Thierry, Le partitionnement des mots que l'on fait est d'apres leur co-occrrences dans les différents emails et il est indépendant du codage de temis. On part sur ce codage pour filtrer les mots avec KTC et nous faisons ensuite le clustering. Une fois ce partitionnement fait, les emails seront représentés dans l'espace des clusters de mots (avant l'étape de clustering) au lieu qu'ils soient représentés dans l'espace des termes occurents dans la base. Amicalement, Massih Dans le résultat de clustering de mot

Massih,

Il y a une autre chose que je ne comprend pas : les documents sont décrits dans un espace de concepts. Ma compréhension est que ces concepts sont ceux que l'on retrouve dans le fichier fourni pas Pascal. Certain d'entre eux sont exprimés sur plusieurs mots. Par exemple :

<ft f="1">/COMMON-NOUN/non-réception</ft> <ft f="1">/NP/appel téléphonique</ft>

Pourquoi les clusters trouvés sont décrits en termes de mots, et non de concepts/groupes de mots ?

--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