3526 articles – 5250 Notices  [english version]

inria-00107535, version 1

A comparative study of Topic Identification on Newspaper and E-mail

Brigitte Bigi () a, 1, Armelle Brun () a, 1, Jean-Paul Haton () a, 1, Kamel Smaïli b, 1, Imed Zitouni a, 1

Proceedings of the 8th International Symposium on String Processing and Information Retrieval - SPIRE'01 (2001) 238-241

  • a –  UNIVERSITE HENRI POINCARE
  • b –  UNIVERSITE NANCY 2
  • 1 :  PAROLE (INRIA Lorraine - LORIA)

  • INRIA – CNRS : UMR7503 – Université Henri Poincaré - Nancy I – Université Nancy II – Institut National Polytechnique de Lorraine (INPL) France

Références bibliographiques

  • Type de publication : Communications avec actes
  • Domaine : Informatique/Autre
  • Titre : A comparative study of Topic Identification on Newspaper and E-mail
  • Résumé : This paper presents several statistical methods for topic identification on two kinds of textual data: newspaper articles and e-mails. Five methods are tested on these two corpora: topic unigrams, cache model, TFIDF classifier, topic perplexity, and weighted model. Our work aims to study these methods by confronting them to very different data. This study is very fruitful for our research. Statistical topic identification methods depend not only on a corpus, but also on its type. One of the methods achieves a topic identification of 80 % on a general newspaper corpus but does not exceed 30 % on e-mail corpus. Another method gives the best result on e-mails, but has not the same behavior on a newspaper corpus. We also show in this paper that almost all our methods achieve good results in retrieving the first two manually annotated labels.
  • Langue du document : Anglais
  • Date de publication : 2001
  • Audience : internationale
  • Titre conférence : Proceedings of the 8th International Symposium on String Processing and Information Retrieval - SPIRE'01
  • Ville : Laguna de San Rafael, Chili
  • Date conférence : 2001
  • Editeur commercial : none
  • Pagination : 238-241
  • Mots-clés : topic identification – language model – e-mail || identification thématique – modèles de langages – e-mail
  • Commentaire : Colloque avec actes et comité de lecture. internationale.
  • Référence interne : A01-R-341 || bigi01b
 
  • inria-00107535, version 1
  • http://hal.inria.fr/inria-00107535
  • oai:hal.inria.fr:inria-00107535
  • Contributeur : Publications Loria <>
  • Soumis le : Jeudi 19 Octobre 2006, 09:00:22
  • Dernière modification le : Vendredi 20 Octobre 2006, 15:32:29