Version imprimable
Bonjour à tous,
Je cherche un outil pour classifier des documents selon leur thèmes (Toppic modeling). OpenCalais offre un service qui a première vue paraît intéressent (Document Categorization) pour ce service mais j'ai pas réussi ni à l'utiliser ni a trouvé aucune documentation.
Avez-vous une idée s'il vous plaît ?
Les web services Open Calais sont pourtant bien documentés. Il y a par exemple un exemple d'appel au service en Java, et une documentation sur la structure des données retournées par l'API, en JSON par exemple.
Pour tout cela il faut que tu demandes une clé d'API.
Il est possible que la fonction "Document Categorization" de l'API ne fonctionne que pour du contenu anglais.
Merci beaucoup pour votre réponse.
OpenCalais répose sur le taxonomie 'IPTC News code' pour faire la classification mais malheureusement juste les Top niveau des thèmes si je me trompe pas. En effet il fait la classification juste entre les niveaux supérieur du taxonomie et pas une classification même pour les sous thèmes (sub-topics)... Alors il paraît non intéressent comme outil, que pensez-vous ?
En plus, j'ai eu ce résultat pour un texte en entrée mais j'ai pas compris le type des résultats que j'ai eu du Opencalais et comment je peux les gérer, C'st du JSON ou quoi :) :
Citation:
<!--Use of the Calais Web Service is governed by the Terms of Service located at http://www.opencalais.com. By using this service or the results of the service you agree to these terms of service.--><!--
Continent: America,
Country: United States,
Currency: USD,
IndustryTerm: healthcare,
Organization: Congress,Heritage Foundation,
Person: Kay Bailey Hutchinson,Robert Rector,
SportsEvent: the Heritage,
--><OpenCalaisSimple><Description><allowDistribution>true</allowDistribution><allowSearch>true</allowSearch><calaisRequestID>addbdcd4-9520-a6de-1425-603f5e04269b</calaisRequestID><externalID>17cabs901</externalID><id>http://id.opencalais.com/5qqzrp4q*jIIlLqONyCMeQ</id><about>http://d.opencalais.com/dochash-1/d1256f5d-096d-3ea5-a2ab-4a8cd620748b</about><docTitle/><docDate>2013-11-14 04:49:31.391</docDate><externalMetadata/><submitter>ABC</submitter></Description><CalaisSimpleOutputFormat><Country count="8" relevance="0.653" normalized="United States">United States</Country><Organization count="6" relevance="0.754">Congress</Organization><Continent count="2" relevance="0.393">America</Continent><Currency count="2" relevance="0.449">USD</Currency><IndustryTerm count="2" relevance="0.399">healthcare</IndustryTerm><Organization count="2" relevance="0.450">Heritage Foundation</Organization><Person count="2" relevance="0.432">Kay Bailey Hutchinson</Person><Person count="2" relevance="0.450">Robert Rector</Person><SportsEvent count="2" relevance="0.450">the Heritage</SportsEvent><Topics><Topic Taxonomy="Calais" Score="0.992">Social Issues</Topic></Topics></CalaisSimpleOutputFormat></OpenCalaisSimple>
Oui, c'est ça les "top-level subject codes only". Je ne connais pas ton besoin, je ne sais pas si c'est intéressant pour toi, il n'y a que toi qui peux le dire.Citation:
Envoyé par daniel1985
Non, là c'est le format XML qu'ils appellent "Simple Format", documenté ici. Les topics sont à la fin :Citation:
Envoyé par daniel1985
...<Topics><Topic Taxonomy="Calais" Score="0.992">Social Issues</Topic></Topics>
Il faut que tu parses cette structure de données XML pour extraire l'info qui t'intéresse.
bonjour, je veux faire la même chose
et je veux savoir si la nouvelle version d'opencalais ne supporte encore pas les sous catégories de la taxonomie newsml.
sinon qu'est ce que vous proposez comme solution?
Merci beaucoup
Tu peux regarder du côté d'Alchemy API.
En se basant sur leurs demo online, j'ai remarqué que
alchemy api ne donne pas des relations toutes correctes, par contre opencalais donne des relations presque toutes correctes.
Corrige moi si je me trompe.