Classification de textes grâce à la compression - Historique des versions

Pioche : /* Les réseaux de neurones profonds : */

2026-05-10T16:34:31Z

Les réseaux de neurones profonds :

← Version précédente		Version du 10 mai 2026 à 16:34
Ligne 9 :		Ligne 9 :
	Pour bien comprendre ce dont nous allons parler ici, il faut comprendre ce que sont les réseaux de neurones profonds ou le Deep learning en anglais.		Pour bien comprendre ce dont nous allons parler ici, il faut comprendre ce que sont les réseaux de neurones profonds ou le Deep learning en anglais.
	Cette méthode a redessiné les capacités de l’intelligence artificielle en exploitant des architectures profondes inspirées du cerveau humain. Ces modèles apprennent à extraire des représentations depuis des données complexes, et ils alimentent aujourd’hui de nombreux services automatisés.		Cette méthode a redessiné les capacités de l’intelligence artificielle en exploitant des architectures profondes inspirées du cerveau humain. Ces modèles apprennent à extraire des représentations depuis des données complexes, et ils alimentent aujourd’hui de nombreux services automatisés.
	La méthode de classification proposée par les chercheurs a pour but de concurrencer ces réseaux de neurones et étant donné qu'il existe beaucoup de ces modèles, c'est un des plus puissants qui a été choisi, il s'agit de [https://fr.wikipedia.org/wiki/BERT_(mod%C3%A8le_de_langage) BERT]. Il a été créé par Google et a révolutionné l'IA en 2018, le point fort de ce réseau de neurones est qu'il est capable de comprendre le sens des mots en fonction de leur contexte. BERT est un modèle pré entraîné par Google pendant des jours et des jours sur des millions de données, dans les tests qui suivent lorsque l'on parlera de ~~donner~~, il s'agira pour BERT d'une spécialisation sur les catégories de notre BDD (Base de données).		La méthode de classification proposée par les chercheurs a pour but de concurrencer ces réseaux de neurones et étant donné qu'il existe beaucoup de ces modèles, c'est un des plus puissants qui a été choisi, il s'agit de [https://fr.wikipedia.org/wiki/BERT_(mod%C3%A8le_de_langage) BERT]. Il a été créé par Google et a révolutionné l'IA en 2018, le point fort de ce réseau de neurones est qu'il est capable de comprendre le sens des mots en fonction de leur contexte. BERT est un modèle pré entraîné par Google pendant des jours et des jours sur des millions de données, dans les tests qui suivent lorsque l'on parlera de données, il s'agira pour BERT d'une spécialisation sur les catégories de notre BDD (Base de données).

	=Fonctionnement général :=		=Fonctionnement général :=

Pioche : /* Conclusion : */

2026-05-10T14:50:17Z

Conclusion :

← Version précédente		Version du 10 mai 2026 à 14:50
Ligne 189 :		Ligne 189 :
	Cependant, il faut être réaliste : si l’on est dans une grande entreprise qui traite des millions de données identiques chaque jour, les réseaux de neurones profonds (comme BERT) seront plus performants et plus rapides sur le long terme car ils connaissent leur sujet « par cœur ».</br>		Cependant, il faut être réaliste : si l’on est dans une grande entreprise qui traite des millions de données identiques chaque jour, les réseaux de neurones profonds (comme BERT) seront plus performants et plus rapides sur le long terme car ils connaissent leur sujet « par cœur ».</br>
	===Notre avis===		===Notre avis===
	Nous sommes un peu plus critiques que les chercheurs. Comme nous l’avons vu, les résultats n’atteignent pas toujours les 90 % de réussite. En réalité, ces scores impressionnants ne ~~tombent~~ que lorsque l’on choisit les « bonnes catégories » : celles qui ne se ressemblent pas du tout et qui n’ont presque aucun mot en commun (comme les composants d’un ordinateur et les outils de jardin). Dès que le vocabulaire devient trop varié ou « bruyant » (comme sur Yahoo Answers), la compression montre ses limites face à l’IA classique.		Nous sommes un peu plus critiques que les chercheurs. Comme nous l’avons vu, les résultats n’atteignent pas toujours les 90 % de réussite. En réalité, ces scores impressionnants ne s'obtiennent que lorsque l’on choisit les « bonnes catégories » : celles qui ne se ressemblent pas du tout et qui n’ont presque aucun mot en commun (comme les composants d’un ordinateur et les outils de jardin). Dès que le vocabulaire devient trop varié ou « bruyant » (comme sur Yahoo Answers), la compression montre ses limites face à l’IA classique.

