Application de techniques de forage de textes à des fins d'analyse thématique de documents textuels non structurés

Dominic Forest

Laboratoire d'ANalyse Cognitive de l'Infomation (LANCI) - Université du Québec à Montréal -

Le 22 septembre 2005 à 11 h 30

Salle C-9019, Pavillon Lionel-Groulx


Le projet que nous présenterons aborde la problématique de l'identification des thèmes et de l'assistance à l'analyse thématique des documents textuels. L'objectif général du projet est de développer et de valider une méthodologie informatique fondée sur la classification et la catégorisation automatiques permettant d'assister efficacement l'identification des thèmes et, surtout, l'analyse thématique de documents textuels. Ce projet vise ainsi à effectuer un transfert de concepts et de méthodologies provenant, d'une part, des recherches théoriques et pluridisciplinaires en l'analyse thématique et, d'autre part, des recherches appliquées en classification et en catégorisation automatiques des données afin de développer une méthodologie et un prototype d'application flexible visant à assister le chercheur dans son travail d'analyse thématique des textes.
Notre exposé sera divisé en deux volets principaux. Dans le premier volet, nous présenterons la méthodologie employée permettant d'assister l'analyse thématique des données textuelles. Cette méthodologie se distingue des principaux travaux sur l'identification des thèmes et sur l'assistance à l'analyse thématique à deux niveaux : d'une part, elle repose sur un jumelage des processus de classification et de catégorisation et, d'autre part, elle implique une opération de segmentation du corpus initial, favorisant ainsi l'attribution de plusieurs catégories thématiques à un seul document.
Par ailleurs, dans bon nombre d'applications d'analyse des données textuelles, le processus de catégorisation est effectué en utilisant un plan de classification ou une taxinomie de catégories prédéfinies. Le développement de ces taxinomies, bien qu'il puisse être assisté dans certains cas à l'aide d'applications informatiques, s'avère actuellement coûteux et très complexe. Dans ce projet, nous verrons qu'il est possible, en l'absence de taxinomies, d'employer certains termes du lexique initial du corpus comme étiquettes thématiques. Dans le second volet, nous présenterons quelques résultats obtenus grâce à cette démarche sur un corpus de textes philosophiques.


Pour recevoir les annonces hebdomadaires par courriel, visitez http://rali.iro.umontreal.ca/rali/?q=fr/node/1631

Liste des autres séminaires