Prétraitement linguistique — définition ?
Opérations pour rendre le texte exploitable par NLP.
Bruit linguistique — exemple ?
Caractères, ponctuations inutiles, balises HTML.
Variabilité linguistique — cause ?
Différences d’écriture pour un même terme.
Nettoyage — opération ?
Suppression d’éléments indésirables du texte.
Normalisation — but ?
Uniformiser l’écriture pour réduire la variabilité.
Stop words — rôle ?
Mots fréquents peu sémantiques, à supprimer souvent.
Stemming — objectif ?
Réduire un mot à sa racine sans garantie grammaticale.
Lemmatisation — différence ?
Ramène un mot à son lemme dictionnairique.
Tokenisation — fonction ?
Découper le texte en unités appelées tokens.
NER — signification ?
Reconnaissance et étiquetage d’entités nommées.
POS tagging — but ?
Associer chaque mot à sa catégorie grammaticale.
Vectorisation textuelle — méthodes ?
BoW, TF-IDF, word embeddings, embeddings contextuels.
Teste tes connaissances avec un QCM de 12 questions sur Introduction aux Techniques de Prétraitement NLP.
1. Quel est l’objectif principal du prétraitement du texte avant l’apprentissage automatique ?
2. Quelle situation illustre le mieux la variabilité linguistique ?
Révisez le cours complet dans la fiche de révision de Introduction aux Techniques de Prétraitement NLP.
Voir la fiche →Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards