Les Différentes approches de la similarité sémantique

Table des matières

Introduction générale
Chapitre I Classifications des textes
II. Définition
III. Processus de la catégorisation de textes
III.1.1.Représentation en sac de mots (bag of words)
III.1.2.Représentation avec les racines lexicales
III.1.3.Représentation avec les lemmes
III.1.4.Représentation avec les n-gramme
III.1.4.Représentation par phrases
III.1.5.Représentation conceptuelle
III.2.La pondération des termes
III.2.1Mesure TF (Term Frequency)
III.2.2Mesure TFIDF (Term Frequency Inverse Document Frequency)
III.2.3.La mesureTFC
III.3.La réduction de la taille du vocabulaire
III.4.Choix de classificateur
III.4.1.Machine à vecteur support
III.4.2.Les k plus proches voisins
III.4.3.Méthode de Rocchio
III.4.4.Naïve bayes
III.4.5.Les arbres de décision
III.4.6.Les réseaux de neurone
IV. Evaluation du processus de catégorisation
V. Les applications de la catégorisation des textes
VI. Problèmes de la catégorisation de textes
VII. Conclusion
Chapitre II Les mesures de similarités sémantiques et l’amélioration du produit scalaire
I. Introduction
II. Les mesures de similarités sémantiques
II.1.Définition
II.2.Objectifs
II.3.Les Différentes approches de la similarité sémantique
II.3.1.Approche basé sur les arcs
II.3.1.1.Mesure de Wu & Palmer
II.3.2.Approche basé sur les nœuds (contenue informationnel)
II.3.2.1 .Mesure de Resnik
II.3.2.2. Hirst & Onge
II.3.3.Hybride
II.3.3.1.Jiang & Conrath
II.3.3.2.Leacock et Chodorow
III. Architecture de notre travail
III.1. Les étapes de représentation
III.1.1. Représentation en sacs de mots
III.1.2.Transformation des mots en synsets
III.1.2.1.Definition
III.1.2.2.Représentation conceptuelle
III.1.3.Enrichissement
III.1.4.Classfication
IV. Exemple de déroulement de notre programme
IV.1.Indexation
IV.2.Classification
V. Environnement et outils de développement
V.1.Language JAVA
V.2. Environnement de développement
V.3.WordNet
V.4.JWNL
V.I. Conclusion
Conclusion générale