Vers un corpus optimal pour la fouille de textes : stratégie de constitution de corpus spécialisés à partir d'ISTEX - Institut de l'Information Scientifique et Technique Accéder directement au contenu
Communication Dans Un Congrès Année : 2020

Towards an optimal corpus for text mining: specialized corpus building strategy from ISTEX

Vers un corpus optimal pour la fouille de textes : stratégie de constitution de corpus spécialisés à partir d'ISTEX

Résumé

The development of a corpus is an essential prerequisite for many NLP and text mining activities. This may require several processing phases to improve its quality and thus obtain better automatic analysis results. Post-processing applied to such a corpus in particular to guarantee the relevance of its content and the homogeneity of its format may be more costly and tedious if the construction of the working corpus is more basic. This demonstration will take advantage of the ISTEX platform and its associated services to build a homogeneous corpus of scientifically relevant publications for a simplified use by text mining tools through an iterative cycle.
Préalable indispensable à de nombreuses activités de TAL et de fouille de textes, l’élaboration d’un corpus peut nécessiter plusieurs phases de traitement pour améliorer sa qualité et ainsi obtenir les meilleurs résultats d’analyse automatique. Les post-traitements appliqués à un tel corpus, notamment pour garantir la pertinence de son contenu et l’homogénéité de son format, pourront s’avérer d’autant plus coûteux et fastidieux que la construction du corpus de travail aura été imprécise. Cette démonstration se proposera de tirer parti de la plateforme ISTEX et de ses services associés pour constituer, au travers d’un cycle itératif, un corpus homogène de publications scientifiquement pertinentes pour une utilisation simplifiée par des outils de fouille.
Fichier principal
Vignette du fichier
159.pdf (462.77 Ko) Télécharger le fichier
159.mp4 (681.49 Mo) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Format : Vidéo
licence : CC BY NC SA - Paternité - Pas d'utilisation commerciale - Partage selon les Conditions Initiales

Dates et versions

hal-02768520 , version 1 (05-06-2020)
hal-02768520 , version 2 (17-06-2020)
hal-02768520 , version 3 (23-06-2020)

Licence

Paternité

Identifiants

  • HAL Id : hal-02768520 , version 3

Citer

Camille de Salabert, Sabine Barreaux. Vers un corpus optimal pour la fouille de textes : stratégie de constitution de corpus spécialisés à partir d'ISTEX. 6e conférence conjointe Journées d'Études sur la Parole (JEP, 33e édition), Traitement Automatique des Langues Naturelles (TALN, 27e édition), Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL, 22e édition), Jun 2020, Nancy, France. pp.66-69. ⟨hal-02768520v3⟩
253 Consultations
110 Téléchargements

Partager

Gmail Facebook X LinkedIn More