Extraction et chaînage supervisés de connaissances d'un corpus d'entretiens en histoire des sciences - Archive ouverte HAL Access content directly
Conference Papers Year : 2017

Extraction et chaînage supervisés de connaissances d'un corpus d'entretiens en histoire des sciences

Abstract

À partir d'un corpus d'entretiens en histoire des sciences, nous présentons une méthode supervisée générant un réseau de documents liés par leurs proximités de contenus. Il s'agit d'un graphe multiple flou, basé sur l'extraction de n-grams à taille variable. Un prototype en Python permet d'évaluer la méthode. Dans cet article, nous confrontons, de manière interdisciplinaire, le réseau d'informations construit par la méthode numérique à l'analyse qualitative du corpus historique. Nous essayons d'en dégager, d'une part, des améliorations de la méthode, et, d'autre part, des outils heuristiques pour l'historien.
Fichier principal
Vignette du fichier
Final.pdf (48.75 Ko) Télécharger le fichier
Origin : Publisher files allowed on an open archive

Dates and versions

hal-01500592 , version 1 (23-05-2017)

Licence

Attribution - NonCommercial - NoDerivatives - CC BY 4.0

Identifiers

  • HAL Id : hal-01500592 , version 1

Cite

Benjamin Hervy, Matthieu Quantin, Pierre Teissier. Extraction et chaînage supervisés de connaissances d'un corpus d'entretiens en histoire des sciences. Extraction et Gestion des Connaissances, EGC, LIG, Jan 2017, Grenoble, France. pp.427-428. ⟨hal-01500592⟩
291 View
52 Download

Share

Gmail Facebook Twitter LinkedIn More