version française rss feed
s'authentifier
Fiche détaillée  Récupérer au format
(2004)
Liste des fichiers attachés à ce document : 
PDF
sic_00001251.pdf(93.8 KB)
sic_00001251, version 1
Application des méthodes à noyaux à la fouille de données textuelles
Jean-Michel Renders
(22/06/2004)

Les méthodes à noyaux connaissent depuis peu une utilisation intensive dans le domaine du traitement automatique du langage et en particulier pour la résolution de tâches en fouille de données textuelles. Les Noyaux définissent une mesure de similarité généralisée entre objects de structure arbitraire, avec trois propriétés intéressantes : la faculté d‘incorporer de la conaissance a priori sur le domaine, la projection implicite des données dans un espace où la représentation est plus riche et la résolution du problème plus aisée, la (relative) indépendance des algorithmes d‘apprentissage par rapport à la dimension de ce nouvel espace. Ces propriétés, couplées avec des algorithmes d‘apprentissage robuste œ pour des tâches telles que le classement, la classfication, la réduction de dimension, le filtrage, ... œ sont à la base de résultats remarquables pour des tâches de Fouille de données textuelles, telles que la catégorisation et la classification de documents et de concepts, la désambiguisation sémantique et structurelle, l‘extraction d‘informations et de relations entre entités, l‘extraction automatique de lexiques multilingues Kernel methods have recently been introduced to solve Natural Language Processing and Text Mining problems. Kernels define a generalised similarity measure between objects of arbitrary structure, with three interesting properties, namely the ability to incorporate prior knowledge about the problem, the implicit mapping of the data into a new feature space, which allows for very richer representation and where problem solving is easier, and finally the independence of learning algorithms from the dimension of this new feature space (—the Kernel trick“). These properties, coupled with robust learning algorithms (for classification, clustering, dimension reduction, filtering, ...) provide some remarkable results in Text Mining tasks, such as document categorization, concept clustering, word sense disambiguation, information extraction, relationship extraction and automatic multilingual lexicon extraction.
Sciences de l'Homme et Société/Sciences de l'information et de la communication/Ingénierie des systèmes d'information
Semaine du Document Numérique (SDN 2004) – (CIFT 04) – méthodes à noyaux – noyaux sur données structurées – noyaux pour données textuelles – noyaux interlangues – catégorisation de documents – classification de concepts – désambiguisation sémantique – désambiguisation structurelle – extraction d‘information – extraction de relations – extraction automatique de lexiques multilingues

tous les articles de la base du CCSd...