduire à une prise de décision plus informée face aux menaces phytosanitaires. Les orientations futures de ce travail incluent l'affinement des approches basées sur les lexiques, l'intégration de données multimodales et l'amélioration des définitions d'entités pour perfectionner davantage la précision et l'applicabilité des systèmes REN dans des domaines spécialisés tels que la santé des plantes.

The increasing complexity of agricultural ecosystems and the urgent need for effective plant health monitoring necessitate advanced technological solutions for processing textual data. Situated within the BEYOND project, this thesis addresses these needs by advancing Named Entity Recognition (NER) systems tailored to the plant health domain. Considering the limitations of traditional NER approaches, this research innovates by integrating domain-specific adaptation strategies.The core contribution of this thesis is the development and refinement of methods to enhance the adaptability of NER systems in recognizing information related to plant health, such as diseases, pests, plants, and locations. By leveraging advanced machine learning techniques, the thesis demonstrates how NER systems can be applied to plant health monitoring without explicit adaptation.Methodologically, the thesis employs a dual approach. Firstly, it refines language models through Keyword Masking, focusing the training process on domain-relevant vocabulary to capture the specific linguistic features of the plant health domain. Secondly, it enhances entity recognition via semantic entity representations derived from textual descriptions of entity types. This approach enables the algorithm to identify entity types not seen during training, facilitating seamless adaptation to new applications. Finally, this methodology is applied to Plant Health data, combining both approaches for robust analysis.This research contributes theoretical advancements to the field of NER and offers practical implications for agricultural practices. It provides tools that can lead to more informed decision-making responses to plant health threats. Future directions for this work include refining lexicon-based approaches, integrating multimodal data, and enhancing the entity types definitions to further improve the precision and applicability of NER systems in specialized domains such as plant health.