Extraction d'information à partir des données textuelles par les méthodes de Text Mining, application à la langue arabe

Abstract

Dans ce mémoire, on présente l’extraction d’information dans les textes en langue arabe, on utilisant les formalismes HMM. On présente ainsi une méthodologie pour l’utilisation des informations morphologiques et syntaxiques dans la langue arabe pour l’extraction des syntagmes nominaux. L’information morphologique est utilisée pour déterminer les limites de l’unité nominale dans la phrase. L’information morphologique et syntaxique est fournie par l’utilisateur à l’aide d’un formalisme statistique de la langue sous le formalisme caché de Markov. Le mémoire expose la notion d’extraction d’information, puis les deux méthodologies de la langue, statistique et celui basé sur les règles, enfin la méthode de construction d’un système d’extraction et d’ingénierie d’information avec explication détaillé de tous les composantes.