Extraction de l'information implicite par analyse textuelle de sites Web en UNICODE
Résumé
In order to diversify the sources of information that can handle our platform Tetralogie dedicated to the business intelligence, we will adapt, as a first step, treatment of the Chinese language by using computer coding UNICODE. It is then possible to work on text segments identified in the various available dictionaries (general or specific domain) and we can feed the processor databases and semi-structured semantic marked fields: authors, words key agencies, newspapers, ... As a result, languages such as Japanese, Korean, Arabic will be addressed on the same principle, a multilingual exploitation can be seen via the English language or another pivot.
Afin de diversifier les sources dinformation que permet de traiter notre plate-forme Tétralogie dédiée à la veille stratégique, nous nous proposons de ladapter, dans un premier temps, au traitement de la langue chinoise en nous basant sur son codage informatique en UNICODE. Il est alors possible de travailler sur des segments de texte repérés dans les différents dictionnaires disponibles (généraux ou spécifiques dun domaine) et que nous pouvons alimenter par le traitement de bases dinformation semi structurées et balisées en champs sémantiques : auteurs, mots-clés, organismes, journaux,
Par la suite, des langues comme le japonais, le coréen, larabe seront abordées suivant le même principe, une exploitation multilingue pouvant même être envisagée via langlais ou un autre langage pivot.
Domaines
Théorie de l'information [cs.IT] Théorie de l'information et codage [math.IT] Traitement du texte et du document Recherche d'information [cs.IR] Sciences de l'information et de la communication Bibliothèque électronique [cs.DL] Informatique et langage [cs.CL] Web Linguistique Méthodes et statistiques
Origine : Fichiers produits par l'(les) auteur(s)
Loading...