Indexation de co-occurrences guidée par la structure des documents et contrôlée par une ontologie et l'exploitation du corpus

Pierre Pompidor 1 Boris Carbonneill 2 Michel Sala 1
1 TATOO - Fouille de données environnementales
LIRMM - Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier
Résumé : Confronté à la problématique de l'indexation de très grands corpus documentaires d'entreprises, nous avons mis au point une méthode simple mais efficace (en terme de temps de calcul et de volumétrie), permettant de filtrer par document les co-occurrences les plus représentatives de ceux-ci. Nous nous plaçons dans un contexte de co-occurrences pour deux raisons. D'une part les requêtes portant sur des corpus spécialisés, et composées par des experts, s'appuient sur peu de termes précisément choisis dont nous indexons les associations, et d'autre part car cela facilitera la construction de cartes sémantiques de navigation dans les concepts du corpus. L'axe principal de ce travail est la prise en compte de la structure des documents en validant les contenus des paragraphes par ceux de leurs titres. Notre méthode s'appuie sur des mesures tf.idf successives effectuées dans le contexte d'un document et non d'un corpus, sur les contenus des paragraphes auxquels sont intégrés progressivement la hiérarchie des titres les introduisant. Puis nous exploitons simultanément une ontologie de contrôle et les requêtes des utilisateurs comportant les termes précédemment discriminés pour valider par le théorème de Bayes, les associations sémantiques ainsi déterminées.
Type de document :
Communication dans un congrès
INFORSID, May 2008, Fontainebleau, France. Lavoisier-Hermès, 2008, 〈http://lacl.univ-paris12.fr//INFORSID08/principal.html〉
Liste complète des métadonnées

Littérature citée [8 références]  Voir  Masquer  Télécharger

https://hal-lirmm.ccsd.cnrs.fr/lirmm-00273454
Contributeur : Pierre Pompidor <>
Soumis le : mardi 15 avril 2008 - 13:28:55
Dernière modification le : jeudi 11 janvier 2018 - 06:26:17
Document(s) archivé(s) le : vendredi 21 mai 2010 - 01:45:24

Identifiants

  • HAL Id : lirmm-00273454, version 1

Collections

Citation

Pierre Pompidor, Boris Carbonneill, Michel Sala. Indexation de co-occurrences guidée par la structure des documents et contrôlée par une ontologie et l'exploitation du corpus. INFORSID, May 2008, Fontainebleau, France. Lavoisier-Hermès, 2008, 〈http://lacl.univ-paris12.fr//INFORSID08/principal.html〉. 〈lirmm-00273454〉

Partager

Métriques

Consultations de la notice

150

Téléchargements de fichiers

145