Mesurer la proximité entre corpus par de nouveaux méta-descripteurs

Abstract

Devant le nombre d'algorithmes de classification existants, trouver l'algorithme qui sera le plus adapte pour classer un corpus de documents est une tâche difficile. La meta-classification apparait aujourd'hui tres utile pour aider a determiner, en fonction des expe-riences passees, quel devrait etre l'algorithme le plus pertinent par rapport a notre corpus. L'idee sous jacente est que "si un algorithme s'est montre particulierement adapte pour un corpus , il devrait avoir le meme comportement sur un corpus assez similaire". Dans cet article, nous proposons de nouveaux meta-descripteurs reposant sur les notions de similarites pour ameliorer l'etape de meta-classification. Les experimentations menees sur differents jeux de donnees reelles montrent la pertinence de nos nouveaux descripteurs.