Fouille de textes hiérarchisée appliquée à la détection de fautes

Cet article presente une approche hybride de fouille de donnees textuelles basee sur la hierarchie de mise en forme du texte. Elle fait cooperer des outils de fouille de donnees, des outils de structuration et d’analyse robustes de document et la linguistique de discours. L’application concerne la detection de l’absence et la presence de fautes de style dans des articles scientifiques en anglais. Nous decrivons d’abord les unites textuelles basees sur la hierarchie du texte. Leurs descripteurs combinent des informations sur les formes et les positions relatives des marqueurs stylistiques. La methode met en avant la necessite de garder le contexte etendu d’un marqueur textuel. Nous presentons ensuite deux methodes de fouille mises en œuvre pour caracteriser la correction en anglais: regles de caracterisation et motifs emergents. Enfin, nous evaluons les resultats obtenus par l’application de ces techniques.