Chapitre 1 Introduction

1.1 De la donnée textuelle “brute”… comme quoi?

Donnée textuelle en langage “contraint”:

adresses
noms
chemins de fichiers, liens
etc.

Donnée textuelle en “langage naturel”:

oeuvres littéraires
enquêtes, entretiens
journaux
sites web
données réseaux sociaux (Twitter, Facebook, etc.) etc.

1.2 Import dans R de données textuelles

Du texte sur support physique au texte numérisé

transcription d’un enregistrement audio en un texte sur support numérique (Speech Recognition API, HP IDOL : API client transcribeR)
OCRisation de l’image (numérique) du support au texte sur support numérique (Tesseract OCR engine in R vignette

Du support numérisé à R

import de tables
import de corpus (notamment, si traitement par ailleurs par des logiciels dédiés)
interrogation d’APIs
web-scraping

1.3 APIs

1.4 De la donnée textuelle “brute”… comme quoi?

Donnée textuelle en langage “contraint”:

adresses
noms
chemins de fichiers, liens
etc.

Donnée textuelle en “langage naturel”:

oeuvres littéraires
enquêtes, entretiens
journaux
sites web
données réseaux sociaux (Twitter, Facebook, etc.) etc.

1.5 Import dans R de données textuelles

Du texte sur support physique au texte numérisé

transcription d’un enregistrement audio en un texte sur support numérique (Speech Recognition API, HP IDOL : API client transcribeR)
OCRisation de l’image (numérique) du support au texte sur support numérique (Tesseract OCR engine in R vignette

Du support numérisé à R

import de tables
import de corpus (notamment, si traitement par ailleurs par des logiciels dédiés)
interrogation d’APIs
web-scraping

1.6 APIs