La construction de composants de connaissance pour l'extraction et le filtrage de l'information sur les réseaux
Résumé
With the steady growth of business and scientific activities and the recent advances in Information Technology, huge amounts of electronically available but unstructured data have to be dealt with. New tools able to analyse and structure textual data need to be developed so that non-expert users can understand and evaluate the contents of their documents. This paper describes the first results of a R&D program set up by TEMIS Company, whose core business is Text Mining, i.e. information extraction, information processing, visualisation and valorisation of all the data issued by or received in a company in its field of activity. The aim of the program is to build a multilingual knowledge station, called K-Station, in order to build knowledge components (terms and extraction rules) in an iterative way. The knowledge station is independent of the field of activity. The K-Station allows the linguist to create knowledge components for a determined industrial sector (cars or chemistry for example) or for a specific job (e.g. journalism or computer science). We particularly insist on the process of information extraction from a corpus, by detailing the methodology used. Our approach is based on the recycling of existing terms databases and knowledge discovery from a corpus, according to an iterative process which includes extraction rules. All the components are part of a client/server architecture. We explain the various levels stages of analysis integrated within this architecture and we illustrate them with results taken from the field of Competitive Intelligence. Knowledge components are included in a software suite called Insight Discoverer
L'accroissement de l'activité économique, scientifique jointe à l'éclosion des nouvelles technologies de l'information se traduisent par une croissance remarquable de l'information disponible sous forme électronique et exigent de nouveaux outils capables d'analyser et de structurer des documents textuels afin de permettre à des utilisateurs non-experts de fouiller ces documents et/ou de les évaluer. Notre article présente les premiers résultats d'un programme de recherche et de développement de la société TEMIS, dont le cœur d'activité est le text mining, c'est-à-dire l'extraction, le traitement, la visualisation et la capitalisation de l'information à partir des données, produites ou reçues, par une société dans son domaine. L'objet de ce programme est le développement d'une station de travail appelée Knowledge Station ou K-Station, indépendante du domaine d'application et multilingue. La K-Station automatise un processus itératif de construction et validation de composants de connaissances, i.e. la terminologie et les règles d'extraction d'informations relatives à un secteur d'activité, et ce, à partir de corpus de données textuelles. Elle a pour objectif de permettre à un linguiste de construire un ensemble de composants de connaissances pour un secteur industriel déterminé (automobile, chimie…) ou un métier particulier (journalisme, informatique, …). Nous mettrons l'accent sur le processus d'extraction de l'information à partir de corpus, en insistant sur la méthodologie utilisée. Notre approche est fondée sur la réutilisation de bases terminologiques existantes et sur l'acquisition de connaissances à partir d'un corpus selon un processus itératif intégrant des règles d'extraction. Elle repose sur une intégration d'outils dans une architecture client/serveur. Nous présentons les différentes étapes d'analyse intégrées dans cette architecture. Notre exposé sera illustré par des exemples de résultats dans le domaine de l'intelligence économique. Les composants de connaissance s'intègrent automatiquement dans une suite logicielle nommée Insight Discoverer .
Loading...