Retour d’expérience du 14 mars sur « Comment explorer des grands volumes de texte »

 

Topic ModelsPour l’atelier retour d’expérience du 14 mars 2017, Antonin Guilloux et Sofiane Bouzid viendront nous parler de méthodes pour la fouille de texte. Lorsqu’on souhaite analyser un grand nombre de textes, l’approche statistique et/ou probabiliste apporte des éléments de réponse ou plutôt d’interrogation. Elle laisse entrevoir de nombreuses hypothèses et exige un retour aux textes et au contexte de production, afin de guider l’interprétation ou encore de relancer le processus d’analyse avec d’autres éléments de paramétrages.

Cette séance ouvrira les portes sur une méthode en particulier, communément appelée « Topic Models », ou modèle thématique, qui propose des manières de visualiser des univers lexicaux, dit « proches », que l’utilisateur va ensuite thématiser et rapprocher de ses connaissances du corpus par ailleurs.

  • Sofiane Bouzid (statisticien CNRS, dans le cadre du service PANELS, il accompagne de nombreux projets à l’ISH et propose un parcours quantitatif avec Julien Barnier et Karine Pietropaoli du CMW) introduira les principaux concepts derrière cette méthode et présentera un projet d’exploration des thématiques de la revue RNTI, grâce à des analyses synchroniques et diachroniques.
    • Les articles scientifiques publiés dans les actes des conférences EGC, qui se déroulent chaque année depuis 2001, constituent la richesse de ces évènements mettant en avant le fer de lance de la recherche francophone portant sur la gestion et l’extraction de connaissances. L’analyse à la fois des points communs et des spécificités des publications dans les différentes éditions de la conférence ainsi que des principales différences entre les éditions consécutives a nécessité la mobilisation de différents algorithmes et représentations graphiques..
  • Antonin Guilloux (maître de conférence, HDR à l’IMJ-PRG, à l’Université Paris 6) nous parlera du dispositif mis en place pour l’étude du corpus des « Oeuvres Complètes de Mussolini », réalisé en collaboration avec Stéphanie Lanfranchi (maître de conférence en études italiennes à l’ENS de Lyon) et Elise Varcin (doctorante en études italiennes).
    • La taille du corpus, constitué d’environ 6000 textes divers (articles, romans, allocutions…), répartis chronologiquement sur un demi-siècle, empêche le chercheur d’avoir une vue globale et rend difficile une étude historiographique. La taille peut en revanche devenir un avantage pour l’utilisation d’outil statistique. Après description des résultats, et des interprétations possibles, les limites de cette approche seront également abordées.

L’atelier aura lieu de 9h30 à 12h00 en R20, bâtiment Recherche de l’ENS de Lyon (site Descartes).

Quelques références et tutoriels :


Vous aimerez aussi...

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *