Amélioration de la co-similarité pour la classification de documents

Clément Grimal (1) , Gilles Bisson (1)

1 AMA - Analyse de données, Modélisation et Apprentissage automatique [Grenoble]

La classification conjointe d'objets et de leur descripteurs - par exemple de documents avec les mots les composant - encore appelée co-classification, a été largement étudiée ces dernières années, car elle permet d'extraire des classes plus pertinents, qu'elle soit explicite ou latente. Dans de précédents travaux (Bisson & Hussain, 2008), nous avons proposé une méthode de calcul simultané des matrices de similarité entre objets et entre descripteurs, chacune étant construite à partir de l'autre. Nous proposons ici une généralisation de cette approche en introduisant une pseudo-norme et un algorithme de seuillage. Nos expérimentations mettent en évidence une amélioration significative de la classification, notamment par rapport à d'autres méthodes.

Mots clés: co-clustering; similarity measure; text mining

Domaines: Apprentissage [cs.LG]; Intelligence artificielle [cs.AI]

Clément Grimal, Gilles Bisson. Amélioration de la co-similarité pour la classification de documents. CAp 2011 - Conférence Francophone d'Apprentissage, May 2011, Chambéry, France. pp.199-215. ⟨hal-00743259⟩