Opérateurs de summarization de documents de requêtes OLAP sur les textes

Abstract

De nos jours, les technologies entrepôt de données et OLAP (On Line Analytical Processing) permettent d’analyser et d’interroger d’importantes masses de données circulant au niveau des entreprises afin d’améliorer le processus de décision. Par ailleurs, l’agrégation ou la summarization est l’une des plus importantes opérations d’analyse qu’offrent ces technologies. De par leurs caractéristiques, les entrepôts de données et les opérateurs OLAP sont capables de manipuler et d’agréger seulement les données numériques. L’objectif de ce travail est de permettre la summarization de données textuelles au sein d’un environnement OLAP en se basant sur des techniques de la Recherche d’Information. Pour ce faire, nous définissons d’abord un modèle de données multidimensionnel en constellation basé sur des mesures textuelles pour abriter les données textuelles. Ensuite, nous proposons deux opérateurs de summarization de données textuelles, Term_Up et Term_Down, basés sur une forme adaptée de la formule de pondération TF-IDF. Une mesure pour l’évaluation de la qualité de la summarization T_Mesure est également proposée. Finalement, des expérimentations réalisées sur un entrepôt d’articles de presse confirment l’intérêt de l’approche proposée.