Formation : Text Mining

Stage inter entreprise

Présentation

Le traitement automatique de langue et la fouille de texte (text-mining) pour extraire des informations de documents non structurés sont une source de données très importante pour les entreprises.

Objectifs

Développer et gérer des outils de traitement de langue utilisant les techniques de linguistique. Concevoir un système selon les besoins spécifiques d'un projet. Identifier et utiliser les outils linguistiques de la distribution « Natural Language Toolkit » (sous Python) et leurs interactions. Appliquer les méthodes de fouille de données à des données textuelles.

Stage

Programme

Introduction

Linguistique computationnelle

Introduction à la linguistique
La structure de NLTK, comment le texte est géré, exemples et exercices simples
Algorithmes fréquentiels de désambiguïsation de mots (n-grammes, etc.)
Comment fonctionne un lemmatiseur, exemples et exercices
Quand le lexique et la morphologie ne suffisent plus (syntaxe, sémantique)
Utilisation de grammaires hors contexte à traits pour l'analyse syntaxique
Utilisation de la logique de premier ordre pour l'extraction du sens à partir de l'arbre syntaxique
Exemples et exercices

Applications en fouille de texte

Classification supervisée de textes (naïve Bayes, TF-IDF)
Extraction d'information (chunking, détection d'entités nommées)

Synthèse et conclusion

Modalités pédagogiques

La formation comprend des travaux pratiques qui permettent d'appliquer les notions abordées.

Public cible et prérequis

Ingénieurs, chefs de projet devant traiter des données textuelles.

Des connaissances du langage Python, quelques notions de grammaires formelles, de logique de premier ordre et de théorie des probabilités (des rappels seront faits en cours) sont requises pour suivre cette formation avec profit.

Responsables

HARALAMBOUS

Yannis

Directeur d'études à IMT Atlantique. Ses domaines d’enseignement et de recherche portent sur le traitement automatique de la langue, la fouille de texte, les langages contrôlés/hybrides, le document électronique et l’internationalisation.