Annotation et classification automatique des articles d’actualité

Abstract

Quotidiennement, plusieurs agences de presse publient des milliers d’articles contenant plusieurs ´ev´enements de toutes sortes (politique, ´economique, culturel, etc.), la classification automatique de texte est plus qu’essentielle `a l’`ere d’internet et des Bigdata. Ce travail de recherche concerne l’annotation et la classification automatique des articles. Nous avons ´evalu´e et compar´e notre syst`eme avec d’autres syst`emes de classification automatique et constat´e que l’´etape de filtrage par la reconnaissance des entit´es nomm´ees augmente l’efficacit´e du clustering. Nous avons tout d’abord annot´e ces articles afin de pouvoir extraire les entit´es nomm´ees dans le but d’augmenter la pr´ecision du clustering et r´eduire le taux de donn´ees, ce qui permettra par cons´equent la r´eduction du temps de traitement. Apr`es nous avons appliqu´e un algorithme de clustering (Kmeans) sur un espace de donn´ees qui contient uniquement des E.Ns. Finalement, nous avons ´evalu´e notre travail en utilisant le coefficient de silhouette pour mesurer le score du clustering.