Clusterisation du Web en vue d'extraction de corpus homogènes - Archive ouverte HAL Access content directly
Conference Papers Year : 2002

Clusterisation du Web en vue d'extraction de corpus homogènes

(1) , (1) , (2)
1
2

Abstract

Web resources are more and more different, not only regarding thematic content but also related to type of document, geographic origin, level, language, etc. However, web search engines do not take into account this heterogeneity and propose only a thematic access by keywords to the documents. This paper presents a method allowing to extract homogenous corpus of web documents. This method based on link analysis uses co-citation method and focuses more specially on the notion of type of web documents.
Les ressources disponibles sur le Web sont de plus en plus diverses aussi bien d'un point de vue thématique, qu'au niveau de leur type, de leur origine géographique, etc. Cependant, les outils de recherche ne prennent pas en compte cette hétérogénéité et ne proposent qu'un accès par mots-clés aux documents du web. Cet article présente une méthode basée sur les hyperliens, permettant d'extraire du graphe Web des sous-corpus de documents homogènes. L'expérience décrite ici utilise la méthode des co-citations et s'intéresse plus spécialement à la notion de genre (type) de document web.
Fichier principal
Vignette du fichier
sic_00000388.pdf (322.33 Ko) Télécharger le fichier
Loading...

Dates and versions

sic_00000388 , version 1 (10-02-2003)

Identifiers

  • HAL Id : sic_00000388 , version 1

Cite

Camille Prime-Claverie, Michel Beigbeder, Thierry Lafouge. Clusterisation du Web en vue d'extraction de corpus homogènes. INFORSID 2002, 20e congrès informatique des organisations et des systèmes d'information et de décision, Jun 2002, Nantes, France. 13p. ⟨sic_00000388⟩
124 View
153 Download

Share

Gmail Facebook Twitter LinkedIn More