Thibault ROY Université de Caen / Basse-Normandie Laboratoire GREYC / Équipe ISLanD

Thibault ROY

Université de Caen / Basse-NormandieLaboratoire GREYC / Équipe ISLanD

Analyses cartographiques personnalisées de collections de documents électroniques

Thibault ROY – Université de Caen – Laboratoire GREYC 2

Plan de la présentation

1. Cadre de travail et propositions1. Fondements et hypothèses

2. Moyens logiciels mis en œuvre

2. Analyses réalisées1. Gestion Électronique de Documents

2. Analyse d’expressions métaphoriques

3. Perspectives de recherche



Constat

De plus en plus : De documents électroniques textuels De moyens logiciels, de ressources et de puissance de

calcul utilisées

Pourtant : Grande difficulté d’accès au contenu de textes Peu (pas ?) de réelle prise en compte du point de vue de

l’utilisateur sur la tâche visée Peu (pas ?) d’interactions lui sont proposées Peu (pas ?) de réelle prise en considération de la

dimension temporelle

Cadre de travail et propositions


Travail de thèse

Prendre en compte la globalité d’ensembles documentaires Dans le cadre d’analyses automatiques de contenu Centrées sur l’utilisateur ou le groupe d’utilisateurs Interactives et légères Synchroniques et diachroniques

La globalité d’un ensemble documentaire… Le regroupement de documents par des utilisateurs au sein

de collections ou de corpus implique le partage de certaines propriétés

Nécessité d’une véritable analyse au niveau de la collection Et non d’une somme d’analyses indépendantes au niveau

du document



Piste choisie

Proposer des modèles d’analyse au niveau global Production de représentations graphiques globales du

corpus et de rapports d’analyse Représentations globales du corpus

supports d’interactions entre l’utilisateur et

l’ensemble documentaire analysé

Basées sur des représentations des domaines d’intérêt de l’utilisateur Représentation de ces domaines par des ressources

lexicales personnalisées



Visées applicatives

Accès au contenu de corpus et de collections de documents textuels Gestion Électronique de Documents

Accès amélioré au contenu de collections (e.g. consultations thématiques)

Analyses linguistiques de corpus Étude d’expressions métaphoriques

Analyse de l’influence de la dimension « corpus » dans la présence de certains phénomènes langagiers

Finalités dépendantes de la tâche visée !



Hypothèses et principes adoptés

Hypothèse 1 : L’interprétation d’un texte dépend de l’individu

Hypothèse 2 : Double détermination du sens local global global local

Principe d’architextualité (Rastier, 2001) : « Tout texte placé dans un corpus en reçoit des déterminations sémantiques, et modifie potentiellement le sens de chacun des textes qui le composent. »

Principe de contextualisation (Rastier, 1994) :Nécessité de faire intervenir les trois notions suivantes afin de donner du sens à un énoncé :

Co-texte / Contexte extralinguistique / Intertexte



Notions d’isotopies intra- et inter-textuelles

Sémantique Componentielle : Décrire des significations en contexte à l'aide de sèmes Exemple : « Le facteur m'a donné une lettre »

"facteur" /poste/, /courrier/, … "lettre" /alphabet/, /courrier/, …

Isotopie intra-textuelle (Rastier, 1987) : Récurrence d'un même sème dans un texte Exemple : Isotopie (intra-textuelle) : /courrier/

Isotopie inter-textuelle (Thlivitis, 1998) : Récurrence d'un même sème dans un corpus


Texte 1 :

« (…) Le facteur m'a donné une lettre (…) »

Texte 2 :

« (…) Ta lettre est arrivée hier soir (…) »

Isotopie inter-textuelle :

/courier/


Propositions

Quelles données ? Modélisation du contexte : ressources lexicales sémiques Modélisation de l’intertexte : ensembles de textes

Quelles analyses ? Analyser les collections / corpus et les documents à l’aide

des isotopies intra et inter-textuelles

Quels résultats ? Différentes vues cartographiques globales et temporelles

sur la collection, interactives, permettant de changer de niveau granularité, …



Quels résultats ?

Cartes de collections de documents Construites à partir des domaines de l’utilisateur Permettant d’observer des proximités entre :

• documents

• groupes de documents

Interactions Navigation sur les cartes Visualisation interactive d’informations sur les cartes Passage interactif d’un niveau de granularité à un autre

• collection complète groupe … document

• document groupe … collection complète



Quels résultats ?

