EXPLORATION DE DONNÉES (ONTOLOGIE)

+ Pays-Region-Ville

Pays
Allemagne (2)
Region
Ville

(EXPLORATION DE DONNÉES)

FICHIER PDF

FICHIER WMV(VIDEO)

Date/Heure :		Sigle : Code :
Nom Long :	FOUILLE DE DONNÉES	Nom (Anglais) : data mining
		Résumé (Anglais) :
Résumé :	[ou Fouille de texte (2 articles sur wikipédia !)] a pour objet l'extraction d'un savoir ou d'une connaissance à partir de grandes quantités de données, par des méthodes automatiques ou semi-automatiques. utilise un ensemble d'algorithmes issus de disciplines scientifiques diverses telles que les statistiques, l'intelligence artificielle ou l'informatique, pour construire des modèles à partir des données, c'est-à-dire trouver des structures intéressantes ou des motifs selon des critères fixés au préalable, et d'en extraire un maximum de connaissances. voir aussi https://fr.wikipedia.org/wiki/Fouille_de_textes : deux étapes principales dans la fouille de textes : La première étape, l'analyse, consiste à reconnaître les mots, les phrases, leurs rôles grammaticaux, leurs relations et leur sens. Cette première étape est commune à tous les traitements. Une analyse sans interprétation n'a que peu d'intérêt et les deux sont dépendantes. C'est donc le rôle de la seconde étape d'interpréter cette analyse. La seconde étape, l'interprétation de l'analyse, permet de sélectionner un texte parmi d'autres. Des exemples d'applications sont la classification de courriers en spam, c'est-à-dire les courriers non sollicités, ou non spam : l'application de requêtes dans un moteur de recherche de documents ou le résumé de texte sélectionne les phrases représentatives d'un texte, voire les reformule. Le critère de sélection peut être d'au moins deux types : la nouveauté et la similarité. Celui de la nouveauté d'une connaissance consiste à découvrir des relations, notamment des implications qui n'étaient pas explicites car indirectes, ou découlant de deux éléments éloignés dans le texte. Celui de la similarité ou contradiction par rapport à un autre texte, ou encore la réponse à une question spécifique, consiste à découvrir des textes qui correspondent le plus à un ensemble de descripteurs dans la requête initiale. Les descripteurs sont par exemple les noms et verbes les plus fréquents d'un texte ... La fouille de textes se distingue du traitement automatique de la langue par son approche générale, massive, pratique et algorithmique de par sa filiation avec la fouille de données. Son approche est moins linguistique. De plus, la fouille de textes ne s'intéresse pas au langage oral comme le fait la reconnaissance vocale.
Site Internet d'origine:	Ouvrir
Pays Région Ville
Site Web Exterieur :	Ouvrir	Email : Ecrire
Vidéo :
modification :	2019-01-06 23:07:20 création : 2017-03-07 12:05:00

CHIFFRES ASSOCIE(S) :

Pas de données chiffrées pour cet élément

Objets associés à EXPLORATION DE DONNÉES :

abonné :

oeuvres

(Sans Date Passif)

ETL

EXTRACT-TRANSFORM-LOAD

oeuvres

(Avec Date Passif)

DBPEDIA-SPOTLIGHT

2007

(ALLEMAGNE)

collectifs

(Sans Date Actif)

SITE INTERNET

SITE WEB

web site

collectifs

(Avec Date Passif)

DBPEDIA

2007

(ALLEMAGNE)

actions

(Sans Date Actif)

FOUILLER (INFORMATIQUE)

articles

(Sans Date Actif)

ALGORITHME

algorithm

CONNAISSANCE

SAVOIR

knowledge

DONNÉE (INFORMATIQUE)

data

DONNÉE (INFORMATIQUE)

data

FOUILLE

INFORMATIQUE

computing

IA

INTELLIGENCE ARTIFICIELLE

SAVOIR

STATISTIQUE

STRUCTURE

articles

(Avec Date Passif)

EXPLORATION DE DONNÉES NOV 2018

sur ilyatoo

2018

adjectifs

(Sans Date Actif)

AUTOMATIQUE (ADJECTIF)