Matching de contenu des résumés des textes.

Abstract

L’avènement de l’informatique et l’accroissement du nombre de documents électroniques stockéssur les divers supports électroniques et sur le Web ; Enparticulier les données textuelleont permis ledéveloppement d’outils d’analyse et de traitement automatique des textes, notamment la classificationautomatique. Classer des textes est devenu indispensable pour assister les utilisateurs de ces collections dedocuments. La classification permet d’explorer etde répertorier toutes ces immenses banques de donnéestextuelles. Notre travail est essentiellement la classification des documents basée sur une technique de similarité du contenu. En premier, nous avons utilisé les techniques standards du Text Mining ; En semi supervisé ne considérant que deux classes. Cette première étape est assujettis a un comportement structurelle .i.e. la technique du TEXT MINING est une technique syntaxique. Nous avons conçu une applicationqui utilise les techniques de similarité et s'appuie principalement sur deux types d'algorithmes, Cosinus et Manhattan pour calculer le score de similarité entre tous les résumés. Ensuite nous avons classé également ces résumés selon la valeur de leurs scores en deux classes : classe des résumés similaires et non similaires. Comme deuxième travail, Nous avons étudié le problème du « NOT » sur deux corpus qui ne sont différencié que par la négation. Évidement la technique du TEXT MINING ne détecte pas la négation qui est un problème de CONTENU. Nous proposons une approche pour résoudre le Problème de la négation et une implémentation.