![]() | Monter d'un niveau |
Ce graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Un nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Charton, E., Meurs, M.-J., Jean-Louis, L., & Gagnon, M. (mai 2014). Improving entity linking using surface form refinement [Communication écrite]. 9th International Conference on Language Resources and Evaluation (LREC 2014), Reykjavik, Iceland. Non disponible
Charton, É., Meurs, M.-J., Jean-Louis, L., & Gagnon, M. (juin 2014). Mutual Disambiguation for Entity Linking [Communication écrite]. 52nd Annual Meeting of the Association for Computational Linguistics, Baltimore, Maryland. Lien externe
Charton, É., Meurs, M.-J., Jean-Louis, L., & Gagnon, M. (2013). Using collaborative tagging for text classification: from text classification to opinion mining. Informatics, 1(1), 32-51. Disponible
Gagnon, M., Zouaq, A., Aranha, F., Ensan, F., & Jean-Louis, L. (2019). An analysis of the semantic annotation task on the linked data cloud. International Journal of Metadata, Semantics and Ontologies, 13(4), 317-329. Lien externe
Gagnon, M., Zouaq, A., & Jean-Louis, L. (mai 2013). Combining Linked-data Semantic Annotators for Extraction of Relevant Expressions [Communication écrite]. 22nd International World Wide Web Conference (WWW 2013), Rio de Janeiro, Brazil. Lien externe
Jean-Louis, L., Zouaq, A., Gagnon, M., & Ensan, F. (décembre 2014). An Assessment of Online Semantic Annotators for the Keyword Extraction Task [Communication écrite]. Pacific Rim International Conference on Artificial Intelligence (PRICAI 2014), Gold Coast, Australia. Lien externe
Lange Di Cesare, K., Zouaq, A., Gagnon, M., & Jean-Louis, L. (2018). A machine learning filter for the slot filling task. Information, 9(6). Disponible
Lange Di Cesare, K., Gagnon, M., Zouaq, A., & Jean-Louis, L. (avril 2016). A machine learning filter for relation extraction [Communication écrite]. 25th International World Wide Web Conference (WWW 2016), Montréal, Québec. Lien externe
Zouaq, A., Gagnon, M., & Jean-Louis, L. (2017). An assessment of open relation extraction systems for the semantic web. Information Systems, 71(Supplement), 228-239. Lien externe