Application des méthodes à noyaux à la fouille de données textuelles

Kernel methods have recently been introduced to solve Natural Language Processing and Text Mining problems. Kernels define a generalised similarity measure between objects of arbitrary structure, with three interesting properties, namely the ability to incorporate prior knowledge about the problem, the implicit mapping of the data into a new feature space, which allows for very richer representation and where problem solving is easier, and finally the independence of learning algorithms from the dimension of this new feature space (—the Kernel trick“). These properties, coupled with robust learning algorithms (for classification, clustering, dimension reduction, filtering, ...) provide some remarkable results in Text Mining tasks, such as document categorization, concept clustering, word sense disambiguation, information extraction, relationship extraction and automatic multilingual lexicon extraction.Les méthodes à noyaux connaissent depuis peu une utilisation intensive dans le domaine du traitement automatique du langage et en particulier pour la résolution de tâches en fouille de données textuelles. Les Noyaux définissent une mesure de similarité généralisée entre objects de structure arbitraire, avec trois propriétés intéressantes : la faculté d‘incorporer de la conaissance a priori sur le domaine, la projection implicite des données dans un espace où la représentation est plus riche et la résolution du problème plus aisée, la (relative) indépendance des algorithmes d‘apprentissage par rapport à la dimension de ce nouvel espace. Ces propriétés, couplées avec des algorithmes d‘apprentissage robuste œ pour des tâches telles que le classement, la classfication, la réduction de dimension, le filtrage, ... œ sont à la base de résultats remarquables pour des tâches de Fouille de données textuelles, telles que la catégorisation et la classification de documents et de concepts, la désambiguisation sémantique et structurelle, l‘extraction d‘informations et de relations entre entités, l‘extraction automatique de lexiques multilingue