Apprentissage automatique pour la détection de relations d'affaire

Les documents publiés par des entreprises, tels les communiqués de presse, contiennent une foule d’informations sur diverses activités des entreprises. C’est une source précieuse pour des analyses en intelligence d’affaire. Cependant, il est nécessaire de développer des outils pour permettre d’exploiter cette source automatiquement, étant donné son grand volume. Ce mémoire décrit un travail qui s’inscrit dans un volet d’intelligence d’affaire, à savoir la détection de relations d’affaire entre les entreprises décrites dans des communiqués de presse. Dans ce mémoire, nous proposons une approche basée sur la classification. Les méthodes de classifications existantes ne nous permettent pas d’obtenir une performance satisfaisante. Ceci est notamment dû à deux problèmes : la représentation du texte par tous les mots, qui n’aide pas nécessairement à spécifier une relation d’affaire, et le déséquilibre entre les classes. Pour traiter le premier problème, nous proposons une approche de représentation basée sur des mots pivots c’est-à-dire les noms d’entreprises concernées, afin de mieux cerner des mots susceptibles de les décrire. Pour le deuxième problème, nous proposons une classification à deux étapes. Cette méthode s’avère plus appropriée que les méthodes traditionnelles de ré-échantillonnage. Nous avons testé nos approches sur une collection de communiqués de presse dans le domaine automobile. Nos expérimentations montrent que les approches proposées peuvent améliorer la performance de classification. Notamment, la représentation du document basée sur les mots pivots nous permet de mieux centrer sur les mots utiles pour la détection de relations d’affaire. La classification en deux étapes apporte une solution efficace au problème de déséquilibre entre les classes. Ce travail montre que la détection automatique des relations d’affaire est une tâche faisable. Le résultat de cette détection pourrait être utilisé dans une analyse d’intelligence d’affaire.

Élaboration d'un corpus étalon pour l'évaluation d'extracteurs de termes

Ce travail porte sur la construction d’un corpus étalon pour l’évaluation automatisée des extracteurs de termes. Ces programmes informatiques, conçus pour extraire automatiquement les termes contenus dans un corpus, sont utilisés dans différentes applications, telles que la terminographie, la traduction, la recherche d’information, l’indexation, etc. Ainsi, leur évaluation doit être faite en fonction d’une application précise. Une façon d’évaluer les extracteurs consiste à annoter toutes les occurrences des termes dans un corpus, ce qui nécessite un protocole de repérage et de découpage des unités terminologiques. À notre connaissance, il n’existe pas de corpus annoté bien documenté pour l’évaluation des extracteurs. Ce travail vise à construire un tel corpus et à décrire les problèmes qui doivent être abordés pour y parvenir. Le corpus étalon que nous proposons est un corpus entièrement annoté, construit en fonction d’une application précise, à savoir la compilation d’un dictionnaire spécialisé de la mécanique automobile. Ce corpus rend compte de la variété des réalisations des termes en contexte. Les termes sont sélectionnés en fonction de critères précis liés à l’application, ainsi qu’à certaines propriétés formelles, linguistiques et conceptuelles des termes et des variantes terminologiques. Pour évaluer un extracteur au moyen de ce corpus, il suffit d’extraire toutes les unités terminologiques du corpus et de comparer, au moyen de métriques, cette liste à la sortie de l’extracteur. On peut aussi créer une liste de référence sur mesure en extrayant des sous-ensembles de termes en fonction de différents critères. Ce travail permet une évaluation automatique des extracteurs qui tient compte du rôle de l’application. Cette évaluation étant reproductible, elle peut servir non seulement à mesurer la qualité d’un extracteur, mais à comparer différents extracteurs et à améliorer les techniques d’extraction.

La destruction créative des paysages : les impacts spatiaux des restructurations économiques globales de l’industrie automobile à Windsor, Ontario

Dans un contexte de grandes transformations économiques imposées par la mondialisation, le développement d’innovations et la financiarisation de l’économie ont profondément atteint les villes mono industrielles de la période fordiste. L’industrie automobile, grandement influencée par les restructurations économiques globales, a elle aussi été profondément touchée. Ce faisant, les paysages urbains des villes dépendantes de cette industrie, comme Windsor en Ontario, ont été construits et détruits par le processus de destruction créative, dont nous soulignons la composante spatiale. La structure paysagère de Windsor s’est ainsi transformée : alors que des aires importantes dans différents quartiers attendent d’être réinvesties, donnant lieu aux paysages abandonnés, d’autres paysages sont créés. Cette recherche est basée sur l’étude de trois quartiers bordant la Rivière Détroit ayant subi d’importants changements dans leurs paysages. L’objectif principal de ce mémoire est donc de déterminer comment le processus de destruction créative s’opère à Windsor et quels en sont les impacts spatiaux. Afin de parvenir à cet objectif, des observations du paysage avec la création du répertoire photographique, accompagnées d’entrevues directes, ont été les méthodes privilégiées La recherche a permis de déterminer que le processus de destruction créative a lieu dans des contextes de déclin, mais également de croissance. Avec les restructurations économiques globales de l’industrie automobile, les paysages de Windsor se sont créés, déstructurés, et parfois restructurés, grâce aux interventions des acteurs locaux. Face à l’abandon progressif de certains espaces, ces acteurs ont dû réfléchir à de nouvelles stratégies en réponse aux transformations paysagères, comme le néolibéralisme urbain. Nous avons ainsi pu conclure que la destruction créative des paysages est donc en relation avec les processus économiques globaux et négociée par les acteurs locaux.