Défi TextMine 2025 : Utilisation des Grands Modèles de Langue pour l'Extraction de Relations dans les Rapports de Renseignement
Résumé
L’extraction de relations (RE) vise à identifier et caractériser les relations sémantiques entre
des entités dans un texte, une tâche clé en traitement automatique du langage naturel (TALN).
Les approches supervisées traditionnelles reposent sur l’annotation des entités suivie de la prédiction
des relations entre elles. Récemment, les méthodes séquence-à-séquence ont simplifié
ce processus en générant directement les relations sous forme de chaînes cibles. Les grands
modèles de langage (LLMs) se distinguent par leur capacité à traiter efficacement ces tâches
complexes. Dans le cadre du défi TextMine 2025, l’objectif est d’automatiser l’extraction de
relations à partir de rapports complexes pour le renseignement et la défense. Ce défi offre une
opportunité unique d’évaluer les performances des LLMs dans des scénarios réalistes. Nous
proposons une approche utilisant le modèle Llama3 (Dubey et al., 2024) pour détecter et classer
les relations entre paires d’entités dans un texte. Nous combinons la puissance des LLMs
avec des étapes de filtrage préalable reposant sur les types d’entités et de relations. L’objectif
est d’évaluer dans quelle mesure un LLM peut répondre aux besoins de l’extraction de relations
dans des contextes complexes, tout en mettant en lumière ses limites et les défis à surmonter.
Origine | Fichiers produits par l'(les) auteur(s) |
---|
![]()
Fait partie de hal-04915120 Texte Pascal Cuxac, Cédric Lopez, Adrien Guille. Actes de l'atelier TextMine 2025. EGC - Atelier TextMine, 2025. ⟨hal-04915120⟩