Document Classification with LSA and Pretopology

Latent semantic analysis is a computation method to demonstrate a major component of language learning and use. Thus, in this sense, it is a theory of meaning, such that it applies to and offers an explanation of phenomena of meaning in words and passages of words. This enables LSA to hold a strong position in the automated document classification, document analysis, etc. Though the experiments show that LSA can reach a very high accuracy in document classification, it also depends on the various factors such as quality and amount of training documents, characteristics of representative vector and composition of the to be classified documents, etc. On the other hand, pretopology is showing its strength in the fields of data classification and modeling. Besides, some applications, which are to strengthen the pretopology with visualization in the domain of classification, have shown promising results. In this paper two document classification algorithms based on pretopology and LSA are proposed, which are suitable for different situations, and their results with deft07 contest data are discussed. This work also shows future possibility of visualization integration, which could help human intervention in the classification process. RÉSUMÉ. L’Analyse de la Sémantique Latente (LSA) est une méthode de calcul qui permet de rendre compte de l’apprentissage du langage et de son utilisation. Dans ce sens, LSA est une théorie de la signification des mots et groupes de mots (paragraphes, passages, textes) et de leur emploi. Cette propriété permet à LSA d’occuper une position enviable dans la classification automatique de documents, l’analyse de documents, etc. Bien que de nombreuses expériences indiquent que LSA peut atteindre une grande précision dans la classification de documents, ses Studia Informatica Universalis. performances sont tributaires de facteurs tels que la qualité et la quantité de documents utilisés pour l’entraı̂nement, les caractéristiques des vecteurs représentatifs et la composition des documents à classer. De son côté, la prétopologie a montré son efficacité dans les domaines de la classification des données et de la modélisation. De plus, certaines applications ont renforcé la prétopologie en ajoutant la visualisation au domaine de la classification et ont donné des résultats prometteurs. Dans cet article, nous proposons deux algorithmes de classification des documents basés sur LSA et la prétopologie, algorithmes qui sont adaptés à des situations différentes et dont nous discutons les résultats obtenus quand ils sont appliqués aux données du défi DEFT07. Ce travail dessine également les possibilités futures d’intégration de la visualisation, intégration qui pourra contribuer à l’intervention humaine dans les processus de