Thibault ROY Universit de Caen BasseNormandie Laboratoire GREYC quipe ISLanD

1
Thibault ROYUniversité de Caen /
Basse-NormandieLaboratoire GREYC / Équipe ISLanD

• Le corpus comme environnement danalyse et
  dinteractions pour lutilisateur
• Expérimentations en recherche dinformation et en
  linguistique informatique

Projet PUN "Approche énactive pour
l'interprétation de documents numériques"
2
Plan de la présentation
Analyses cartographiques personnalisées de
collections de documents électroniques

• Cadre de travail et propositions
• Fondements et hypothèses
• Moyens logiciels mis en uvre
• Expérimentations réalisées
• Recherche et veille documentaire
• Analyse dexpressions métaphoriques
• Perspectives de recherche

3
Constat
Cadre de travail et propositions

• De plus en plus
• De documents électroniques textuels
• De moyens logiciels, de ressources et de
  puissance de calcul utilisées
• Pourtant
• Grande difficulté daccès au contenu de textes
• Peu (pas ?) de réelle prise en compte du point de
  vue de lutilisateur sur la tâche visée
• Peu (pas ?) dinteractions lui sont proposées
• Peu (pas ?) de réelle prise en considération de
  la dimension temporelle

4
Piste choisie
Cadre de travail et propositions

• Proposer des modèles danalyse au niveau global
• Production de représentations graphiques globales
  du corpus et de rapports danalyse
• Représentations globales du corpus
• ? supports dinteractions entre lutilisateur et
  
• lensemble documentaire analysé
• Basées sur des représentations des domaines
  dintérêt de lutilisateur
• Représentation de ces domaines par des ressources
  lexicales personnalisées

5
Visées applicatives
Cadre de travail et propositions

• Accès au contenu de corpus et de collections de
  documents textuels
• Recherche et veille documentaire
• ? Accès amélioré au contenu de collections (e.g.
  consultations thématiques)
• Analyses linguistiques de corpus
• Étude dexpressions métaphoriques
• ? Analyse de linfluence de la dimension
   corpus  dans la présence de certains
  phénomènes langagiers
• Finalités dépendantes de la tâche visée !

6
Objets détude
Cadre de travail et propositions

• Corpus de textes (Pincemin, 1999)
• Articles journalistiques et scientifiques
• Collections de pages Web
• Obtenues à laide de moteur de recherche
• Flux documentaires
• Forums de discussion et courriers électroniques

7
Quels résultats ?
Cadre de travail et propositions
8
Quelles données ?
Cadre de travail et propositions

• Représentation des domaines pertinents pour
  lutilisateur dans le cadre de sa tâche
• Deux représentations
•  Bags of Words 
• Santé médecin, soigner, aspirine, hôpital, etc.
• Guerre combattre, bombe, capituler, soldat,
  etc.
• Modèle LUCIA (Perlerin, 2004)
• Catégorisation lexicale plus fine
• Description sémique différentielle (Beust, 1998)
• Dans tout les cas cest lutilisateur (ou le
  groupe dutilisateurs) qui construit les
  ressources
• Avec son propre vocabulaire
• Selon les domaines de son intérêt

9
Quelles analyses ?
Cadre de travail et propositions

• Travail au niveau du co-texte
• Comptage des mots de ressources lexicales
• Mise en évidence des isotopies intra-textuelles
• Représentation vectorielle de chaque texte
• Projection et catégorisation des vecteurs
• Travail au niveau de lintertexte
• Détermination des isotopies inter-textuelles
• Rapports danalyse des groupes et des textes
• Utilisation des isotopies inter-textuelles pour
  positionner le groupe ou le texte par rapport à
  son intertexte
• Prise en considération de la dimension temporelle
  en  localisant  les analyses sur une période
  donnée
• Analyses mises en uvre avec la plate-forme
  logicielle ProxiDocs

10
Plate-forme ProxiDocs
Cadre de travail et propositions

• Cartographie et catégorisation de corpus de
  textes
• Interactive et centrée utilisateur
• Traitements statistiques
• ACP, CHA, KMeans, etc.
• Java, SVG, Open-source, http//www.info.unicaen.fr
  /troy/proxidocs

11
Plan de la présentation
Analyses cartographiques personnalisées de
collections de documents électroniques

• Cadre de travail et propositions
• Fondements et hypothèses
• Moyens logiciels mis en uvre
• Expérimentations réalisées
• Recherche et veille documentaire
• Analyse dexpressions métaphoriques
• Perspectives de recherche

12
Différentes expérimentations
Expérimentations réalisées

• Besoin dexperts et de tâches précises
• Mise en place dun méta-moteur de recherche
  cartographique basé sur la plate-forme ProxiDocs
• Projet CISMeF recherche dinformation dans des
  documents médicaux
• Projet IsoMeta étude en corpus dexpressions
  métaphoriques
• Groupe de travail sur les forums de discussion
• Expérimentations toutes en cours !!!

