Maidri, Fatima Zohra2025-12-022025-12-022025-06-25https://dspace.univ-tlemcen.dz/handle/112/25345La classification automatique de textes constitue une tâche fondamentale en traitement du langage naturel, souvent confrontée au défi de l’ambiguïté lexicale des mots polysémiques. Cette recherche examine l’impact des méthodes de désambiguïsation lexicale (WSD) sur les performances de classification en évaluant cinq approches de WSD appliquées à quatre algorithmes de classification distincts. L’étude démontre qu’il n’existe pas de méthode de WSD universellement optimale, mais chaque algorithme de classification bénéfice d’une approche WSD spécifique. Les résultats expérimentaux montrent des variations significatives de performance selon les combinaisons testées, soulignant limportance de ladéquation entre la stratégie de désambiguïsation et lalgorithme dapprentissage. Cette recherche contribue à une meilleure compréhension de linteraction entre résolution dambiguïté sémantique et classification au tomatique, offrant des perspectives pour loptimisation des systèmes de traitement de textes. Cette étude suggère la nécessité dune approche adaptative dans le choix des méthodes de WSD selon le contexte classificatoire spécifique.frEVALUATION DES METHODES DE DESAMBIGUÏSATION DANS LA CATEGORISATION DES TEXTESThesis