	=Notre algorithme=		=Notre algorithme=

Pioche : /* Les grands avantages de cette compression : */

2026-05-10T14:48:58Z

Les grands avantages de cette compression :

← Version précédente		Version du 10 mai 2026 à 14:48
Ligne 177 :		Ligne 177 :

	=Les grands avantages de cette compression :=		=Les grands avantages de cette compression :=
	Le principal objectif de cette classification est d’offrir une alternative à la classification “classique”, celle qui utilise des réseaux de ~~neurone~~ ~~profond~~. La classification par compression possède 4 grands ~~avantage~~ :		Le principal objectif de cette classification est d’offrir une alternative à la classification “classique”, celle qui utilise des réseaux de neurones profonds. La classification par compression possède 4 grands avantages :
	</br><ul>		</br><ul>
	<li>Le premier est qu’elle permet de remplacer les puissants processeurs ~~graphique~~ qui sont ~~utilisé~~ par les méthodes classiques par de ~~simple~~ ~~algorithme~~ de compression, ce qui est beaucoup moins ~~couteux~~ en ressources.		<li>Le premier est qu’elle permet de remplacer les puissants processeurs graphiques qui sont utilisés par les méthodes classiques par de simples algorithmes de compression, ce qui est beaucoup moins coûteux en ressources.
	</li><li>De plus cette classification permet non pas de réduire les phases ~~d’entrainement~~ mais de ~~complétement~~ les supprimer. Ce qui ~~rends~~ ce système beaucoup plus rapide, surtout lorsque l’on doit changer des catégories.		</li><li>De plus cette classification permet non pas de réduire les phases d’entraînement mais de complètement les supprimer. Ce qui rend ce système beaucoup plus rapide, surtout lorsque l’on doit changer des catégories.
	</li><li>Puisque l’apprentissage n’est plus un impératif cette classification peut s’adapter sans ~~problèmes~~ a toutes les langues, même ~~celle~~ qui nous sont ~~inconnus~~ si bien entendu on possède un minimum de données dessus.		</li><li>Puisque l’apprentissage n’est plus un impératif cette classification peut s’adapter sans problème à toutes les langues, même celles qui nous sont inconnues si bien entendu on possède un minimum de données dessus.
	</li><li>Et donc le dernier avantage est son besoin très faible de données, en effet cette classification peut rester très efficace même si l’on ne possède qu’une dizaine de ~~texte~~ de seulement une ligne chacun !!		</li><li>Et donc le dernier avantage est son besoin très faible de données, en effet cette classification peut rester très efficace même si l’on ne possède qu’une dizaine de textes de seulement une ligne chacun !!
	</li>Au final le but est de prouver qu’avec un simple algorithme mathématique on peut égaler ~~voir~~ surpasser une complexité technologique telle que les réseaux de neurones profonds		</li>Au final le but est de prouver qu’avec un simple algorithme mathématique on peut égaler voire surpasser une complexité technologique telle que les réseaux de neurones profonds.