13
Méta-moteur de recherche cartographique (1 / 4)
Expérimentations réalisées

• Objectifs
• Avoir un regard global sur le contenu des
   principales  pages Web traitant de la
  Constitution Européenne
• Contexte
• 12 domaines généraux choisis (approche  bags of
  words )
• justice, violence, éducation, sécurité routière,
  agriculture, économie, informatique, etc.
• Taille moyenne des domaines 40 lexies
• Expérience
• Requête  constitution européenne  sur Yahoo
• 100 pages provenant de sites francophones
• Cartographie avec ACP et catégorisation CHA en 8
  groupes

14
Méta-moteur de recherche cartographique (2 / 4)
Expérimentations réalisées
15
Expérimentations réalisées
Méta-moteur de recherche cartographique (3 / 4)
16
Expérimentations réalisées
Méta-moteur de recherche cartographique (4 / 4)

• Cartographie utile pour
• Visualiser la répartition des domaines sur
  lensemble documentaire
• Accéder plus facilement au contenu
• Première mise en évidence des isotopies
  inter-textuelles
• Ressources utilisées
• Informatique logiciel, web, etc. ? logiciel
  /informatique/, web /informatique/, etc.
• Principales isotopies intertextuelles obtenues
  dans lexpérience
• Informatique, Économie, etc.

17
Expérimentations réalisées
Projet CISMeF RI dans des doc. médicaux (1 / 6)

• Objet détude
• 70 ressources ( documents) extraites du
  catalogue CISMeF
• Indexées à laide de descripteurs du thésaurus
  MeSH (pondération majeure / mineure)
• Intérêt pour les  spécialités médicales 
• Objectif
• Obtenir une vue sur la répartition des
  spécialités médicales dans les ressources
• Mettre en évidence demplois très localisés de
  certaines spécialités dans quelques ressources
• Mettre en évidence des spécialités très partagées
  entre la plupart des ressources

18
Expérimentations réalisées
Projet CISMeF RI dans des doc. médicaux (2 / 6)

• Utilisation de loutil MeSH Categorization pour
  obtenir un score pour chaque spécialité médicale
• sur lensemble des ressources,
• puis sur chaque ressource
• Chaque ressource est représentée par un vecteur
  Vecteur_Res ( Score_Virology(Res),
  Score_Infectiology(Res), Score_Bactériol
  ogy(Res), etc.)

19
Expérimentations réalisées
Projet CISMeF RI dans des doc. médicaux (3 / 6)

• Projection de lensemble des vecteurs de
  l espace des spécialités  vers un espace en 2
  dimensions
• Regroupement automatique de ressources sur la
  carte en 12 groupes (clusters)

20
Expérimentations réalisées
Projet CISMeF RI dans des doc. médicaux (4 / 6)
Groupe 1
Groupe 2
21
Expérimentations réalisées
Projet CISMeF RI dans des doc. médicaux (5 / 6)

• Groupe 1 36 ressources
• Spécialités les plus présentes
• infectiology, bacteriology et preventive medecine
• Thématiques assez variées, liées aux spécialités
  principales, mais sans réelle lien entre les
  ressources
• Groupe 2 11 ressources
• Spécialités majoritaires
• virology, infectiology et preventive medecine
• Thématiques étroitement liées au domaine de la
  virologie (ressources traitant de virus, des
  vaccins, etc.)
• Autres groupes 
• Thématiques abordées étroitement liées aux
  spécialités majoritaires

22
Expérimentations réalisées
Projet CISMeF RI dans des doc. médicaux (6 / 6)

• Bilan
• Intérêt de la carte pour accéder aux contenu
  rapidement aux contenus des ressources
• Mise en évidence de spécialités  trame de fond 
  et de spécialités très localisées dans les
  ressources
• Perspectives
• Vers une  nouvelle  indexation ?
• Ajout de nouvelles pondérations ?

