@ARTICLE{10.21494/ISTE.OP.2020.0463, TITLE={Détection de signaux faibles dans des masses de données faiblement structurées}, AUTHOR={Julien Maitre, Michel Menard, Guillaume Chiron, Alain Bouju, }, JOURNAL={Recherche d’information, document et web sémantique}, VOLUME={3}, NUMBER={Numéro 1}, YEAR={2020}, URL={http://www.openscience.fr/Detection-de-signaux-faibles-dans-des-masses-de-donnees-faiblement-structurees}, DOI={10.21494/ISTE.OP.2020.0463}, ISSN={2516-3280}, ABSTRACT={L’étude présentée s’inscrit dans le cadre du développement d’une plateforme d’analyse automatique de documents associée à un service sécurisé lanceurs d’alerte, de type GlobalLeaks. Cet article se focalise principalement sur la recherche de signaux faibles présents dans les documents. Il s’agit d’une problématique investiguée dans un grand nombre de champs disciplinaires et de cadres applicatifs. Nous supposons que chaque document est un mélange d’un petit nombre de thèmes ou catégories, et que la création de chaque mot est attribuable en termes de probabilités à l’un des thèmes du document. Les catégories des documents transmis ne sont pas connues a priori. Les mots-clés présents dans les documents représentatifs de ces catégories sont également inconnus. L’analyse des documents reçus doit simultanément permettre de découvrir les thèmes, classer les documents relativement à ces thèmes, détecter les mots-clés pertinents relatifs aux thèmes et enfin découvrir les mots-clés relevant d’un thème “signal faible” éventuel. Pour atteindre cet objectif, nous proposons une définition du signal faible qui conditionne l’approche conjointe modèle thématique / plongement lexical, et contraint le choix des méthodes LDA et Word2Vec. Nous proposons d’évaluer les partitions obtenues grâce à un indice de cohérence sur la collection de mots représentative de chaque thème obtenu. Les clusters obtenus sont ainsi plus cohérents au sens contextuel. La détection du cluster associé au signal faible est alors plus aisée et plus pertinente.}}