Traitement des données textuelles : recherche de documents et classification

Cette séance de cours porte sur le traitement des données textuelles, l'accent étant mis sur la recherche et la classification des documents. Les sujets comprennent les tâches typiques comme l'analyse des sentiments et la détection des sujets, l'utilisation des matrices TF-IDF, et les défis de la sparosité dans les données textuelles. L'instructeur présente le concept de sac de mots et discute de l'application des techniques de factorisation matricielle. La séance de cours se penche également sur l'utilisation de vecteurs de mots contextualisés, tels que BERT, pour des tâches de traitement de langage naturel plus avancées. Le pipeline NLP, de la tokenisation à la résolution de coréférence, est expliqué, ainsi que l'importance des vecteurs de mots contextualisés dans les modèles NLP modernes.