23
Projet IsoMeta (1 / 6)
Expérimentations réalisées

• Étude simultanée de trois métaphores
  conceptuelles dans un corpus de 600 articles
  boursiers du Monde entre 1987 et 1989
• La  météorologie boursière 
• La  santé financière 
• La  guerre économique 

Bourse, Économie, Finances, Politique, Etc.
24
Projet IsoMeta (2 / 6)
Expérimentations réalisées

• Cartographie de corpus à partir des trois
  domaines sources météo, santé, guerre
• Représentation des domaines par des dispositifs
  Lucia
• Construction des dispositifs par une étude
  lexicale du corpus (dispositif guerre 60
  lexies, dispositifs météo et santé 110 lexies)
• Filtrage des documents contenant au moins 2
  occurrences de lexies des domaines
• 303 documents restants

25
Projet IsoMeta (3 / 6)
Expérimentations réalisées
26
Projet IsoMeta (4 / 6)
Expérimentations réalisées
27
Projet IsoMeta (5 / 6)
Expérimentations réalisées

• Analyses précédentes réalisées à laide des
  différents rapports de groupes et de textes
• Intra et inter-isotopies mises en évidence dans
  les rapports de groupe
• Réflexions en cours sur le classement de ces
  isotopies
• Singulariser le local (texte ou groupe) à laide
  de son global (resp. groupe ou corpus)

28
Projet IsoMeta (6 / 6)
Expérimentations réalisées

• Bilan
• Intérêt de vues globales
• Mise en évidence de proximités entre articles
• Regroupement de textes en sous-ensembles
• Influence du temps
• Perspectives
• Aller plus finement vers une caractérisation des
  isotopies dans le cadre de létude des trois
  métaphores

29
Plan de la présentation
Analyses cartographiques personnalisées de
collections de documents électroniques

• Cadre de travail et propositions
• Fondements et hypothèses
• Moyens logiciels mis en uvre
• Analyses réalisées
• Gestion Électronique de Documents
• Analyse dexpressions métaphoriques
• Perspectives de recherche

30
Premier bilan
Perspectives de recherche

• Intérêt de prendre en considération la globalité
  dun ensemble documentaire pour
• des tâches daccès au contenu de collections
• une étude en corpus dexpressions métaphoriques
• Intérêt de prendre en considération les domaines
  pertinents du point de vue de lutilisateur

31
Réflexions théoriques
Perspectives de recherche

• Projection pertinente du global sur le local
• Mise en uvre de différentes pondérations des
  isotopies intra et inter-textuelles selon le
  contexte
• Mise en uvre dune évaluation de la plate-forme
  ProxiDocs
• Protocole
• Échantillon représentatif dutilisateurs

32
Évaluation
Perspectives de recherche

• Évaluation des ressources
• Le modèle structurel des ressources est-il clair
  ?
• L'aide à la construction des ressources est-elle
  suffisante ?
• Le temps nécessaire à la construction des
  ressources est-il raisonnable ?
• Les ressources sont-elles susceptibles d'évoluer
  facilement ?
• Les ressources personnelles sont-elles a priori
  facilement partageables ?
• Aucune compétence particulière est-elle
  nécessaire pour la construction des ressources ?
• Évaluation de la plate-forme
• Le but applicatif vous semble-t-il clair ?
• La prise en main est-elle facile ?
• Est-ce que l'outil donne un retour intéressant
  sur les ressources ?
• Les résultats du logiciel sont-ils facilement
  exploitables ?
• Est-ce que l'outil est agréable à utiliser ?
• Les traitements sont-ils adaptés à la tâche ?
• Est-ce que l'outils permet d'envisager d'autres
  applications ?
• L'outil permet-il plus facilement un travail à
  plusieurs sur la tâche ?
• Est-ce que l'outil peut changer la façon
  d'accomplir la tâche ?

33
Développement
Perspectives de recherche

• Besoin de nouvelles possibilités dinteractions
  et de visualisation
• Ajout, suppression, déplacement dynamique dun
  document ou dun groupe de documents
• Aller plus loin dans la prise en considération de
  la dimension temporelle des documents
  (déplacements de documents selon laxe du temps)
• Développer des supports dinteractions entre
  lutilisateur et lensemble documentaire analysé

34
Merci de votre attention
Analyses cartographiques personnalisées de
collections de documents électroniques

• Pour plus dinformation
• http//www.info.unicaen.fr/troy