<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="biskri-delisle-2001-les">
    <titleInfo>
        <title>Les n-grams de caractères pour l’aide à l’extraction de connaissances dans des bases de données textuelles multilingues</title>
    </titleInfo>
    <name type="personal">
        <namePart type="given">Ismaïl</namePart>
        <namePart type="family">Biskri</namePart>
        <role>
            <roleTerm authority="marcrelator" type="text">author</roleTerm>
        </role>
    </name>
    <name type="personal">
        <namePart type="given">Sylvain</namePart>
        <namePart type="family">Delisle</namePart>
        <role>
            <roleTerm authority="marcrelator" type="text">author</roleTerm>
        </role>
    </name>
    <originInfo>
        <dateIssued>2001-07</dateIssued>
    </originInfo>
    <typeOfResource>text</typeOfResource>
    <language>
        <languageTerm type="text">French</languageTerm>
        <languageTerm type="code" authority="iso639-2b">fre</languageTerm>
    </language>
    <relatedItem type="host">
        <titleInfo>
            <title>Actes de la 8ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs</title>
        </titleInfo>
        <name type="personal">
            <namePart type="given">Denis</namePart>
            <namePart type="family">Maurel</namePart>
            <role>
                <roleTerm authority="marcrelator" type="text">editor</roleTerm>
            </role>
        </name>
        <originInfo>
            <publisher>ATALA</publisher>
            <place>
                <placeTerm type="text">Tours, France</placeTerm>
            </place>
        </originInfo>
        <genre authority="marcgt">conference publication</genre>
    </relatedItem>
    <abstract>Une véritable classification numérique multilingue est impossible si on considère seulement le mot comme unité d’information privilégiée. En traitant les mots comme jetons, la tokenisation s’avère relativement simple pour le français et l’anglais, mais très difficile pour des langues comme l’allemand ou l’arabe. D’autre part, la lemmatisation utilisée comme moyen de normalisation et de réduction du lexique constitue un écueil non moins négligeable. La notion de n-grams, qui depuis une décennie donne de bons résultats dans Pidentification de la langue ou dans l’analyse de l’oral, est, par les recherches récentes, devenue un axe privilégié dans l’acquisition et l’extraction des connaissances dans les textes. Dans cet article, nous présenterons un outil de classification numérique basé sur le concept de n-grams de caractères. Nous évaluons aussi les résultats de cet outil que nous comparons à des résultats obtenus au moyen d’une classification fondée sur des mots.</abstract>
    <identifier type="citekey">biskri-delisle-2001-les</identifier>
    <location>
        <url>https://aclanthology.org/2001.jeptalnrecital-long.7</url>
    </location>
    <part>
        <date>2001-07</date>
        <extent unit="page">
            <start>92</start>
            <end>101</end>
        </extent>
    </part>
</mods>
</modsCollection>

%0 Conference Proceedings
%T Les n-grams de caractères pour l’aide à l’extraction de connaissances dans des bases de données textuelles multilingues
%A Biskri, Ismaïl
%A Delisle, Sylvain
%Y Maurel, Denis
%S Actes de la 8ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs
%D 2001
%8 July
%I ATALA
%C Tours, France
%G French
%F biskri-delisle-2001-les
%X Une véritable classification numérique multilingue est impossible si on considère seulement le mot comme unité d’information privilégiée. En traitant les mots comme jetons, la tokenisation s’avère relativement simple pour le français et l’anglais, mais très difficile pour des langues comme l’allemand ou l’arabe. D’autre part, la lemmatisation utilisée comme moyen de normalisation et de réduction du lexique constitue un écueil non moins négligeable. La notion de n-grams, qui depuis une décennie donne de bons résultats dans Pidentification de la langue ou dans l’analyse de l’oral, est, par les recherches récentes, devenue un axe privilégié dans l’acquisition et l’extraction des connaissances dans les textes. Dans cet article, nous présenterons un outil de classification numérique basé sur le concept de n-grams de caractères. Nous évaluons aussi les résultats de cet outil que nous comparons à des résultats obtenus au moyen d’une classification fondée sur des mots.
%U https://aclanthology.org/2001.jeptalnrecital-long.7
%P 92-101

Markdown (Informal)

[Les n-grams de caractères pour l’aide à l’extraction de connaissances dans des bases de données textuelles multilingues](https://aclanthology.org/2001.jeptalnrecital-long.7) (Biskri & Delisle, JEP/TALN/RECITAL 2001)

• Les n-grams de caractères pour l’aide à l’extraction de connaissances dans des bases de données textuelles multilingues (Biskri & Delisle, JEP/TALN/RECITAL 2001)

ACL

• Ismaïl Biskri and Sylvain Delisle. 2001. Les n-grams de caractères pour l’aide à l’extraction de connaissances dans des bases de données textuelles multilingues. In Actes de la 8ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs, pages 92–101, Tours, France. ATALA.