Indexation d’un corpus de littérature web : problématique, méthodologie et usage des mesures vectorielles appliquées au texte littéraire
Cet article présente une méthode d’indexation pour un corpus massif de données issues du web. Il présente un corpus constitué d’une archive du web composée de créations littéraires éditées sur le web, en grande partie issues de blogs et de sites. En l’absence d’un vocabulaire contrôlé permettant de...
Guardado en:
| Publicado en: | URI:https://journals.openedition.org/ctd, |
|---|---|
| Autor principal: | |
| Formato: | Article ou chapitre numérique |
| Lenguaje: | Français |
| Publicado: |
Communication, technologies et développement
2025
|
| Materias: | |
| Acceso en línea: | Accès Université d'Orléans et IFPM Accès Université d'Orléans et IFPM |
| Sumario: | Cet article présente une méthode d’indexation pour un corpus massif de données issues du web. Il présente un corpus constitué d’une archive du web composée de créations littéraires éditées sur le web, en grande partie issues de blogs et de sites. En l’absence d’un vocabulaire contrôlé permettant de décrire ces milliers de textes, nous avons développé une méthode ad-hoc reposant sur des outils de traitement automatique de la langue, à partir de modèles vectoriels. En utilisant des grammaires déjà constituées puis un traitement d’ensemble reposant sur une syntaxe simple, nous avons pu observer des régularités et qualifier des aspects des textes. Ces traits sont ensuite structurés dans une forme proche des FCA pour constituer un vocabulaire d’indexation pouvant alors être appliqué sur le corpus. |
|---|