	=Conclusion :=		=Conclusion :=

Pioche : /* Les résultats des chercheurs : */

2026-05-10T14:47:03Z

Les résultats des chercheurs :

← Version précédente		Version du 10 mai 2026 à 14:47
Ligne 30 :		Ligne 30 :

	=Les résultats des chercheurs :=		=Les résultats des chercheurs :=
	Pour effectuer les ~~comparaison~~ c’est le modèle BERT qui à été choisi.</br>		Pour effectuer les comparaisons, c’est le modèle BERT qui a été choisi.</br>
	'''1<sup>er</sup> test:''' On ne donne aucune donnée a BERT il est donc laissé en l’état sans [[Les réseaux de neurones profonds :\|spécialisation]], ~~pour~~ cela on ~~leur~~ demande de classer des textes sur ~~des~~ nouvelles ~~langue,~~ ~~comme~~ on peut s’en douter la méthode par compression l’emporte haut la main.</br>		'''1<sup>er</sup> test :''' On ne donne aucune donnée à BERT, il est donc laissé en l’état sans [[Les réseaux de neurones profonds :\|spécialisation]]. Pour cela, on lui demande de classer des textes sur de nouvelles langues. Comme on peut s’en douter, la méthode par compression l’emporte haut la main.</br>
	'''2<sup>ième</sup> test:''' Le point surprenant et aussi appelé “le miracle du Few Shot” par les chercheurs est le cas ou on ne donne que très peu de ~~donnée,~~ ~~évidemment~~ BERT obtient des scores assez ~~faible~~ mais la méthode de compression gzip réussit a largement dépasser le 1 chance sur 2 !</br></br>		'''2<sup>ième</sup> test :''' Le point surprenant, aussi appelé “le miracle du Few Shot” par les chercheurs, est le cas où on ne donne que très peu de données. Évidemment, BERT obtient des scores assez faibles, mais la méthode de compression gzip réussit à largement dépasser le 1 chance sur 2 !</br></br>
	[[Fichier:ClassificationdeTexte2026 tabrestest3.png\|thumb\|right\|600px\|Comparaison sur des données standard]]		[[Fichier:ClassificationdeTexte2026 tabrestest3.png\|thumb\|right\|600px\|Comparaison sur des données standard]]
	'''3<sup>ième</sup> test:''' Si on effectue une comparaison sur des données standards avec des catégories très ~~éloigné~~ syntaxiquement, c’est ~~donc~~ le cas arrangeant pour la méthode de compression gzip qui parvient presque à égaler BERT. L’écart de réussite(ci-contre) est minuscule alors que la complexité technologique est radicalement différente.		'''3<sup>ième</sup> test :''' Si on effectue une comparaison sur des données standards avec des catégories très éloignées syntaxiquement, c’est le cas arrangeant pour la méthode de compression gzip qui parvient presque à égaler BERT. L’écart de réussite (ci-contre) est minuscule alors que la complexité technologique est radicalement différente.

	</br>		</br>
	'''4<sup>ième</sup> test:''' La méthode gzip a aussi ~~ces~~ limites, on a effectué ce test sur une BDD ~~appelé~~ Yahoo Answers, ~~cette~~ BDD est un peu particulière car elle regroupe différents ~~Argos~~ et contient même des fautes ~~d’orthographes,~~ de plus elle est constituée de plus d’1,5 ~~millions~~ de ~~mot~~ différents et c’est exactement le cas où BERT excelle, il à été ~~crée~~ pour ces conditions. Et il le montre car il obtient un score de 76% et Gzip 63%.		'''4<sup>ième</sup> test :''' La méthode gzip a aussi ses limites. On a effectué ce test sur une BDD appelée Yahoo Answers. Cette BDD est un peu particulière car elle regroupe différents argots et contient même des fautes d’orthographe. De plus, elle est constituée de plus d’1,5 million de mots différents et c’est exactement le cas où BERT excelle, il a été créé pour ces conditions. Et il le montre car il obtient un score de 76% et Gzip 63%.

