Emergent phenomena belong only to biology
In: Synthese: an international journal for epistemology, methodology and philosophy of science, Band 185, Heft 2, S. 257-272
ISSN: 1573-0964
4 Ergebnisse
Sortierung:
In: Synthese: an international journal for epistemology, methodology and philosophy of science, Band 185, Heft 2, S. 257-272
ISSN: 1573-0964
In: Bulletin de la Classe des Sciences de l'Académie Royale de Sciences, des Lettres et des Beaux-Arts de Belgique, Band 16, Heft 1, S. 7-19
In: Synthese: an international journal for epistemology, methodology and philosophy of science, Band 185, Heft 2, S. 165-169
ISSN: 1573-0964
International audience ; We present the comparison and combination of two different semi automatic classification methods: an original linguistic based analysis, named extended lexical patterns (motifs lexicaux étendus, MLE) and a machine learning approach (SVM). Classification is supervised because of the use of a thesaurus containing the definition of categories. First, both systems are used and evaluated separately on the same real dataset: law and parliament documents in French. Quite unexpectedly, MLE performs as well as a state-of-the-art method such as SVM. During the second step, the combined method gave a performance improvement which underlines the complementarities of both basis methods. ; Dans le contexte de l'indexation semi-automatique de textes, nous présentons la comparaison et la combinaison de deux méthodes de classification mettant en oeuvre des approches différentes : analyse par une méthode originale à forte composante linguistique que nous nommons motifs lexicaux étendus (MLE) d'une part et apprentissage artificiel SVM d'autre part. La classification est de type supervisée car elle exploite un ensemble de catégories définies par un thésaurus documentaire. Dans un premier temps, les deux systèmes sont appliqués et évalués séparément sur un même jeu de données réelles, des textes de type législatif et parlementaire en français. De manière quelque peu inattendue, la méthode MLE permet d'atteindre des performances tout à fait compétitives par rapport à la technique state-of-the-art que constitue SVM. Les méthodes sont ensuite combinées dans le but d'obtenir une performance finale supérieure aux performances individuelles. Le gain obtenu indique une complémentarité entre les deux méthodes.
BASE