Objectifs

  • Appréhender la fouille de textes.
  • Positionner la fouille de textes par rapport à la démarche Data-Mining.

Contenu

Introduction au Text-Mining

  • Du data mining au textmining
  • Principales applications
  • La représentation «bag-ofwords» (BOW)
  • Au-delà de BOW

Deep Learning pour le Text-Mining

  • Prise en compte du contexte
  • Les algorithmes SKIP-GRAM et CBOW
  • Représentation des documents

Catégorisation des textes

  • Catégorisation de texte
  • Evaluation des performances
  • Réduction de la dimensionnalité
  • Techniques d’apprentissage supervisé

Applications

  • Fouille d’opinions et analyse des sentiments
  • Détection des communautés
  • Filtrage collaboratif et recommandations

Matrice Documents-Termes

  • Représentation «bag-ofwords»
  • Réduction de la dimensionnalité
  • Pondération
  • Mesurer la similarité entre les textes
  • N-grammes