	</br><i>Note: Yahoo Answers est une ~~Base~~ de données formée à partir d'~~ancienne~~ ~~discussion~~ de ~~forum~~ elle est donc ~~constitué~~ de nombreux ~~Argos~~ et surtout beaucoup de fautes.</i></br>		</br><i>Note : Yahoo Answers est une base de données formée à partir d'anciennes discussions de forums, elle est donc constituée de nombreux argots et surtout de beaucoup de fautes.</i></br>
	Pour ce qui est du temps d’exécution chacun à ~~ces~~ avantages, BERT ~~prends~~ beaucoup de temps pour ~~s’entrainer~~ et apprendre, et ensuite il nous suffit de le “spécialiser” dans les catégories que l’on veut lui faire classer, un ~~entrainement~~ de 5 ou 6h, alors que Gzip n’a pas besoin ~~d’entrainement~~. Pour la classification en elle-même ~~Bert~~ ressort le résultat quasi instantanément car il a tout appris par cœur il est comme un traducteur expérimenté alors que Gzip est comme un apprenti qui doit rechercher dans son dictionnaire, à chaque mot il ~~prends~~ donc un peu plus de temps. Son temps de classification varie en fonction du nombre de ~~catégorie~~ car je le rappelle, il faut compresser le fichier mystère avec tous les ~~fichier~~ de toutes les ~~catégorie~~ ~~donc~~ plus il y en a plus c’est long contrairement à ~~Bert~~ pour qui le nombre de ~~catégorie~~ n’influence pas du tout ~~sont~~ temps de classification.</br>		Pour ce qui est du temps d’exécution, chacun a ses avantages. BERT prend beaucoup de temps pour s’entraîner et apprendre, et ensuite il nous suffit de le “spécialiser” dans les catégories que l’on veut lui faire classer (un entraînement de 5 ou 6h), alors que Gzip n’a pas besoin d’entraînement. Pour la classification en elle-même, BERT ressort le résultat quasi instantanément car il a tout appris par cœur. Il est comme un traducteur expérimenté, alors que Gzip est comme un apprenti qui doit rechercher dans son dictionnaire : à chaque mot, il prend donc un peu plus de temps. Son temps de classification varie en fonction du nombre de catégories car, je le rappelle, il faut compresser le fichier mystère avec tous les fichiers de toutes les catégories. Donc plus il y en a, plus c’est long, contrairement à BERT pour qui le nombre de catégories n’influence pas du tout son temps de classification.</br>
	[[Fichier:ClassificationdeTexte2026 tempsexec.png\|thumb\|center\|600px\|Temps d'exécution]]		[[Fichier:ClassificationdeTexte2026 tempsexec.png\|thumb\|center\|600px\|Temps d'exécution]]
	</br>		</br>

Pioche : /* Fonctionnement général : */

2026-05-10T14:44:00Z

Fonctionnement général :

Pioche : /* Les réseaux de neurones profonds : */

2026-05-10T14:36:10Z

Les réseaux de neurones profonds :

← Version précédente		Version du 10 mai 2026 à 14:36
Ligne 7 :		Ligne 7 :

	=Les réseaux de neurones profonds :=		=Les réseaux de neurones profonds :=
	Pour bien comprendre ce dont nous allons parler ici il faut comprendre ce que sont les réseaux de neurones profonds ou le Deep learning en anglais.~~</br>~~		Pour bien comprendre ce dont nous allons parler ici, il faut comprendre ce que sont les réseaux de neurones profonds ou le Deep learning en anglais.
	Cette méthode a redessiné les capacités de l’intelligence artificielle en exploitant des architectures profondes inspirées du cerveau humain. Ces modèles apprennent à extraire des représentations depuis des données complexes, et ils alimentent aujourd’hui de nombreux services automatisés.~~</br>~~		Cette méthode a redessiné les capacités de l’intelligence artificielle en exploitant des architectures profondes inspirées du cerveau humain. Ces modèles apprennent à extraire des représentations depuis des données complexes, et ils alimentent aujourd’hui de nombreux services automatisés.
	La méthode de classification ~~proposé~~ par les chercheurs à pour but de concurrencer ces réseaux de neurones et étant donné qu'il existe beaucoup de ces modèles c'est un des plus puissants qui à été choisi, il s'agit de [https://fr.wikipedia.org/wiki/BERT_(mod%C3%A8le_de_langage) BERT]. Il à été ~~crée~~ par Google et à révolutionné l'IA en 2018, le point fort de ce réseau de ~~neurone~~ est qu'il est capable de comprendre le sens des mots en fonction de leur contexte. BERT est un modèle pré ~~entrainer~~ par Google pendant des jours et des jours sur des millions de données, dans les tests qui suivent lorsque l'on parlera de ~~données~~ il s'agira pour BERT d'une spécialisation sur les catégories de notre BDD(Base de données).		La méthode de classification proposée par les chercheurs a pour but de concurrencer ces réseaux de neurones et étant donné qu'il existe beaucoup de ces modèles, c'est un des plus puissants qui a été choisi, il s'agit de [https://fr.wikipedia.org/wiki/BERT_(mod%C3%A8le_de_langage) BERT]. Il a été créé par Google et a révolutionné l'IA en 2018, le point fort de ce réseau de neurones est qu'il est capable de comprendre le sens des mots en fonction de leur contexte. BERT est un modèle pré entraîné par Google pendant des jours et des jours sur des millions de données, dans les tests qui suivent lorsque l'on parlera de donner, il s'agira pour BERT d'une spécialisation sur les catégories de notre BDD (Base de données).

