Choix et Représentation des Descripteurs en Text Mining

Nous proposons dans ce travail des nouvelles représentations des documents du Text Mining basées sur la mesure floue des dépendances entre les descripteurs et sur la représentation en signal dont le traitement et l’analyse spectrale se fait par Transformée en Ondelettes.

Nos approches donnent une solution au problème de la dépendance entre descripteurs, sans suppression d’informations.

Cela peut être fait en regroupant les descripteurs en des Clusters à un seul représentant tout aussi bien dans la procédure de représentation vectorielle que celle en signal.

Dans la première, un modèle dit FTFIDF, qui introduit une manière « floue » de mesurer la présence d’un descripteur est élaboré et efficacement testé.

Dans la seconde optique, le deuxième modèle proposé consiste à représenter chaque classe par un signal discret donnant différents degrés de dépendance.

Une fois les documents ainsi transformés, ils sont sujets à une analyse spectrale où l’Analyse Multi-Résolution de la Transformée en Ondelettes est mise à profit.

L’introduction de ces modèles de sélection et de représentation des descripteurs s’est révèlée pertinente.