Note ABES Extraction et modélisation d'informations textuelles pour l'exploitation de pharmacopées arabes anciennes Extraction and modeling of textual information for the valorization of old arabic pharmacopeias Traitement Automatique des Langues Fouille de textes Reconnaissance d’entités nommées Liage d’entités nommées Base de données graphe Pharmacopée Natural Language Processing Text Mining Named Entity Recognition Named Entity Linking Graph Database Pharmacopeia Traitement automatique du langage naturel Pharmacopée arabe Les pharmacopées anciennes, en particulier celles de l’époque abbasside, représentent une source importante de connaissances scientifiques. Cette période fut marquée par une étude approfondie et un développement de la médecine, ayant laissé un ensemble de pratiques qui ont influencé les fondements de la médecine contemporaine. Ces textes offrent un accès privilégié aux savoirs et aux pratiques médicales de l’époque, susceptibles de révéler des synergies pertinentes pour l’élaboration de solutions aux enjeux médicaux actuels. Cependant, l’ampleur et la complexité de ces pharmacopées, d'un point de vue textuel, posent des défis importants pour les chercheurs modernes visant des analyses systématiques et une extraction de données structurée. Ce travail propose une analyse automatique des manuscrits médicaux arabes médiévaux, visant à extraire des informations exploitables pour les études historiques et la pharmacologie moderne. En appliquant des techniques de fouille de texte, incluant la reconnaissance et le liage d’entités nommées, et ensuite la modélisation de l’information, ce travail structure les données extraites, établissant un lien entre ingrédients, remèdes et ressources de données scientifiques contemporaines. Un pipeline de traitement complet a ainsi été développé, aboutissant à un système d'interrogation des textes pharmacopiques anciens afin de découvrir de nouvelles connaissances. Ce travail met en évidence le potentiel des connaissances médicinales historiques pour informer la recherche moderne grâce à des données structurées et analysables. The realm of historical manuscripts, particularly those originating from the Abbasid era, offers a treasure trove of knowledge. It was a time when medicine and other sciences were expansively studied and developed, leaving behind a legacy of medical practices that have shaped much of contemporary medicine. These manuscripts provide a window into the medical wisdom and practices of the time that may help us uncover interesting synergies and patterns useful for finding solutions for modern medical problems. However, the vastness and complexity of these translated pharmacopeias present a challenge for modern researchers aiming for systematic analyses and data extraction. This work undertakes an automatic analysis of medieval Arabic medical manuscripts to extract valuable insights for both historical studies and contemporary pharmacology. Utilizing text-mining techniques, including Named Entity Recognition and Linking and proceeding to perform Information Modeling, this work aims to process unstructured historical texts into formally structured data, linking ingredients and remedies to current scientific data resources. A comprehensive processing pipeline was thus developed culminating in a system for querying ancient pharmacopeic texts to uncover new insights. This work highlights the potential of historical medicinal knowledge to inform modern research through structured, analyzable data. Electronic Thesis or Dissertation Text en PDF 17710795 https://theses.hal.science/tel-04932870 application/pdf 17606204 https://publication-theses.unistra.fr/public/theses_doctorat/2024/EL_HAFF_Karim_2024_ED269.pdf http://www.theses.fr/2024STRAD035/abes https://theses.hal.science/tel-04932870 https://theses.hal.science/tel-04932870 El Haff Karim 1998-01-27 FR 283051027 0EFB1R03OQ6 21616654 4200022 https://theses.fr/2024STRAD035 2024STRAD035 https://doi.org/10.70675/b9995a09zadbcz4b0az8337zc7edb97b9f97 2024-11-05 Informatique Strasbourg 131056549 Doctorat Docteur es non oui Le Ber Florence MADS_DIRECTEUR_DE_THESE_1 113466404 Pitchon Véronique MADS_DIRECTEUR_DE_THESE_2 158445732 Doucet Antoine MADS_PRESIDENT_DU_JURY 10312604X Braud Agnès MADS_MEMBRE_DU_JURY_1 070478449 Burri Sylvain MADS_MEMBRE_DU_JURY_2 169801993 Doucet Antoine MADS_RAPPORTEUR_1 10312604X Roche Mathieu MADS_RAPPORTEUR_2 09042087X École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 269 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 260728 176969721 ddc:004 ddc:490 Le Ber Florence Pitchon Véronique Doucet Antoine Braud Agnès Burri Sylvain Doucet Antoine Roche Mathieu École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) PDF 17710795