	=Fonctionnement général :=		=Fonctionnement général :=

Pioche : /* Notre test */

2026-05-10T13:35:43Z

Notre test

← Version précédente		Version du 10 mai 2026 à 13:35
Ligne 151 :		Ligne 151 :
	Un nombre flottant représentant le pourcentage de réussite, calculé en divisant le compteur de réussites par le nombre total de tests, le tout multiplié par 100."		Un nombre flottant représentant le pourcentage de réussite, calculé en divisant le compteur de réussites par le nombre total de tests, le tout multiplié par 100."

	=~~Notre~~ ~~test~~=		=Nos tests=
	Après avoir fait plusieurs tests avec notre algorithme, nous avons pu observer et analyser des résultats.		Après avoir fait plusieurs tests avec notre algorithme, nous avons pu observer et analyser des résultats.

Pioche : /* Conclusion : */

2026-05-10T13:33:44Z

Conclusion :

← Version précédente		Version du 10 mai 2026 à 13:33
Ligne 186 :		Ligne 186 :

	=Conclusion :=		=Conclusion :=
			Pour conclure, selon les chercheurs, la méthode de classification par compression reste une excellente solution, surtout si l’on veut privilégier le temps d’exécution (pas d’attente pour l’entraînement) ou lorsque l’on possède très peu de données. C’est une méthode idéale pour un utilisateur particulier ou un petit projet qui ne possède pas de grandes ressources, car je le rappelle : elle ne nécessite que 15 lignes de code Python et un simple ordinateur.</br>
	Ilan
			Cependant, il faut être réaliste : si l’on est dans une grande entreprise qui traite des millions de données identiques chaque jour, les réseaux de neurones profonds (comme BERT) seront plus performants et plus rapides sur le long terme car ils connaissent leur sujet « par cœur ».</br>
	...
			===Notre avis===
			Nous sommes un peu plus critiques que les chercheurs. Comme nous l’avons vu, les résultats n’atteignent pas toujours les 90 % de réussite. En réalité, ces scores impressionnants ne tombent que lorsque l’on choisit les « bonnes catégories » : celles qui ne se ressemblent pas du tout et qui n’ont presque aucun mot en commun (comme les composants d’un ordinateur et les outils de jardin). Dès que le vocabulaire devient trop varié ou « bruyant » (comme sur Yahoo Answers), la compression montre ses limites face à l’IA classique.

	=Notre algorithme=		=Notre algorithme=
	Voici notre algorithme que nous avons utilisé lors de ce projet : <br \>		Voici notre algorithme que nous avons utilisé lors de ce projet : <br \>

Pioche : /* Comparaison avec les tests des chercheurs : */

2026-05-10T13:30:14Z

Comparaison avec les tests des chercheurs :

← Version précédente		Version du 10 mai 2026 à 13:30
Ligne 176 :		Ligne 176 :
	Notre algorithme a donc un bon potentiel avec un taux de réussite très correct, mais il est facilement influençable avec des résultats très variables selon son utilisation.		Notre algorithme a donc un bon potentiel avec un taux de réussite très correct, mais il est facilement influençable avec des résultats très variables selon son utilisation.