Carte des documents en 2D

Carte des groupes de documents en 2D

Cartes des documents et des groupes en 3D

Carte animée en 2D mettant en évidence la dimension temporelle de la

collection

tps : t tps : t+1


Carte des documents en 2DCarte des groupes de documents en 2DCartes des documents et des groupes en 3DCarte animée en 2D mettant en évidence la dimension

temporelle de la collection

tps : t tps : t+1


Quelles données ? Modélisation du contexte

Représentation des domaines pertinents pour l’utilisateur 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 : c’est l’utilisateur (ou le groupe d’utilisateurs) qui construit les ressources Avec son propre vocabulaire Selon les domaines de son intérêt



Exemple de table dans le domaine de la santé

Modèle différentiel du sème (Beust, 98) Attribut : « Type de pathologie » Valeurs d’attribut opposées :

• Maladie, infection vs. Conséquence d’infection vs. Trouble psychologique vs. Trouble physique


Modèle Lucia


Quelles données ? Modélisation de l’intertexte

Corpus de textes (Pincemin, 1999) Articles journalistiques et scientifiques

Collections de pages Web Obtenues à l’aide de moteur de recherche

Flux documentaires Forums de discussion et courriers électroniques



Quelles analyses ?

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 l’intertexte : Détermination des isotopies inter-textuelles Rapports d’analyse 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 œuvre avec la plate-forme logicielle ProxiDocs…



Plate-forme ProxiDocs (1 / 2)



Plate-forme ProxiDocs (2 / 2)

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



Entrées de la plate-forme ProxiDocs

Ensembles de documents électroniques textuels (format texte, HTML)

Ressources lexicales (format XML) de 2 types : Simple : 1 ensemble de mots 1 domaine Avancé : 1 dispositif Lucia 1 domaine Aides logicielles à la constitution des ressources :

• MemLabor (Perlerin, 2002)• ThemeEditor (Beust, 2002)• LuciaBuilder (Perlerin, 2004)• Etc.



Différentes expérimentations

Besoin d’experts et de tâches précises Mise en place d’un méta-moteur de recherche

cartographique basé sur la plate-forme ProxiDocs Projet IsoMeta : étude en corpus d’expressions

métaphoriques Projet CISMeF : recherche d’informations dans des

documents médicaux Groupe de travail sur les forums de discussion

Expérimentations toutes en cours !!!

Analyses réalisées


Méta-moteur de recherche cartographique (1 / 4)

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



Pages Web décrivant des enseignements universitaires en économie et en sciences politiques

4 – Éducation

Pages Web contenant des discussions sur la problématique du transport routier en Europe

3 – Circulation

Pages Web traitant des enjeux économiques de la constitution2 – Économie

Pages Web proposant des versions électroniques de la constitution ainsi que des outils informatiques de consultations

1 – Informatique

Commentaires sur les pages Web contenus dans le groupe

Numéro du groupe – domaine majoritaire






Cartographie utile pour : Visualiser la répartition des domaines sur l’ensemble

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 l’expérience :

• Informatique, Économie, etc.

Utilisation du lien : local global, mais pas vraiment du lien global local…


Projet IsoMeta (1 / 6)

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.Météo

Santé

Guerre




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




Projet IsoMeta (3 / 6)Emplois non métaphoriques : « Pour se déplacer (..), des officiers de la guérilla utilisent les motos récupérées pendant les attaques. »

Emplois figés : « Selon le SNUI, qui rappelle que le conflit des impôts dure depuis sept mois, (…) »

Emplois figés : « En neuf mois, six firmes sur les trente-trois OPA ont été l'objet de véritables batailles boursières. »

Emplois variés : « (…) après avoir contaminé New York et Londres, la fièvre des OPA s'est mise (…) à ronger la Bourse. » 08/02/1988

Emplois variés : « Porteur du terrible virus de la défiance, il se propage à la vitesse de l'éclair et les tentatives désespérées de réanimation (…) sont inopérantes. »

Emplois variés : « Un petit vent frisquet a soufflé, ces derniers jours rue Vivienne, qui (…) s'est soudain éclipsé à la dernière minute pour laisser la place à une brise nettement plus chaude. »

Emploisnon métaphoriques

Emploismétaphoriques

figés

Emploismétaphoriques

variés



Analyses précédentes réalisées à l’aide 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 l’aide de son global (resp. groupe ou corpus)

Groupe Corpus

1. Violence – 10 1. Violence – 10

2. Pathologie – 9 2. Pathologie – 5

… …


……

2. Pathologie – 52. Violence – 0 (10-10)

1. Violence – 101. Pathologie – 4 (9-5)

CorpusGroupe

Pondération des isotopies à l’aide du global



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 l’étude des trois métaphores



Premier bilan

Intérêt de prendre en considération la globalité d’un ensemble documentaire pour : des tâches d’accès au contenu de collections une étude en corpus d’expressions

métaphoriques

Intérêt de prendre en considération les domaines pertinents du point de vue de l’utilisateur

Perspectives de recherche


Réflexions théoriques

Projection pertinente du global sur le local Mise en œuvre de différentes pondérations des

isotopies intra et inter-textuelles selon le contexte

Mise en œuvre d’une évaluation de la plate-forme ProxiDocs Protocole Échantillon représentatif d’utilisateurs



Évaluation

• 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 ?



