Découvrir les thèmes d'un document pour en améliorer la segmentation thématique

La segmentation thématique et l’identification des thèmes d’un document sont souvent traitées comme des problèmes séparés, même si elles relèvent toutes deux de l’analyse thématique. Dans cet article, nous proposons d’examiner comment l’identification thématique peut contribuer à améliorer la segmentation de documents lorsque celle-ci ne s’appuie que sur la récurrence lexicale. Nous présentons d’abord une méthode non supervisée de découverte des thèmes d’un document ; puis nous détaillons comment ces thèmes sont utilisés dans la segmentation pour aider à reconnaître les similarités thématiques entre des segments de documents. Nous montrons enfin, au travers d’une évaluation faite à la fois pour le français et pour l’anglais, l’intérêt effectif de la méthode proposée.