			=Les grands avantages de cette compression :=
	=Comparaison avec les tests des chercheurs :=
	Le principal objectif de cette classification est d’offrir une alternative à la classification “classique”, celle qui utilise des réseaux de neurone profond. La classification par compression possède 4 grands avantage :		Le principal objectif de cette classification est d’offrir une alternative à la classification “classique”, celle qui utilise des réseaux de neurone profond. La classification par compression possède 4 grands avantage :
	</br><ul>		</br><ul>

Pioche : /* Comparaison avec les test des chercheurs : */

2026-05-10T13:28:22Z

Comparaison avec les test des chercheurs :

← Version précédente		Version du 10 mai 2026 à 13:28
Ligne 176 :		Ligne 176 :
	Notre algorithme a donc un bon potentiel avec un taux de réussite très correct, mais il est facilement influençable avec des résultats très variables selon son utilisation.		Notre algorithme a donc un bon potentiel avec un taux de réussite très correct, mais il est facilement influençable avec des résultats très variables selon son utilisation.

	=Comparaison avec les ~~test~~ des chercheurs :=		=Comparaison avec les tests des chercheurs :=
			Le principal objectif de cette classification est d’offrir une alternative à la classification “classique”, celle qui utilise des réseaux de neurone profond. La classification par compression possède 4 grands avantage :
	Ilan
			</br><ul>
	...
			<li>Le premier est qu’elle permet de remplacer les puissants processeurs graphique qui sont utilisé par les méthodes classiques par de simple algorithme de compression, ce qui est beaucoup moins couteux en ressources.
			</li><li>De plus cette classification permet non pas de réduire les phases d’entrainement mais de complétement les supprimer. Ce qui rends ce système beaucoup plus rapide, surtout lorsque l’on doit changer des catégories.
			</li><li>Puisque l’apprentissage n’est plus un impératif cette classification peut s’adapter sans problèmes a toutes les langues, même celle qui nous sont inconnus si bien entendu on possède un minimum de données dessus.
			</li><li>Et donc le dernier avantage est son besoin très faible de données, en effet cette classification peut rester très efficace même si l’on ne possède qu’une dizaine de texte de seulement une ligne chacun !!
			</li>Au final le but est de prouver qu’avec un simple algorithme mathématique on peut égaler voir surpasser une complexité technologique telle que les réseaux de neurones profonds

