Construction de ressources sémantiques pour l'amélioration de la qualité du clustering de messages courts

Mahaman Sanoussi Yahaya Alassa (1, 2)

1 LIPN - Laboratoire d'Informatique de Paris-Nord
2 MoDyCo - Modèles, Dynamiques, Corpus

Prendre en compte l'aspect sémantique des données textuelles lors de la tâche de classification s'est imposé comme un réel défi ces dix dernières années. Cette difficulté vient s'ajouter au fait que la plupart des données disponibles sur les réseaux sociaux sont des textes courts, ce qui a notamment pour conséquence de rendre les méthodes basées sur la représentation "bag of words" peu efficientes. La plupart des approches présentes dans la littérature utilisent des connaissances externes comme wikipedia afin d'enrichir les messages courts avant la tâche de classification. Dans cet article, nous proposons la création de ressources permettant d'enrichir les messages courts afin d'améliorer la performance des méthodes de classification non supervisée. Pour constituer ces ressources, nous utilisons des techniques de fouille de données séquentielles.

Mots clés: classification; motifs fréquents; motifs émergents; ressources sémantiques

Domaines: Linguistique; Méthodes et statistiques

Mahaman Sanoussi Yahaya Alassa. Construction de ressources sémantiques pour l'amélioration de la qualité du clustering de messages courts. 27es Journées francophones d'Ingénierie des Connaissances (IC2016), Jun 2016, Montpellier, France. ⟨halshs-01359862⟩