📖
Évaluation intrinsèque et extrinsèque du nettoyage de pages Web
Gaël Lejeune, Romain Brixtel, Charlotte Lecluze

Évaluation intrinsèque et extrinsèque du nettoyage de pages Web

Science & Mathematics Published 2015 Verification Pending

Overview & Synopsis

Le nettoyage de documents issus du web est une tâche importante pour le TAL en général et pour la constitution de corpus en particulier. Cette phase est peu traitée dans la littérature, pourtant elle n'est pas sans influence sur la qualité des informations extraites des corpus. Nous proposons deux types d'évaluation de cette tâche de détourage : (I) une évaluation intrinsèque fondée sur le contenu en mots, balises et caractères ; (II) une évaluation extrinsèque fondée sur la tâche, en examinant l'effet du détourage des documents sur le système placé en aval de la chaîne de traitement. Nous montrons que les résultats ne sont pas cohérents entre ces deux évaluations ainsi qu'entre les différentes langues. Ainsi, le choix d'un outil de détourage devrait être guidé par la tâche visée plutôt que par la simple évaluation intrinsèque.

Indexed from repository: HAL Open Science (hal.science)
Loading document from verified source...
Keyboard Shortcuts: ← / → for pages • + / - for zoom • 0 to fit width Powered by Mozilla PDF.js v3.11

Document Information

Document Title Évaluation intrinsèque et extrinsèque du nettoyage de pages Web
Author / Organization Gaël Lejeune, Romain Brixtel, Charlotte Lecluze
Subject & Discipline Multidisciplinary Academic Open Research
Categories Science & Mathematics
Publication Year 2015
License / Rights Open Access / Creative Commons
Resource Verification Listed PDF (Verification Pending)
Original Host Website HAL Open Science (hal.science)
File Format application/pdf (Portable Document Format)
Language EN
Catalog ID DOC-173770
Original Source Link Visit Source Page on hal.science »