	=Conclusion :=		=Conclusion :=
	Ilan		Ilan

← Version précédente		Version du 10 mai 2026 à 14:44
Ligne 14 :		Ligne 14 :
	[[Fichier:ClassificationdeTexte2026 CodeChercheur.png\|thumb\|right\|600px\| Le code des chercheurs]]		[[Fichier:ClassificationdeTexte2026 CodeChercheur.png\|thumb\|right\|600px\| Le code des chercheurs]]
	</br>		</br>
	Voici le code proposé par les chercheurs qui ont découvert cette méthode, 11 lignes en ~~python~~.		Voici le code proposé par les chercheurs qui ont découvert cette méthode, 11 lignes en Python.
	</br></br></br>		</br></br></br>
	~~Cette~~ algorithme fusionne 2 grands ~~classique~~ du numérique : La compression et l’algorithme des k plus proches voisins.</br></br></br></br></br></br></br>		Cet algorithme fusionne 2 grands classiques du numérique : la compression et l’algorithme des k plus proches voisins.</br></br></br></br></br></br></br>
	Voici un exemple de classification d’un texte grâce à cette méthode…</br>		Voici un exemple de classification d’un texte grâce à cette méthode…</br>
	Imaginons que l’on possède 20 fichiers et que l’on ~~connait~~ la catégorie de chaque fichier, ~~j’en~~ ai 10 qui ~~parle~~ d’astronomie et 10 qui ~~parle~~ ~~des~~ voitures, on ~~vas~~ appeler cela notre '''BDD'''. Et on a découvert après coup un 21<sup>ième</sup> fichier s’est perdu on ne sait pas à quelle catégorie il appartient. On ~~vas~~ donc l’appeler fichier mystère.</br>		Imaginons que l’on possède 20 fichiers et que l’on connaît la catégorie de chaque fichier. J’en ai 10 qui parlent d’astronomie et 10 qui parlent de voitures, on va appeler cela notre '''BDD'''. Et on a découvert après coup qu'un 21<sup>ième</sup> fichier s’est perdu, on ne sait pas à quelle catégorie il appartient. On va donc l’appeler fichier mystère.</br>
	Maintenant que l’on a ~~tous~~ ce qu’il nous faut on peut commencer, ~~pour~~ que ce soit plus compréhensible on ~~vas~~ découper ~~cette~~ algorithme en 5 étapes.</br>		Maintenant que l’on a tout ce qu’il nous faut, on peut commencer. Pour que ce soit plus compréhensible, on va découper cet algorithme en 5 étapes.</br>
	<ul><li>'''~~Etape~~ 1''': Tous les textes de notre base de données n’ont pas la même ~~tailles~~ on ~~vas~~ donc les compresser et récupérer leur taille. Pour commencer on compresse astro_1.txt (le premier fichier de notre BDD) et on récupère sa taille que l’on appelle C(x). On récupère également la taille de notre fichier mystère ~~compressée~~ que l’on appelle C(y).</li>		<ul><li>'''Étape 1''' : Tous les textes de notre base de données n’ont pas la même taille, on va donc les compresser et récupérer leur taille. Pour commencer, on compresse astro_1.txt (le premier fichier de notre BDD) et on récupère sa taille que l’on appelle C(x). On récupère également la taille de notre fichier mystère compressé que l’on appelle C(y).</li>
	<li>'''~~Etape~~ 2:''' Puis on compresse le fichier que l’on cherche a tester avec <i>astro_1.txt</i> et on récupère aussi la taille ~~obtenu~~ . On peut tout de suite remarquer que lors de la compression si mon fichier mystère est de la catégorie astronomie il ~~vas~~ mieux se compresser avec<i> astro_1.txt </i>plutôt qu’avec <i>voiture_1.txt</i> car il a plus de ~~mot~~ en commun et donc la taille xy sera plus petite.</li>		<li>'''Étape 2 :''' Puis on compresse le fichier que l’on cherche à tester avec <i>astro_1.txt</i> et on récupère aussi la taille obtenue. On peut tout de suite remarquer que lors de la compression, si mon fichier mystère est de la catégorie astronomie, il va mieux se compresser avec <i>astro_1.txt</i> plutôt qu’avec <i>voiture_1.txt</i> car il a plus de mots en commun et donc la taille xy sera plus petite.</li>
