Multi view clustering of scientific documents

Abstract

La croissance rapide des publications scientifiques a conduit `a la disponibilit´e de grandes quantit´es de documents num´eriques, rendant leur organisation et leur analyse une tˆache complexe. Les approches traditionnelles de clustering reposent g´en´eralement sur une seule repr´esentation des documents, ce qui ne permet pas de capturer pleinement la complexit´e des donn´ees scientifiques et conduit souvent `a des r´esultats sous-optimaux. Dans ce contexte, le Multi-View Clustering est apparu comme une approche prometteuse exploitant plusieurs repr´esentations compl´ementaires du mˆeme document afin d’am´eliorer la qualit´e du clustering. Dans ce travail, nous ´etudions et mettons en œuvre un cadre de clustering multi-vue pour les documents scientifiques. L’approche propos´ee repose sur des repr´esentations s´emantiques avanc´ees combin´ees `a des techniques de r´eduction de dimension, ainsi que sur l’exploitation des relations structurelles entre les documents. Des algorithmes de clustering appropri´es sont appliqu´es `a chaque type de donn´ees, et une strat´egie de fusion est adopt´ee pour int´egrer les informations compl´ementaires issues des diff´erentes vues. La qualit´e des clusters obtenus est ´evalu´ee `a l’aide de mesures quantitatives. Les r´esultats exp´erimentaux montrent que la combinaison de plusieurs vues am´eliore significativement la coh´esion et la s´eparation des clusters par rapport aux approches mono-vue.