Cours Fouille de données

De
Publié par

Une c haîne g lobale de fouille de textesMathieu RocheCours Fouille de Données (UMINP406)25 janvier 2007Processus de fouille de textes- - - - - - - - - - - - - - -Nettoyeur Etiqueteur- - - - - - - - - - - - - - -- - - - - - - - - - - - - - -Corpus Corpus Corpus brut nettoyé étiquetéExtraction des termes- découverte d e - - - - -Extraction règles d’associationd’informations - - - - -Détection - extraction - - - - -des traces de d’information par Corpus + patrons d’extraction conceptsTermesClassification conceptuelle2 Cours FdD - M2P – 25 janvier 2007Etape 1 : Le nettoyageExemples de corpus spécialisés :● Corpus de 100 introductions d’ar ticles en anglais écrits par des auteurs anglophones sur le domaine de la « fouille de données » (369 Ko).● Corpus de plus de 6000 résumés d’ar ticles en anglais sur la biologie Moléculaire (9424 Ko).● Corpus en français de plus de 1000 Curriculum Vitæ (VediorBis, 2470 Ko).● Corpus en français relatif aux Ressources Humaines (PerfomanSe, 3784 Ko).3 Cours FdD - M2P – 25 janvier 2007Etape 1 : Le nettoyage● Types de nettoyage :- Enlever les noms, prénoms, coordonnées, etc. (pour les articles et les CVs)- Uniformiser les référencesCORPUS FOUILLE DE DONNEES :Remplacer ([lettres+ année], [ numéro], etc.) par « a paper » ou « papers » si ces références sont précédées de la préposition « in », sinon on supprime ces références.- Généraliser certains noms : CORPUS DE BIOLOGIE MOLECULAIRE Remplacer : ...
Publié le : vendredi 23 septembre 2011
Lecture(s) : 39
Nombre de pages : 18
Voir plus Voir moins
Une chaîne globale de fouille de textes
Mathieu Roche
Cours Fouille de Données (UMINP406)
25 janvier 2007
2
Processus de fouille de textes
            - - - - - - - - - - - - - - -NettoyeurEtiqueteur - - - - - - - - - - - - - - -            - - - - - - - - - - - - - - -            
Corpus brut
-découverte de Extraction règles d’association d’informations -extraction d’information par patrons d’extraction
Corpus nettoyé
Corpus étiqueté
Extraction des termes - - - - -        - - - - -Détection - - - - -    des traces de concepts Corpus + Classification Termes conceptuelle Cou FdD - M2P – 25 janvier 2007 rs
3
Etape 1 : Le nettoyage
Exemples de corpus spécialisés : Corpus de 100 introductions d’articles en anglais écrits par des auteurs anglophones sur le domaine de la « fouille de données » ( 369 Ko ).
Corpus de plus de 6000 résumés d’articles en anglais sur la biologie Moléculaire ( 9424 Ko ).
Corpus en français de plus de 1000 Curriculum Vitæ (VediorBis, 2470 Ko ).
Corpus en français relatif aux Ressources Humaines (PerfomanSe, 3784 Ko ).
Cousr FdD - M2P  25  janiver 2007
4
Etape 1 : Le nettoyage
Types de nettoyage :
- Enlever les noms, prénoms, coordonnées, etc. (pour les articles et les CVs)
- Uniformiser les références CORPUS FOUILLE DE DONNEES :Remplacer ([lettres+année], [numéro], etc.) par « a paper » ou « papers » si ces références sont précédées de la préposition « in », sinon on supprime ces  références.
-Généraliser certains noms : CORPUS DE BIOLOGIE MOLECULAIRE  Remplacer : carboxyl-terminal, carboxyl-termini, C00H-terminal, C02H-terminal, etc. par C-term.
Cuors FdD - M2P  25  janvie r2007
5
Processus de fouille de textes
            - - - - - - - - - - - - - - -Nettoyeur Etiqueteur             - - - - - - - - - - - - - - -            - - - - - - - - - - - - - - -
Corpus brut
-découverte de Extraction règles d’association d’informations -extraction d’information par patrons d’extraction
Corpus nettoyé
Corpus étiqueté
Extraction des termes - - - - -        - - - - -Détection - - - - -    des traces de concepts Copus + Classification Termes conce t lle p ue Cours FdD - M2P – 25 janvier 2007
6
Etape 2 : Etiquetage
Mais pour des personnes très spontanées ...
Étiqueteur de Brill
Mais /COO pour /PREP  des /DTN:pl  personnes /SBC:pl  très /ADV  spontanées /ADJ ...
Cuors dF D- M2P 2 5 j aniver 2007
7
Processus de fouille de textes
            - - - - - - - - - - - - - - -NettoyeurEtiqueteur - - - - - - - - - - - - - - -            - - - - - - - - - - - - - - -            
Corpus brut
-découverte de Extraction règles d’association d’informations -extraction d’information par patrons d’extraction
Corpus nettoyé
Corpus étiqueté
Extraction des termes     - - - - -    - - - - -Détection - - - - -    des traces de concepts Corpus + Classification Termes con uelle cept Cours FdD - M2P – 25 janvier 2007
8
Etape 3 : Extraction des termes
        - - - - - - - - -- - - - - - - -                 - - - - - - - - -
Corpus nettoyé
yTep sed co
Étiqueteur grammatical
llocation
Nom-Nom Adjectif-Nom Nom-Adjectif Nom-Préposition-Nom Formule-Nom ...
s: 
        - - - - - - - - -- - - - - - - -                 - - - - - - - - -
Corpus étiqueté
Extraction des collocations
tête froide activité professionnelle circuit fermé intérêt général Cours FdD - M2P – 25 janvier 2007
9
Etape 3 : Extraction des termes
        - - - - - - - - -         - - - - - - - -        - - - - - - - - -
Corpus nettoyé
activité pofessionnelle tête froide circuit fermé intérêt général
Étiqueteur grammatical
Sélection des “meilleures” collocations
Cuor
        - - - - - - - - -- - - - - - - -         - - - - - - - - -        
orpus que
Extraction des collocations tête froide activité professionnelle circuit fermé intérêt général
 sdF D- 2MP  25  janvier 2007
10
Processus de fouille de textes
- - - - -    Nettoyeur - - - - -        - - - - -
Corpus brut
-découverte de Extraction règles d’association d’informations -extraction d’information par patrons d’extraction
        - - - - - - - - - -Etiqueteur - - - - - - - - - -                - - - - - - - - - -
Corpus nettoyé
Corpus étiqueté
Extraction des termes     - - - - -    - - - - -Détection - - - - -    des traces de concepts Corpus + classification Termes conceptuelle Cours FdD - M2P 25 janvier 2007
11
Classification conceptuelle
classification conceptuelle
Ensemble de connaissances
Moyens de transports
bateaux
voitures
Classification conceptuelle Cours FdD - M2P – 25 janvier 2007
Soyez le premier à déposer un commentaire !

17/1000 caractères maximum.