Vers des moteurs de recherche "intelligents" : un outil de détection automatique de thèmes : méthode basée sur l'identification automatique des chaînes de référence
Langue Français
Accéder à la thèse :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse soumise à l'embargo de l'auteur : embargo illimité (communication intranet).
 
Auteur : Longo, Laurence
Date de soutenance : 12-12-2013

Directeur(s) de thèse : Schnedecker, Catherine - Todiraşcu-Courtier, Amalia

Président : Tutin, Agnès
Rapporteur(s) : Maurel, Denis - Bestgen, Yves
Membre(s) du jury : Landragin, Frédéric

Établissement de soutenance : Strasbourg
Laboratoire : Linguistique, langues, parole (Strasbourg)
École doctorale : École doctorale des Humanités (Strasbourg ; 2009-....)
 
Discipline : Sciences du langage
Classification : Langues et linguistique, Informatique

Mots-clés libres : Détection automatique de thèmes, Chaînes de référence, Traitement automatique des langues, Sémantique lexicale, Coréférence, Genres textuels, Segmentation thématique, Marqueurs linguistiques, Cohésion, Linguistique de corpus
Mots-clés :
  • Traitement automatique du langage naturel
  • Anaphore (linguistique)
  • Référence (linguistique)
  • Moteurs de recherche sur Internet
  • Linguistique -- Informatique
Résumé : Cette thèse se situe dans le domaine du Traitement Automatique des Langues et vise à optimiser la classification des documents dans les moteurs de recherche. Les travaux se concentrent sur le développement d’un outil de détection automatique des thèmes des documents (ATDS-fr). Utilisant peu de connaissances, la méthode hybride adoptée allie des techniques statistiques de segmentation thématique à des méthodes linguistiques identifiant des marqueurs de cohésion. Parmi eux, les chaînes de référence – séquence d’expressions référentielles se rapportant à la même entité du discours (e.g. Paul…il…cet homme) – ont fait l’objet d’une attention particulière, car elles constituent un indice textuel important dans la détection des thèmes (i.e. ce sont des marqueurs d’introduction, de maintien et de changement thématique). Ainsi, à partir d’une étude des chaînes de référence menée dans un corpus issu de genres textuels variés (analyses politiques, rapports publics, lois européennes,éditoriaux, roman), nous avons développé un module d’identification automatique des chaînes de référence RefGen qui a été évalué suivant les métriques actuelles de la coréférence.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2013STRAC041
Type de ressource : Thèse