Passer au contenu

Le moteur multilingue de Lingway fort en thème

La version 3.2 indexe, catégorise et facilite la lecture des résultats en surlignant les lieux, les noms propres ou les sujets.

‘ Nous positionnons notre offre en mode FAH sur le marché de la veille économique ‘, indique Bernard Normier. Le PDG de léditeur de Lingway, moteur de recherche multilingue, exploité notamment dans le
monde des brevets et des normes (Inpi, Afnor…), veut en effet placer son outil sur d’autres marchés.Le moteur se compose de trois fonctions : indexation-extraction, recherche et aide à la lecture. Outre la catégorisation fondée sur un thésaurus, l’indexation peut extraire les entités nommées (noms propres, villes) à partir
de dictionnaires.L’outil recense aussi les thèmes, équivalents des mots-clés, à partir du croisement entre des règles sémantiques et statistiques. ‘ Les deux facteurs prépondérants pour extraire l’expression
” Autorité palestinienne ” en tant que métadonnée repose sur sa forme ?” nom plus nom, dans ce cas ?”, et sa fréquence dans un texte donné ‘,
précise Bernard Normier.Cette version enrichit le module de recherche d’un système de veille avec des alertes paramétrables par fréquence, profil, etc. L’interface s’est améliorée avec la possibilité de regrouper les documents à partir de
thèmes prédéfinis ou d’y accéder directement à partir des personnes, organisations, lieux et dates recensés.Toujours dans un but d’aide à la lecture, toutes ces informations sont surlignées en couleur : bleu pour les lieux, vert pour les personnes… à l’intérieur de chaque texte. Moins visible, cette version étend
aussi les possibilités d’analyse avec l’extension des entités nommées reconnues (formes juridiques des sociétés) ou l’ajout de milliers de mots dans les dictionnaires génériques.

Une recherche multilingue

‘ Contrairement à certains de nos concurrents, dont l’analyse multilingue s’arrête à la gestion dUnicode, notre moteur
est vraiment
” cross language “. Il ramène les documents dans les cinq langues disponibles. Par exemple, à partir ” d’armée française “, le moteur trouvera le concept
” armée “, puis son équivalent
” army “ et enfin ” troop “, pour identifier les articles du New York Times
pertinents ‘, précise Bernard Normier.

🔴 Pour ne manquer aucune actualité de 01net, suivez-nous sur Google Actualités et WhatsApp.


Patrick Brébion