Mesurer la proximité entre corpus par de nouveaux méta-descripteurs

Résumé : Devant le nombre d'algorithmes de classification existants, trouver l'algorithme qui sera le plus adapté pour classer un corpus de documents est une tâche difficile. La méta-classification apparaît aujourd'hui très utile pour aider à déterminer, en fonction des expé-riences passées, quel devrait être l'algorithme le plus pertinent par rapport à notre corpus. L'idée sous jacente est que "si un algorithme s'est montré particulièrement adapté pour un corpus , il devrait avoir le même comportement sur un corpus assez similaire". Dans cet article, nous proposons de nouveaux méta-descripteurs reposant sur les notions de similarités pour améliorer l'étape de méta-classification. Les expérimentations menées sur différents jeux de données réelles montrent la pertinence de nos nouveaux descripteurs.
Type de document :
Communication dans un congrès
CORIA: COnférence en Recherche d’Information et Applications, Mar 2015, Paris, France. 12ième COnférence francophone en Recherche d'Information et Applications, pp.369-383, 2015, 〈http://coria2015.lip6.fr〉
Liste complète des métadonnées

Littérature citée [19 références]  Voir  Masquer  Télécharger

https://hal-lirmm.ccsd.cnrs.fr/lirmm-01184560
Contributeur : Mathieu Roche <>
Soumis le : dimanche 16 août 2015 - 05:38:56
Dernière modification le : jeudi 24 mai 2018 - 15:59:25
Document(s) archivé(s) le : mardi 17 novembre 2015 - 10:11:15

Fichier

37.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : lirmm-01184560, version 1

Citation

Flavien Bouillot, Pascal Poncelet, Mathieu Roche. Mesurer la proximité entre corpus par de nouveaux méta-descripteurs. CORIA: COnférence en Recherche d’Information et Applications, Mar 2015, Paris, France. 12ième COnférence francophone en Recherche d'Information et Applications, pp.369-383, 2015, 〈http://coria2015.lip6.fr〉. 〈lirmm-01184560〉

Partager

Métriques

Consultations de la notice

208

Téléchargements de fichiers

198