Classification automatique de documents bruités à faible contenu textuel - LIRMM - Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier
Journal Articles Revue des Nouvelles Technologies de l'Information Year : 2010

Classification automatique de documents bruités à faible contenu textuel

Abstract

La classification de documents numériques est une tâche complexe dans un flux numérique de gestion électronique de documents. Cependant, la quantité des documents issus de la retro-conversion d'OCR (Reconnaissance Optique de Caractères) constitue une problématique qui ne facilite pas la tâche de classification. Après l'étude et l'évaluation des descripteurs les mieux adaptés aux documents issus d'OCR, nous proposons une nouvelle approche de représentation des données textuelles : l'approche HYBRED (HYBrid REpresentation of Documents). Elle permet de combiner l'utilisation de différents descripteurs d'un texte afin d'obtenir une représentation plus pertinente de celui-ci. Les expérimentations menées sur des données réelles ont montré l'intérêt de notre approche.
Fichier principal
Vignette du fichier
RNTI_SL_NB_HH_MR_vfinal.pdf (230.63 Ko) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

lirmm-00394668 , version 1 (12-06-2009)

Identifiers

  • HAL Id : lirmm-00394668 , version 1

Cite

Sami Laroum, Nicolas Béchet, Hatem Hamza, Mathieu Roche. Classification automatique de documents bruités à faible contenu textuel. Revue des Nouvelles Technologies de l'Information, 2010, E-18 (Numéro spécial : Fouille de Données Complexes), pp.25. ⟨lirmm-00394668⟩
479 View
1763 Download

Share

More