Re: [Septia] Resultats de Clusteringd'Emails
Thierry, Victor, Oui c'est une très bonne idée, je relancerai mes experiences pour avoir le clustering des emails et les termes. J'essaierai d'avoir les emails textes décrivant les plus caractéristiques de chacun des groupes. Thierry, vous pourrez regarder les resultats des clustering de mots et d'emails si je vous envoie le tout ici demain? Ca c'est au cas où j'aurai le fichier d'index par Victor aujourd'hui. Amicalement, Massih
Bonjour à tous,
Nous venons de faire une première passe express de validation des résultats. La pertinence des clusters ne saute pas aux yeux quand on considère le regroupement des mots les décrivant. Pour certains d'entre eux, il y a des relations claires, mais pas toujours. D'autre part la présentation (accents, mots tronqués) n'aide pas.
Partant de ça, nous avons regardé pourquoi la description des clusters était donnée sous forme de mots et non de formes syntaxiques telles qu'extraites par Pascal (cf. fichier de sortie fournis par Pascal). En discutant avec Victor, nous avons vu que le passage dans KXEN considérait une forme syntaxique composée de plusieurs mots (eg. "boîte à=le lettre" ) comme plusieurs entités et non comme une seule. Il faudrait considérer cela comme une seule entité, ou mot. Un moyen simple pour cela serait de remplacer tous les séparateurs par un blanc souligné '_' (ie. "boîte_à_le_lettre") et de relancer la chaîne complète.
Cela est-il possible dans les temps impartis ?
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
Massih, Ok. On va essayer de dégager un peu de temps pour ça entre aujourd'hui et demain. Merci, --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 : jeudi 28 février 2008 12:56 À : septia@lipn.univ-paris13.fr Objet : Re: [Septia] Resultats de Clusteringd'Emails Thierry, Victor, Oui c'est une très bonne idée, je relancerai mes experiences pour avoir le clustering des emails et les termes. J'essaierai d'avoir les emails textes décrivant les plus caractéristiques de chacun des groupes. Thierry, vous pourrez regarder les resultats des clustering de mots et d'emails si je vous envoie le tout ici demain? Ca c'est au cas où j'aurai le fichier d'index par Victor aujourd'hui. Amicalement, Massih
Bonjour à tous,
Nous venons de faire une première passe express de validation des résultats. La pertinence des clusters ne saute pas aux yeux quand on considère le regroupement des mots les décrivant. Pour certains d'entre eux, il y a des relations claires, mais pas toujours. D'autre part la présentation (accents, mots tronqués) n'aide pas.
Partant de ça, nous avons regardé pourquoi la description des clusters était donnée sous forme de mots et non de formes syntaxiques telles qu'extraites par Pascal (cf. fichier de sortie fournis par Pascal). En discutant avec Victor, nous avons vu que le passage dans KXEN considérait une forme syntaxique composée de plusieurs mots (eg. "boîte à=le lettre" ) comme plusieurs entités et non comme une seule. Il faudrait considérer cela comme une seule entité, ou mot. Un moyen simple pour cela serait de remplacer tous les séparateurs par un blanc souligné '_' (ie. "boîte_à_le_lettre") et de relancer la chaîne complète.
Cela est-il possible dans les temps impartis ?
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
participants (2)
-
Massih AMINI -
Thierry Gandilhon