Ok, merci pour ces précisions. Les accents non-plus ne sont pas nécessaires dans l'étape de codage des mots vu qu'il ne devrait pas y avoir un terme accentué qui apparaiterait deux fois (une fois avec un accent et une fois sans) parmi les termes que votre outil garde à la fin? Massih
Le vecteur sémantique que nous fournissons est basé sur les lemmes des termes. Les mots sont donc déjà ramenés à une forme générique (singulier, infinitif...) et l'étape de garder les racines ensuite n'est sans doute pas nécessaire.
Pascal
-----Original Message----- From: septia-bounces@lipn.univ-paris13.fr [mailto:septia-bounces@lipn.univ-paris13.fr] On Behalf Of Victor Coustenoble Sent: Wednesday, February 27, 2008 12:22 PM To: Thierry Gandilhon; Massih AMINI Cc: septia@lipn.univ-paris13.fr Subject: Re: [Septia] Resultats de Clusteringd'Emails
Alors dans la transformation XML -> TXT je conserve bien les accents (voir le fichier temis.txt ci-joint)
Puis dans ma transformation avec KTC, je ne garde que la racine des mots et donc ça doit être à ce moment là que les accents sont perdus (voir le fichier temis_ktc_tc_2000.txt). Je vais demandé en interne si c'est normal et comment peut être éviter cela.
Victor
============================================ Victor Coustenoble Integration & Project Manager KXEN - the data mining automation company (tm) direct: +33 (0)1 41 44 94 76
-----Original Message----- From: Thierry Gandilhon [mailto:thierry.gandilhon@eptica.com] Sent: mercredi 27 février 2008 18:16 To: Victor Coustenoble; 'Massih AMINI' Cc: septia@lipn.univ-paris13.fr Subject: RE: [Septia] Resultats de Clusteringd'Emails
Victor,
As-tu une idée sur les accents perdus ?
Amicalement,
--Thierry
-----Message d'origine----- De : septia-bounces@lipn.univ-paris13.fr [mailto:septia-bounces@lipn.univ-paris13.fr] De la part de Massih AMINI Envoyé : mercredi 27 février 2008 17:46 À : septia@lipn.univ-paris13.fr Objet : Re: [Septia] Resultats de Clusteringd'Emails
Thierry,
Les termes sont lémmatisés (mis sous leur forme radicale - racine) en amont par les outils de temis. Je pense que c'est à ce moment là où les accents sont enlevés et que les mots sont mis sous leur forme réduite.
Amicalement,
Massih
Merci Massih,
On commence à analyser ça.
Question : on voit dans le fichier que les lettres accentuées ont été perdues. A quel moment de la chaîne l'ont-elles été ?
Amicalement,
--Thierry
-----Message d'origine----- De : septia-bounces@lipn.univ-paris13.fr [mailto:septia-bounces@lipn.univ-paris13.fr] De la part de Massih AMINI Envoyé : mercredi 27 février 2008 16:08 À : septia@lipn.univ-paris13.fr Objet : [Septia] Resultats de Clusteringd'Emails
Désolé je n'avais pas bien mis l'adresse du récepiant au départ.
Bonjour,
Ci-joint les resultats de clustering d'emails dans l'espace de concepts induit par l'algo CEM sur la chaine des pretraitements temis-kxen que Victor nous a envoyé Mardi. Les clusters de mots (40) sont tres significatifs à vu d'oeil d'un non-expert. Thierry pouvez-vous confirmer/infirmer, svp?
Dans le fichier (ClusteringInCptSpace+Temis-Kxen_Pretraitment) chaque ligne correspond à une partition d'emails et l'entier du début de ligne correspond au nombre d'emails trouvés dans la partition trouvée. Je lance nos modeles semi-supervisé sur cette base et mettrai dans le livrable 2.3 les emails les plus caractéristiques de chaque classe.
Victor, dans le fichier d'emails BaseEptica les numero de lignes des emails correspondent avec les indexKxen du fichier que tu nous a envoyé?
Amicalement,
Massih
-- Massih-Reza AMINI - Maître de Conférences LIP6 - Pôle IA, Thème APA 104, Avenue du Président Kennedy - 75016 Paris http://www-connex.lip6.fr/~amini/ tel : (33) 1 44 27 37 92 fax: (33) 1 44 27 70 00
_______________________________________________ Septia mailing list Septia@lipn.univ-paris13.fr https://intranet.lipn.univ-paris13.fr/mailman/listinfo/septia
_______________________________________________ Septia mailing list Septia@lipn.univ-paris13.fr https://intranet.lipn.univ-paris13.fr/mailman/listinfo/septia
-- Massih-Reza AMINI - Maître de Conférences LIP6 - Pôle IA, Thème APA 104, Avenue du Président Kennedy - 75016 Paris http://www-connex.lip6.fr/~amini/ tel : (33) 1 44 27 37 92 fax: (33) 1 44 27 70 00