GenDesc : Vers une nouvelle représentation des données textuelles

Guillaume Tisserant 1, 2 Violaine Prince 2, 1 Mathieu Roche 2, 1
1 ADVANSE - ADVanced Analytics for data SciencE
LIRMM - Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier
Résumé : Dans cet article, nous nous intéressons à la classification automatique de données textuelles par des algorithmes d'apprentissage supervisé. L'objectif est de montrer comment l'amélioration de la représentation des données textuelles influe sur les performances des algorithmes d'apprentissage. Partant du postulat qu'un mot n'a pas un sens bien établi sans son contexte, nous proposerons des descripteurs donnant le plus d'information possible sur le contexte des mots. Pour cela, nous avons mis au point une méthode, nommée GENDESC, qui consiste à "généraliser" les mots les moins pertinents pour la classification, c'est-à-dire, à éviter le bruit sémantique (souvent dû à la polysémie) provoqué par ces termes non ou peu pertinents. Cette généralisation s'appuie sur des informations grammaticales, telles que la catégorie et la position dans la structure. La méthode GENDESC a été évaluée et adaptée à la problématique de classification de textes selon une opinion ou une thématique.
Type de document :
Article dans une revue
Revue des Nouvelles Technologies de l'Information, Hermann, 2014, FDC'2014: Fouille de données complexes, RNTI-E-27, pp.127-146. 〈http://editions-rnti.fr/?inprocid=1002053〉
Liste complète des métadonnées

https://hal-lirmm.ccsd.cnrs.fr/lirmm-01096176
Contributeur : Mathieu Roche <>
Soumis le : mardi 16 décembre 2014 - 22:24:53
Dernière modification le : jeudi 11 janvier 2018 - 06:27:21

Identifiants

  • HAL Id : lirmm-01096176, version 1

Citation

Guillaume Tisserant, Violaine Prince, Mathieu Roche. GenDesc : Vers une nouvelle représentation des données textuelles. Revue des Nouvelles Technologies de l'Information, Hermann, 2014, FDC'2014: Fouille de données complexes, RNTI-E-27, pp.127-146. 〈http://editions-rnti.fr/?inprocid=1002053〉. 〈lirmm-01096176〉

Partager

Métriques

Consultations de la notice

74