Analyse Factorielle Neuronale pour Documents Textuels

Mathieu Delichère, Daniel Memmi


Abstract
En recherche documentaire, on représente souvent les documents textuels par des vecteurs lexicaux de grande dimension qui sont redondants et coûteux. Il est utile de réduire la dimension des ces représentations pour des raisons à la fois techniques et sémantiques. Cependant les techniques classiques d’analyse factorielle comme l’ACP ne permettent pas de traiter des vecteurs de très grande dimension. Nous avons alors utilisé une méthode adaptative neuronale (GHA) qui s’est révélée efficace pour calculer un nombre réduit de nouvelles dimensions représentatives des données. L’approche nous a permis de classer un corpus réel de pages Web avec de bons résultats.
Anthology ID:
2002.jeptalnrecital-long.1
Volume:
Actes de la 9ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs
Month:
June
Year:
2002
Address:
Nancy, France
Editor:
Jean-Marie Pierrel
Venue:
JEP/TALN/RECITAL
SIG:
Publisher:
ATALA
Note:
Pages:
33–42
Language:
French
URL:
https://aclanthology.org/2002.jeptalnrecital-long.1
DOI:
Bibkey:
Cite (ACL):
Mathieu Delichère and Daniel Memmi. 2002. Analyse Factorielle Neuronale pour Documents Textuels. In Actes de la 9ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs, pages 33–42, Nancy, France. ATALA.
Cite (Informal):
Analyse Factorielle Neuronale pour Documents Textuels (Delichère & Memmi, JEP/TALN/RECITAL 2002)
Copy Citation:
PDF:
https://aclanthology.org/2002.jeptalnrecital-long.1.pdf