Skip to Main content Skip to Navigation
Journal articles

Classification automatique de documents bruités à faible contenu textuel

Résumé : 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.
Complete list of metadatas

Cited literature [39 references]  Display  Hide  Download

https://hal-lirmm.ccsd.cnrs.fr/lirmm-00394668
Contributor : Nicolas Béchet <>
Submitted on : Friday, June 12, 2009 - 11:56:16 AM
Last modification on : Monday, June 1, 2020 - 4:54:02 PM
Long-term archiving on: : Friday, June 11, 2010 - 12:39:37 AM

File

RNTI_SL_NB_HH_MR_vfinal.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : lirmm-00394668, version 1

Citation

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

Share

Metrics

Record views

777

Files downloads

1914