Le carnet ECLAVIT (Extraction CLAssification et VIsualisation de données Textuelles) mettra à la disposition de la communauté scientifique une partie des résultats de la recherche effectuée dans le cadre d’un programme PEPS-Projet Exploratoire Premier Soutien (Université Paris-Est/CNRS).
L’analyse automatique de données textuelles intéresse de manière grandissante des disciplines telles que les SHS (Sciences Humaines et Sociales), les langues, la littérature. Cette analyse automatique est effectuée par des outils principalement issus de deux disciplines le TAL (Traitement Automatique des Langues) qui fonde ses analyses sur des connaissances et ressources linguistiques et la textométrie/lexicométrie qui s’appuie sur des techniques statistiques.
L’objectif de notre projet est de répondre aux besoins croissants et divers d’extraction d’information de nombreuses disciplines (le plus souvent non scientifiques) en mutualisant les outils et méthodes du TAL et de la textométrie de l’UPE et en développant leur interopérabilité. Nous y adjoignons également à titre exploratoire l’analyse multifractale. Nous attendons de cette mutualisation une amélioration de de la qualité et de la précision des extractions. Nous apporterons un soin particulier aux techniques de visualisation afin de procurer une meilleure lisibilité des extractions produites et un accès facilité aux textes à des utilisateurs non spécialiste de l’extraction de données. Des extractions automatiques d’information sont de plus demandées par différents acteurs qui ont en commun le texte comme source et objet d’étude. Ceci est particulièrement important en regard du volume grandissant des données à traiter.
Dans le cadre de ce projet, les améliorations apportées aux méthodes et outils seront notamment obtenues en les appliquant sur des corpus et données textuels en possession des partenaires du projet : corpus littéraires français, corpus bilingues français-anglais, bases données (bibliographiques, historiques, médicales). Ces améliorations nous permettront de produire de nouvelles versions de ces données enrichies et/ou annotées à l’issu du projet. De même, la confrontation (via les outils) des ressources linguistiques existantes aux différentes données, en mettant en lumière certains manques, donnera lieu à leur amélioration ou à la création de nouvelles ressources dédiées à des domaines spécifiques.