Key points are not available for this paper at this time.
Nous présentons un cadre générique pour rendre les algorithmes d'induction d'enveloppes tolérants au bruit dans les données d'entraînement. Cela nous permet d'apprendre des enveloppes de manière complètement non supervisée à partir de données d'entraînement bruitées obtenues automatiquement et à moindre coût, par exemple, en utilisant des dictionnaires et des expressions régulières. En supprimant la supervision au niveau du site exigée par les techniques basées sur des enveloppes, nous sommes en mesure d'effectuer une extraction d'information à l'échelle du web, avec une précision inégalée par les techniques d'extraction non supervisées existantes. Notre système est utilisé en production chez Yahoo! et alimente des applications en direct.
Dalvi et al. (Sat,) ont étudié cette question.