Ordre et Désordre dans la Catégorisation de Textes
Abstract
Text categorization is a well-known task essentially based on statistical approaches using neural networks, Support Vector Machines and other machine learning algorithms. Texts are generally considered as bags of words without any order. Although these approaches have proven to be efficient, they do not provide users with comprehensive and reusable rules about their data. These rules are however very important for users in order to describe the trends from the data they have to analyze. In this framework, an association-rule based approach has been proposed by Bing Liu (CBA). In this paper, we propose to extend this approach by using sequential patterns in the SPaC method (Sequential Patterns for Classification). Taking order into account allows us to represent the succession of words through a document without complex and time-consuming representations and treatments such as those performed in natural language and grammatical methods. We show on experiments that our proposition is relevant, and that it is very interesting compared to other methods.
La classification automatique de textes est une tâche adressée notamment par des ap-proches statistiques à base de réseaux de neurones et de machines à vecteurs de support. Si ces approches permettent de réaliser de bons classifieurs au sens des mesures de classification, elles ne permettent pas de bénéficier de règles décrivant les décisions de classification. Or ces descriptions sont primordiales pour les experts démunis face aux grandes quantités de textes à analyser et traiter. Dans ce contexte, une approche à base de règles d'association a déjà été pro-posée par Bing Liu. Nous proposons dans cet article d'étendre cette approche par l'utilisation des motifs séquentiels avec la méthode SPaC (Sequential Patterns for Classification). La prise en compte de l'ordre des mots permet de représenter la succession de l'apparition des termes ou des concepts dans les textes. Des expérimentations, menées sur des ensembles de textes en français et anglais, montrent l'intérêt de la méthode proposée. La prise en compte de l'ordre des mots par les motifs séquentiels mène toujours à de meilleurs résultats que les méthodes basées sur les règles d'association.
Origin | Files produced by the author(s) |
---|
Loading...