Développement

Besoin de nouvelles possibilités d’interactions et de visualisation : Ajout, suppression, déplacement dynamique d’un

document ou d’un groupe de documents Aller plus loin dans la prise en considération de la

dimension temporelle des documents (déplacements de documents selon l’axe du temps)

Développer des supports d’interactions entre l’utilisateur et l’ensemble documentaire analysé



Merci de votre attention

Pour plus d’information :

http://www.info.unicaen.fr/~troy



Métaphores conceptuelles « Météo Boursière »

« Une véritable tempête de hausses, alimentée par une marée de capitaux, étrangers pour partie, en quête de placement. » Le Monde 03/08/87

« L'excédent de mars n'aura été qu'une embellie, et le sombre tableau brossé par le premier ministre, (…) » Le Monde 06/06/88

« Rafraîchie durant les quinze derniers jours, la température est très largement remontée cette semaine rue Vivienne, avant de redescendre un peu à la veille du week-end. » Le Monde 28/11/88


Métaphores conceptuelles «Guerre Économique»

« (…) après avoir opposé une assez vive résistance à la baisse avec des replis limités à 1,47% lundi, (…), elle s'est progressivement mise en devoir de regagner le terrain perdu » Le Monde 06/04/87

« Le dénouement dans la bataille autour de la première banque commerciale privée du pays a eu peu d'effet sur les cours. » Le Monde 27/02/89

« La firme du groupe de la Caisse des dépôts développements pourrait dans les jours prochains lancer une contre-offensive. » Le Monde 11/07/88


Métaphores conceptuelles « Santé Financière »

« Le syndrome du 15 août ? Comme tous les ans la Bourse de Paris n'a pas échappé à cet indéfinissable malaise (…) » Le Monde 17/08/87

« Une bonne partie du malaise ressenti sous la verrière était due à l'état de santé déplorable du marché obligataire, (…) » Le Monde 17/08/87

« La pente fut longue à remonter, et il fallut bien douze mois pour panser les plaies du sinistre et à commencer à croire à de nouveaux records d'altitude pour le CAC. » Le Monde 01/08/89


La GED

Domaine dynamique, ancré dans une certaine tradition logico grammaticale

Accent mis aujourd’hui sur les techniques de visualisation et les interactions

Les principales limites : Indexation et consultation des collections très souvent à

l’aide de termes termes-clés Visualisations complexes et traitements peu

« transparents » Et surtout, peu de prise en compte des utilisateurs et du

contexte global


Quelques outils de GED

Lecture rapide d’ensembles documentaires Recherche d’information sur le Web Veille documentaire


Cone Tree (Robertson et al., 1991)


3D XV (Jacquemin et Jardino, 2002)


Lexica (Société Le Sphinx)



Lecture rapide d’ensembles documentaires Recherche d’information sur le Web Veille documentaire


Google (http://www.google.com)


KartOO (Chung et al., 2001)


Le Nébuloscope (Veronis, http://aixtal.blogspot.com/)



GED en général Recherche d’information sur le Web Veille documentaire


Yahoo! News (http://fr.news.yahoo.com/)


NewsMap (http://marumushi.com/)


Big Picture (http://news.com.com/)


Méta-moteur de recherche : interface

Configuration de la collecte


Méta-moteur de recherche : fonctionnement

Parcours en parallèle des pages


Pour chaque document du corpus, déterminer le nombre de mots de chaque domaine qu’il contient.

Document 1 : « Le ministère des finances a désigné la liste des banques conseils du gouvernement pour le retour au secteur privé de la BIMP et de la banque du BTP. »

Première étape : Comptage des mots

………Document n

…

…

232Document 1

PolitiqueEconomieTravailMatrice absolue :


Deuxième étape : Projection

Travail Economie Politique

Doc 1 2 3 2

Doc 2 1 0 3

…

Doc n 0 2 4

-1.12.3Doc n

…

1.30.5Doc 2

-11.5Doc 1

OrdonnéeAbscisse

Coordonnées des documents dans

l’espace à 2-dimensions


Deuxième étape : Projection

ProxiDocs nous permet de comparer plusieurs méthodes : L’analyse en composantes principales (ACP) ; La méthode de Sammon ; L’analyse factorielle des correspondances (AFC) ; Et d’autres méthodes que nous avons conçues en se

basant sur des principes simples.


Troisième étape : Catégorisation

-1.12.3Doc n

…

1.30.5Doc 2

-11.5Doc 1

OrdonnéeAbscisse

Application de la Catégorisation Hiérarchique

AscendanteLe nombre de

groupes de documents à

construire choisi par l’utilisateur ou

déterminer automatiquement


Quatrième étape : Construction de la carte

-1.12.3Doc n

…

1.30.5Doc 2

-11.5Doc 1

OrdonnéeAbscisse Fichiers SVG contenant les cartes


1 dispositif 1 ensemble de tables liées entre elles


Modèle Lucia

Thibault ROY Université de Caen / Basse-Normandie Laboratoire GREYC / Équipe ISLanD

Documents

Transcript of Thibault ROY Université de Caen / Basse-Normandie Laboratoire GREYC / Équipe ISLanD