Analyse des contenus & sémantisation
Get flash to fully experience Pearltrees
Outwit, un plugin Firefox pour collecter et structurer les
Outils Knowledge Worker - Outils Veille Outwit Hub est un plugin Firefox proposé par la société Outwit qui devrait ravir les super-crunchers . Il s'agit en effet d'un outil qui permet de récupérer des données sur une ou plusieurs pages web et de les structurer, par exemple sous forme de tableau.
Le web, ses sites et les moteurs de recherche ont une particularité : ils présentent des tonnes d’information, mais en général, faiblement structurées. La couche de présentation “web/HTML” détruit la structure originelle des informations, très souvent stockées dans des bases de données. Il en résulte des silos de données disparates difficiles à exploiter. Pourtant, des trésors d’informations sont disponibles qui pourraient être mieux exploitées : données financières, listes diverses, comparaisons de prix, listes d’objets à vendre, etc. Cela fait des années que les chercheurs et spécialistes des standards du web cherchent une réponse. Elle s’appelle le plus souvent “web sémantique”, voire “web services”.
Moissonner le web avec Outwit - Le blog d'Olivier Ezratty
La récupération d’images avec Outwit fonctionne avec de nombreux sites et en particulier avec les moteurs de recherche. Ce petit tutoriel explique comment s’y prendre pour récupérer des images sur Google Image. On lance par exemple au sein d’Outwit une recherche de “Couchers de soleils” dans Google Image en précisant que l’on souhaite des images de grande taille. Le résultat de Google s’affiche, comme ci-dessous.
Tutorial Outwit - récupération d’images
Tutorial Outwit - récupération de listes
Après avoir décrit l’objet du logiciel Outwit Hub , passons à un petit tutorial qui vous permettra de l’expérimenter pour une application pratique: la récupération de listes de sites web. Il vous faudra d’abord installer ou disposer de Firefox 3.x de Firefox. Ensuite, vous installerez la bêta d’Outwit Hub . Elle fonctionne sur Windows, MacOS comme sur Linux. Je vais utiliser ici un exemple de récupération de données structurées déjà exploité pour la préparation de mes supports de cours sur l’économie de l’innovation : la liste du Forbes 2000 qui regroupe les 2000 plus grandes entreprises mondiales. Elle est porteuse d’une très grande richesse d’informations.
Explorer des séquences audio et vidéo
Conçu pour le marketing et la publicité, le moteur Pluggd mérité d'être détourné à des fins journalistiques. Il fonctionne sur une technologie de reconnaissance de la parole, exploitée notamment par les outils numériques de traduction ainsi que par différents dispositifs de surveillance et d'espionnage. Rien d'illégal, ni même de répréhensible, dans l'usage qu'un journaliste peut faire de cette technologie.
an online tool for generating beautiful “word clouds” from user-provided texts, such as plain text files or del.icio.us tags. the clouds give greater prominence to words that appear more frequently in the source text. users can tweak their clouds with different fonts, layouts & color schemes. users can also print them out, or save them to the Wordle gallery to share with friends. unlike a normal tag cloud, Jonathan Feinberg 's uses the interior space of the words & letters... the result is simple but beautiful. [link: wordle.net |thnkx Martin !] see also: . presidential speech word cloud . semantic word cloud . newzingo . groop.us . data cloud . word news . the voice . power of words . tagged colors . word hearts
wordle elegant word clouds
Les trois matrices de désinformation réactivées à l'occasion de l'alerte sanitaire mondiale peuvent être comparées à des souches virales. Filons la métaphore jusqu'au bout: les mots soulignés par mes soins sont les équivalents sémantiques des signatures ADN dans les structures biologiques d'un virus. Les rumeurs et la désinformation sont d'ailleurs des phénomènes viraux, à étudier comme tels, avec différents outils et méthodes d'analyse textuelle (1). Les mots clés soulignés par moi dans les visualisations révèlent l'orientation idéologique des contenus. Voici une visualisation de la souche conspirationniste : J'ai effacé de ce nuage de mots le nom d'un universitaire français dont les propos sont exploités par les conspirationnistes car je ne sais pas (encore) si cet universitaire a été piégé ou s'il est un adepte de la théorie du complot.
Grippe: les souches de la désinformation virale - Journalistique
De quoi parle ce nouveau "continent" des blogs de loisirs créatifs qui semble littéralement exploser la blogosphère ces derniers temps ? Pour le savoir, j'ai mouliné avec l'aide de Thomas (développeur chez Wikio, avec qui c'est un grand plaisir de travailler !) les 100 premiers blogs de la catégorie Loisirs , et j'ai injecté tous les mots dans la superbe application Wordle , que vous connaissez certainement. Voilà le résultat : Je l'offre en hommage à nos fières tricoteuses !
Technologies du Langage: Web: De quoi parlent les blogs ?
L'incertitude demeurant au sujet de l'identification du "Comité Invisible" à Julien Coupat , j'ai décidé de me pencher sur leurs écrits respectifs, en me demandant quelle était la proximité sémantique des différents textes. Pour ce faire, je me suis servi de l'intéressante application Wordle [ 1 ] , qui permet de créer en ligne des nuages sémantiques à partir de contenus écrits. J'ai ainsi sélectionné les textes de "L'insurrection qui vient" et de la "Mise au point" pour le Comité Invisible, et le texte de l'interview écrite réalisée par Le Monde avec Julien Coupat alors en prison [ 2 ] , sachant que ces deux derniers textes sont de longueur comparable - contrairement à "L'insurrection qui vient", beaucoup plus long.
