Maîtriser les déluges de données hétérogènes - HAL Accéder directement au contenu
Communication dans un congrès Année : 1999

Maîtriser les déluges de données hétérogènes

Résumé

Le traitement automatique des langues fait de plus en plus appel à de volumineux corpus textuels pour l'acquisition des connaissances. L'obstacle actuel n'est plus la disponibilité de corpus, ni même leur taille, mais l'hétérogénéité des données qui sont rassemblées sous ce nom. Dans cet article, nous examinons l'hétérogénéité que manifestent les articles du Monde quand on les regroupe selon les rubriques de la rédaction du journal. Les conséquences d'une telle hétérogénéité pour l'étiquetage et le parsage sont soulignées. Partant de ce constat, nous définissons la notion de "profilage de corpus" par le biais d'outils permettant d'évaluer l'homogénéité d'un corpus (sur-emploi du vocabulaire, de catégories morpho-syntaxiques, ou de patrons) et l'utilisation qui peut en être faite.
Fichier principal
Vignette du fichier
taln1999.pdf ( 204.38 Ko ) Télécharger
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

halshs-00151841, version 1 (15-06-2007)

Identifiants

  • HAL Id : halshs-00151841 , version 1

Citer

Serge Heiden, Pierre Lafon, Gabriel Illouz, Benoît Habert, Serge Fleury, et al.. Maîtriser les déluges de données hétérogènes. 1999, Cargèse, Italie. pp.37-46. ⟨halshs-00151841⟩
333 Consultations
282 Téléchargements
Dernière date de mise à jour le 20/04/2024
comment ces indicateurs sont-ils produits

Partager

Gmail Facebook Twitter LinkedIn Plus