Extraction des relations de causalité dans les textes économiques par la méthode de l’exploration contextuelle

Extraction of causal relations in economic texts by the contextual exploration method

• Auteur / Autrice : Dory Singh
• Direction : Jean-Pierre Desclès
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques, informatique et application aux sciences de l'homme
• Date : Soutenance le 21/10/2017
• Etablissement(s) : Paris 4
• Ecole(s) doctorale(s) : École doctorale Concepts et langages (Paris ; 2000-....)
• Partenaire(s) de recherche : Equipe de recherche : Langues, logiques, informatique, cognition (Paris)
• Jury : Président / Présidente : Mohamed Hassoun
• Jury : Examinateurs / Examinatrices : Ismaïl Biskri, Patrice Pognan, Iana Atanassova

Mots clés

Mots clés contrôlés

Causalité

Exploration de données

Analyse automatique (linguistique)

Analyse du discours -- Informatique

Mots clés libres

Causalité

Exploration contextuelle

Fouille de textes

Recherche d'information

Annotation sémantique

Anticipation

Économie

Causality

Contextual exploration

Text mining

Information retrieval

Semantic annotation

Anticipation

Economy

Résumé

La thèse décrit un processus d’extraction d’informations causales dans les textes économiques qui, contrairement à l’économétrie, se fonde essentiellement sur des ressources linguistiques. En effet, l’économétrie appréhende la notion causale selon des modèles mathématiques et statistiques qui aujourd’hui sont sujets à controverses. Aussi, notre démarche se propose de compléter ou appuyer les modèles économétriques. Il s’agit d’annoter automatiquement des segments textuels selon la méthode de l’exploration contextuelle (EC). L’EC est une stratégie linguistique et computationnelle qui vise à extraire des connaissances selon un point de vue. Par conséquent, cette contribution adopte le point de vue discursif de la causalité où les catégories sont structurées dans une carte sémantique permettant l’élaboration des règles abductives implémentées dans les systèmes EXCOM2 et SEMANTAS.

The thesis describes a process of extraction of causal information, which contrary to econometric, is essentially based on linguistic knowledge. Econometric exploits mathematic or statistic models, which are now, subject of controversy. So, our approach intends to complete or to support the econometric models. It deals with to annotate automatically textual segments according to Contextual Exploration (CE) method. The CE is a linguistic and computational strategy aimed at extracting knowledge according to points of view. Therefore, this contribution adopts the discursive point of view of causality where the categories are structured in a semantic map. These categories allow to elaborate abductive rules implemented in the systems EXCOM2 and SEMANTAS.