Les mots du Comité Invisible et de Julien Coupat - Miscellanée d
TreeCloud - Nuage arboré - Build your own tree clouds from any text!
This website helps you to generate tree clouds from a text, that is word clouds where the words are arranged on a tree which reflects their semantic proximity inside the text. The first tree cloud appeared on Jean Véronis's blog in December 2007, you can now create your own with this website , or with the TreeCloud software . Create your own tree cloud online! Ce site web vous permet de générer des nuages arborés à partir d'un texte, c'est à dire des nuages de mots disposés autour d'un arbre qui indique leur proximité dans le texte. Le premier nuage arboré est apparu sur le blog de Jean Véronis en décembre 2007, vous pouvez maintenant créer les vôtres avec ce site web , ou avec le logiciel TreeCloud . Créez vos propres nuages arborés en ligne !
Technologies du Langage: Outil: TreeCloud
Vous vous souvenez peut-être de mes nuages en forme d'arbre (je crois que le premier que j'ai publié était celui de la rumeur autour de Laurence Ferrari en décembre 2007, suivie de près par le buzz Laure Manaudou nue un peu plus tard). Philippe Gambette , étudiant au LIRMM, a développé un outil Open Source qui permet à tout un chacun de générer de tels nuages. C'est ici : Voici par exemple le nuage de l'ensemble des discours de campagne de Barack Obama. On peut faire différentes choses avec la coloration des mots. Ici elle reflète la position dans le temps. Le rouge correspond au début de la campagne ( children, Irak, war, world ), le bleu à la fin ( McCain, Wall Street, crisis, taxes ).Vous avez vu le concept apparaître sur le blog de Jean , et quelques exemples sur ce blog , mais ça fait quelque temps que je n'en ai pas parlé ici, des nuages arborés de mots. Après quelques semaines de test d'une interface web de construction de ces outils de visualisation, il est temps de dévoiler le nouveau site web de TreeCloud : treecloud.org ! Alors quelle utilité pour ces nuages de mots grimpés aux arbres ? Simple aperçus esthétiques du contenu d'un texte ? Eh bien pas seulement, comme nous l'avons montré avec Delphine, ma co-autrice dans notre article présenté en juin aux JADT 2010 à Rome . C'est maintenant dans la foire aux questions de TreeCloud, ces visualisations peuvent également servir à analyser des textes dans le cadre d'une démarche assistée par ordinateur :
Nuages arborés en ligne
Voir la structure thématique d'un document
Pour quelques dizaines d'euros, l'application Theme Reader dévoile l'anatomie d'un document rédigé en anglais. Il ne s'agit plus seulement des occurences comparées de certains termes, ni des proximités de significations qui déterminent les nuages de mots. Le "moteur de connaissance" développé par CiriLab's repère , lui aussi, les mots les plus fréquents mais, grâce à une architecture sophistiquée d'algorithmes, ce scanner textuel reconnaît les structures du langage humain qui caractérisent les propositions importantes. Ces structures relèvent à la fois de la rhétorique - une affirmation n'a pas la même organisation qu'un questionnement - et du regroupement de mots par hiérarchies de pertinence. Ayant analysé le document, Theme Reader en propose une visualisation cartographique.Signalée par Jean-Luc Raymond, formateur hors pair et veilleur avisé (1), une dépêche AFP reprise par Yahoo évoque le site américain des journalistes en colère. Ce site aurait pu ouvrir des pistes de réflexions à longue portée. Il ne fait que montrer le désarroi, parfois rageur en effet mais souvent naïf, de salariés soumis comme beaucoup d'autres salariés, aux exigences des actionnaires qui possèdent les entreprises. C'est banal.
Une dépêche de l'AFP projette la technophobie française sur un s
J'ai écrit,dans un commentaire à ma note précédente, que l'application ThemeReader ne fonctionnait qu'en anglais. Vice Président de CiriLab, Arnold Villeneuve a réagi en me donnant la solution du problème auquel je m'étais heurté pour cartographier un texte en français. Il suffit de renommer le fichier à scanner en lui donnant un intitulé constitué d'un seul mot, sans espace ni caractères spéciaux.
ThemeReader en français
Le Dico
"Extraire le lexique des formes qui apparaissent dans un fichier texte." by Jun 8
Home
Comme on le voit ici, les premiers outils disponibles pour le grand public concernent la sémantisation et l'analyse des contenus. by Jun 3
Page d'accueil d'Open Calais, le grand projet de sémantisation de l'agence de presse Reuters. by Jun 3
Open Calais - Semantic Proxy
Fonctions similaires à l'extension Gnosis, mais pour une seule URL : semble fonctionner avec le français. by Jun 3
ClearForest Gnosis :: Modules pour Firefox
Analyse du contenu des pages web à la volée, avec extraction et présentation classée des métadonnées : noms de personnes, de lieux, évènements, globalement tout ce qui permet de saisir instantanément la pertinence de contenus écrits. by Jun 3
Réservé à l'anglais, malheureusement by May 27
Media Cloud
Le projet a pour objectif l'analyse fine des contenus produits par les médias, et permet déjà de faire d'intéressantes constatations, même si l'usage en est pour le moment peu ergonomique. by Jun 3
Tout comme Open Calais, Media Cloud en est à ses balbutiements. by Jun 3