	<li>'''~~Etape~~ 3:''' ~~Etant~~ donné que tous les textes n’ont pas le même nombre ~~mot~~, on ~~vas~~ essayer de normaliser le résultat pour qu’il soit compris entre 0 et 1 peu importe le nombre de ~~mot~~ de chaque fichier. Et pour cela on effectue un calcul très simple(Normalized Compression Distance), <math>NCD =\frac{C(xy) - \min\{ C(x), C(y) \}}{\max\{ C(x), C(y) \}}</math> Et on obtient <math> 0<NCD<1 </math> Si le résultat est proche de 0 cela veut dire que la compression était très efficace donc que les fichiers ~~possédait~~ beaucoup de ~~mot~~ ~~semblable~~. Et si au contraire le résultat est proche de 1 cela signifie que les textes n’ont que très peu de ~~mot~~ en commun ce qui a rendu la compression très peu efficace.</li>		<li>'''Étape 3 :''' Étant donné que tous les textes n’ont pas le même nombre de mots, on va essayer de normaliser le résultat pour qu’il soit compris entre 0 et 1, peu importe le nombre de mots de chaque fichier. Et pour cela, on effectue un calcul très simple (Normalized Compression Distance), <math>NCD =\frac{C(xy) - \min\{ C(x), C(y) \}}{\max\{ C(x), C(y) \}}</math> Et on obtient <math> 0<NCD<1 </math>. Si le résultat est proche de 0, cela veut dire que la compression était très efficace, donc que les fichiers possédaient beaucoup de mots semblables. Et si au contraire le résultat est proche de 1, cela signifie que les textes n’ont que très peu de mots en commun, ce qui a rendu la compression très peu efficace.</li>
	<li>'''~~Etape~~ 4:''' J’ajoute ce score a un tableau associatif avec pour chaque score la catégorie de mon fichier et j’effectue cette action 20 fois car je vais comparer mon 21<sup>ième</sup> fichier avec les 19 autres de ma base de données. ~~J’aurais~~ donc un tableau avec 20 scores.</li>		<li>'''Étape 4 :''' J’ajoute ce score à un tableau associatif avec pour chaque score la catégorie de mon fichier et j’effectue cette action 20 fois car je vais comparer mon 21<sup>ième</sup> fichier avec les 19 autres de ma base de données. J’aurai donc un tableau avec 20 scores.</li>
	[[Fichier:ClassificationdeTexte2026 taassociatif2.png\|thumb\|left\|350px\|Tableau associatif trié de mes 20 scores]]</br></br>		[[Fichier:ClassificationdeTexte2026 taassociatif2.png\|thumb\|left\|350px\|Tableau associatif trié de mes 20 scores]]</br></br>
	<li>'''~~Etape~~ 5:''' Et pour finir je trie mon tableau par ordre croissant et observe la catégorie des k premiers fichiers. Si on choisit un <math>k = 5</math> je regarde la catégorie de mes 5 premiers ~~fichier et~~ et on voit ci-contre que l'on a 3 fichiers type astronomie et 2 fichiers ~~voiture~~ alors j’en déduis que mon 21<sup>ième</sup> fichier appartient à la catégorie astronomie.</li>		<li>'''Étape 5 :''' Et pour finir, je trie mon tableau par ordre croissant et j'observe la catégorie des k premiers fichiers. Si on choisit un <math>k = 5</math>, je regarde la catégorie de mes 5 premiers fichiers et on voit ci-contre que l'on a 3 fichiers type astronomie et 2 fichiers voitures, alors j’en déduis que mon 21<sup>ième</sup> fichier appartient à la catégorie astronomie.</li>
	</br><i>Note: L'ordre n'est important que pour le choix des k premiers scores, une fois celui-ci fait l'ordre n'est plus important.</i>		</br><i>Note : L'ordre n'est important que pour le choix des k premiers scores, une fois celui-ci fait, l'ordre n'est plus important.</i>
	</ul>		</ul>

Classification de textes grâce à la compression - Historique des versions

Pioche : /* Les réseaux de neurones profonds : */

Pioche : /* Conclusion : */

Pioche : /* Les grands avantages de cette compression : */

Pioche : /* Les résultats des chercheurs : */

Pioche : /* Fonctionnement général : */

Pioche : /* Les réseaux de neurones profonds : */

Pioche : /* Notre test */

Pioche : /* Conclusion : */

Pioche : /* Comparaison avec les tests des chercheurs : */

Pioche : /* Comparaison avec les test des chercheurs : */

Pioche : /* Les réseaux de neurones profonds : */

Pioche : /* Conclusion : */

Pioche : /* Les grands avantages de cette compression : */

Pioche : /* Les résultats des chercheurs : */

Pioche : /* Fonctionnement général : */

Pioche : /* Les réseaux de neurones profonds : */

Pioche : /* Notre test */

Pioche : /* Conclusion : */

Pioche : /* Comparaison avec les tests des chercheurs : */

Pioche : /* Comparaison avec les test des chercheurs : */