Extraction, Exploitation and Evaluation of Document-based Knowledge - TEL - Thèses en ligne Accéder directement au contenu
Hdr Année : 2012

Extraction, Exploitation and Evaluation of Document-based Knowledge

Résumé

My research gravitates around digital documents: knowledge extraction, knowledge exploitation, and subsequent evaluation, both from a theoretical and an applied point of view. The genericity of the techniques employed is to the core of my works, with a particular attention given to issues of scalability. Notably, the algorithms presented are essentially applied to text, but they function for any type of sequential data. When it comes to text, the generality and robustness of the techniques allow for endogenous applications functioning for any language, any domain, and any type of document, or collection of documents. Subsequently, experiments cover languages written with different alphabets, and belonging to different linguistic families. The methods developed may be applied at the sentence, word, or character level. The document collections range from news feed collections to scientific articles, to vast collections of digitized books.
Les travaux présentés dans ce mémoire gravitent autour du document numérique : Extraction de connaissances, utilisation de connaissances et évaluation des connaissances extraites, d'un point de vue théorique aussi bien qu'expérimental. Le fil directeur de mes travaux de recherche est la généricité des méthodes produites, avec une attention particulière apportée à la question du passage à l'échelle. Ceci implique que les algorithmes, principalement appliqués au texte dans ce mémoire, fonctionnent en réalité pour tout type de donnée séquentielle. Sur le matériau textuel, la généricité et la robustesse algorithmique des méthodes permettent d'obtenir des approches endogènes, fonctionnant pour toute langue, pour tout genre et pour tout type de document (et de collection de documents). Le matériau expérimental couvre ainsi des langues utilisant différents alphabets, et des langues appartenant à différentes familles linguistiques. Les traitements peuvent d'ailleurs être appliqués de la même manière au grain phrase, mot, ou même caractère. Les collections traitées vont des dépêches d'agence de presse aux ouvrages numérisés, en passant par les articles scientifiques. Ce mémoire présente mes travaux en fonction des différentes étapes du pipeline de traitement des documents, de leur appréhension à l'évaluation applicative. Le document est ainsi organisé en trois parties décrivant des contributions en : extraction de connaissances (fouille de données séquentielle et veille multilingue) ; exploitation des connaissances acquises, par des applications en recherche d'information, classification et détection de synonymes via un algorithme efficace d'alignement de paraphrases ; méthodologie d'évaluation des systèmes d'information dans un contexte de données massives, notamment l'évaluation des performances des systèmes de recherche d'information sur des bibliothèques numérisées.
Fichier principal
Vignette du fichier
Doucet-HDR.pdf (1.7 Mo) Télécharger le fichier

Dates et versions

tel-01070505 , version 1 (01-10-2014)

Identifiants

  • HAL Id : tel-01070505 , version 1

Citer

Antoine Doucet. Extraction, Exploitation and Evaluation of Document-based Knowledge. Document and Text Processing. Université de Caen, 2012. ⟨tel-01070505⟩
170 Consultations
350 Téléchargements

Partager

Gmail Facebook X LinkedIn More