Quelques réflexions sur la fréquence et la distribution des mots-outils ou “tokens” dans les textes arabes en vue de leur caractérisation dans le cadre de l’extraction d’information
Annales islamologiques · 2010 · 44 (1) · 39-52
DOI: 10.3406/anisl.2010.1504 ↗Kurz gefasst
Fachartikel in der Zeitschrift Annales islamologiques, 2010. Verfasst von Claude Audebert.
Abstract (Originalsprache)
Nous proposons quelques hypothèses sur la valeur de l’information apportée par les tokens ou mots-outils indicateurs de structures syntaxiques, pour ce qui est de la «caractérisation» et de la classification des textes dans une optique de recherche d’information. Le présent article constitue un premier repérage d’un petit sous-ensemble de tokens que nous estimons, en première approximation, comme plus discriminants que d’autres. Les instruments de mesure dont dispose aujourd’hui l’équipe permettent de fournir une première indication sur les pistes de recherche. On peut partir d’une pré-définition des classes de tokens quant à leur distribution dans des textes caractérisés à l’avance. En fait, c’est le va et vient entre les deux points de vue qui paraît le plus approprié. Deux articles d’al-Ahram seront analysés afin d’examiner le comportement des tokens et de leur rôle dans l’argumentation. Ceux-ci, s’ils sont privilégiés, car repérables en surface, ne sont, de toute évidence, pas les seuls moyens linguistiques à contribuer à la caractérisation des textes. L’analyse fera ressortir également que le lexique – et l’extraction de la racine – que l’on pourrait estimer essentiel pour l’extraction d’information, apparaît moins pertinent pour la caractérisation des textes.
Zitieren
APA
Audebert, C. (2010). Quelques réflexions sur la fréquence et la distribution des mots-outils ou “tokens” dans les textes arabes en vue de leur caractérisation dans le cadre de l’extraction d’information. Annales islamologiques, 44(1), 39-52. https://doi.org/10.3406/anisl.2010.1504
Vancouver
Audebert C. Quelques réflexions sur la fréquence et la distribution des mots-outils ou “tokens” dans les textes arabes en vue de leur caractérisation dans le cadre de l’extraction d’information. Annales islamologiques. 2010;44(1):39-52. doi:10.3406/anisl.2010.1504
BibTeX
@article{Audebert2010,
author = {Audebert, Claude},
title = {Quelques réflexions sur la fréquence et la distribution des mots-outils ou “tokens” dans les textes arabes en vue de leur caractérisation dans le cadre de l’extraction d’information},
journal = {Annales islamologiques},
year = {2010},
volume = {44},
number = {1},
pages = {39--52},
doi = {10.3406/anisl.2010.1504}
}
EUVIMED