Text mining

Cet article est une ébauche à compléter. Une ébauche est une entrée ayant un contenu (très) maigre et qui a donc besoin d'un auteur.

Voir aussi:

• Text mining avec R

Notions de base

Term Document Matrix (TDM)

Une matrice TDM reflète le nombre de mots que l'on trouve dans divers documents d'un corpus

        doc1 doc2 doc3
Alpha   2    1    2
Beta    1    0    3
Creux   0    1    0

Document Term Matric (DTM)

contient la même information, mais la matrice est définie dans l'autre sens

      Alpha Beta Creux
doc1  2     1    ....
doc2  1
doc3  2

Liens en Anglais

(à bouger un jour ...)

General

(websites, blogs, etc.)

• Quantifying memory. Includes tutorials for course about web scraping through R:

Machine learning

• Webcast: How to Develop Language Annotations for Machine Learning Algorithms
• MATTER Annotation Development Process: Model, Annotate, Train, Test, Evaluate, and Revise your training corpus. ** James Pustejovsky, Amber Stubbs (2012). Natural Language Annotation for Machine Learning A Guide to Corpus-Building for Applications, O'Reilly, http://shop.oreilly.com/product/0636920020578.do

Topic modeling

• David Blaye's home page Includes an introduction to topic modelling.

Summarization of microblogs

• http://anthology.aclweb.org//E/E14/E14-4046.pdf
  • https://github.com/andreiolariu/online-summarizer (code)