Identification de la langue & étiquetage morpho-syntaxique de tweets.

Résumé : Ce rapport de stage représente 6 mois de travail au laboratoire ICAR, un laboratoire d’analyse de corpus complexe, situé à Lyon. L’objet d’étude de ce travail est une analyse linguistique d’un grand nombre de tweets français. Avant cette analyse, un clustering est fait sur les utilisateurs de notre corpus en prenant comme principe la mesure de la modularité (en se basant sur les liens mutuels entre les utilisateurs). Ces clusters sont maximisés avec l’algorithme de Louvain, afin de mettre dans un cluster les utilisateurs qui ont les liens les plus forts entre eux. Nous avons évalué quelques outils d’identification de la langue pour en choisir les meilleurs. Selon nos tests, les identificateurs automatiques Ldig et Langid sont plus performants pour identification de la langue des tweets de notre corpus. Nous avons identifié la langue les tweets de notre corpus à l’aide des identificateurs automatiques testés les plus performants, afin de choisir les tweets français pour notre travail d’analyse morpho-syntaxiques. Nous avons fait une analyse morpho-syntaxique des tweets français de notre corpus avec l’étiqueteur MElt. Nous avons fait des analyses statistiques sur les tweets de notre corpus. Ces analyses statistiques prouvent l’hétérogénéité de nos clusters. Nous pouvons voir qu’il y a des similarités linguistiques entre certains clusters. Nous avons ainsi des clusters qui ont des stratégies linguistiques tout à fait différentes.
Type de document :
Mémoires
Sciences de l'Homme et Société. 2015
Liste complète des métadonnées

Littérature citée [5 références]  Voir  Masquer  Télécharger

https://dumas.ccsd.cnrs.fr/dumas-01260379
Contributeur : Uga - Bulles <>
Soumis le : vendredi 22 janvier 2016 - 10:08:23
Dernière modification le : mercredi 23 août 2017 - 16:40:37
Document(s) archivé(s) le : samedi 23 avril 2016 - 10:21:43

Identifiants

  • HAL Id : dumas-01260379, version 1

Citation

Sevil Zeynaligargari. Identification de la langue & étiquetage morpho-syntaxique de tweets.. Sciences de l'Homme et Société. 2015. 〈dumas-01260379〉

Partager

Métriques

Consultations de la notice

148

Téléchargements de fichiers

131