EP2102770A2 - Procédé et dispositif d'organisation de documents électroniques, produit programme d'ordinateur et équipement électronique multimedia correspondants - Google Patents

Procédé et dispositif d'organisation de documents électroniques, produit programme d'ordinateur et équipement électronique multimedia correspondants

Info

Publication number
EP2102770A2
EP2102770A2 EP07871877A EP07871877A EP2102770A2 EP 2102770 A2 EP2102770 A2 EP 2102770A2 EP 07871877 A EP07871877 A EP 07871877A EP 07871877 A EP07871877 A EP 07871877A EP 2102770 A2 EP2102770 A2 EP 2102770A2
Authority
EP
European Patent Office
Prior art keywords
documents
labels
label
document
directory
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP07871877A
Other languages
German (de)
English (en)
Inventor
Jérôme BESOMBES
Franck Meyer
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Orange SA
Original Assignee
France Telecom SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by France Telecom SA filed Critical France Telecom SA
Publication of EP2102770A2 publication Critical patent/EP2102770A2/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification

Definitions

  • the field of the invention is that of computerized systems (for example personal computers, connected or not to the Internet).
  • the invention relates to a technique for organizing electronic documents in such a computerized system, to help a user to create and / or modify a tree organization of these electronic documents.
  • the management of electronic documents made available to a user of a computerized system becomes a central issue. Indeed, the ever increasing number of these documents, as well as their sources (result of a request to a search engine, reception of mails, loading of digital cameras, purchases of music files, etc.), makes it difficult to use without the establishment, by the user, of an organization of his data.
  • a document can be associated with one or more labels (typically a representative word data contained in the document).
  • labels typically a representative word data contained in the document.
  • photo sharing websites Yamamoto Flikr (registered trademark), AOL Pictures (registered trademark), ...) or personal photo management software (Google Picasa (marked filed), Microsoft Digital Image Suite 2006 (marked filed)) offer this possibility that goes beyond the strict framework of conventional file management.
  • a set of image files labeled with a common label is naturally a coherent whole and, consequently, a set of labels constitutes an organization of the labeled documents.
  • the systems mentioned above all offer the possibility of displaying all the documents labeled by a given label, in the same way that documents from the same directory can be displayed.
  • this organization of data from labels has the property of multi-membership: the same document can be tagged by several different labels. This document will appear each time one of its labels will be used as a criterion for displaying the data.
  • this organization is purely logical: the documents remain in their initial storage unit and the labeling does not cause any file movement. The organization is visible only on the display and, in particular, a document to which multiple labels are assigned is not copied, although it may appear in several separate sets of documents.
  • the manual technique via a conventional hierarchical file management system has the advantage of offering the user an organization of his data that corresponds to his wishes since he has built each directory and sub-directory and has moved each document in the appropriate directory.
  • the major drawback of this technique appears when the number of documents becomes important. Indeed, to build such an organization, each document must be identified by the user, in order to determine in which directory it will have to be moved (and possibly create this directory). Beyond a few dozen documents, it becomes particularly tedious to identify each document, especially if they are distributed in different storage systems.
  • the other aforementioned known technique, using the labels does not solve the problem of need to take into account each document one by one, since at least one label must be associated with each document by the user.
  • the current systems offer only one level of organization: they allow to display the set of documents associated with a particular label (which can be seen as a directory), but this representation is not recursive. It is impossible to select, within a directory corresponding to a label X 1 , all the documents labeled by a label x 2 also (which would constitute a subdirectory of the directory constituted by the label X 1 ) .
  • a method of organizing electronic documents from a set of documents comprising labeled documents, a labeled document being associated with a set of labels. At least one labeled document is associated with a set of labels of at least two labels.
  • the method comprises the following steps: a) labeling unlabeled documents of all the documents, by prediction according to the labeled documents and descriptive data documents; from a current directory associated with a set of labeled documents: b) creation of a sub-directory by separate label among all the labels associated with the documents in the current directory; by subdirectory created: c) association of the documents of the current directory whose label set includes at least one label corresponding to said created subdirectory; d) changing the sets of document labels of the new subdirectory by subtracting the label corresponding to the subdirectory; from each sub-directory created, becoming current directory: e) iteration of steps b), c) and d) until subdirectories associated only with documents whose set of labels is empty.
  • the invention is based on a completely new and inventive approach combining an automatic labeling of documents with an automatic construction of a tree organization from the labels of the labeled documents.
  • a completely new and inventive approach combining an automatic labeling of documents with an automatic construction of a tree organization from the labels of the labeled documents.
  • a document is associated with a subdirectory and the fact that this document is contained (or placed) in this subdirectory.
  • a document is associated with a subdirectory and the fact that this document is contained (or placed) in this subdirectory.
  • the fact that said given document is physically moved from an initial storage unit to said given subdirectory.
  • the tree organization is generated automatically but then used as a tree created manually by the user with a conventional hierarchical file management system.
  • the tree organization is a logical organization whose subdirectories contain only identifiers of electronic documents.
  • the identifier of each document is unique and defines the complete path to the storage location of this document. For example, with a centralized storage system such as a hard disk, the identifier defines the path from the root of the hard disk to the subdirectory containing the document (i.e., the path in the storage system tree).
  • the identifier is for example a URL indicating the path of the document on the Internet.
  • step b) is preceded by the following step: if the number of different labels associated with the documents in the current repertoire is greater than a predetermined threshold S, then the labels are sorted in decreasing order of frequency and the selections are selected. S first labels, only the selected labels being taken into account to perform the following steps. In this way, it reduces the processing resources (processor and memory in particular) necessary for the construction of the tree organization.
  • first and second labels such that: the following condition is satisfied: for all the labeled electronic documents whose label set comprises said second label, said set of labels also includes said first label, and the following condition is satisfied: for all labeled electronic documents whose label set includes said first label, said label set also includes said second label, then one of said first and second labels is deleted only during said steps b) to e), each certified electronic document regaining all its labels at the end of said steps b) to e).
  • first and second labels such that: the following condition is satisfied: for all the labeled electronic documents whose label set comprises said second label, said set of labels also includes said first label, and the condition following is not verified: for all the labeled electronic documents whose label set includes said first label, said set of labels also includes said second label, then, during said steps b) to e), said second label does not cause creating a subdirectory only under the subdirectory from the first label.
  • This consideration of a second type of inclusion of labels also makes it possible to simplify, by pruning, the tree organization obtained and to optimize the processing resources necessary for the construction of this tree organization.
  • said labeling step comprises a step of generating a matrix V as follows:
  • U 1J 1, if the user has associated the label j with the electronic document i.
  • U 1J -1, if the user has decided not to associate the label j with the electronic document i.
  • P (i, j) returns a value between -1 and +1, plus the value of P (i, j) being negative minus it is probable that the electronic document i is associated with the label j, and vice versa the more positive the value of P (i, j), the more likely it is that the electronic document i is associated with the label j.
  • the alpha threshold makes it possible to determine which are the labels actually used in the construction of the tree.
  • the method comprises a step of limiting the number of labels automatically allocated to an electronic document.
  • this limitation is implemented thanks to the aforementioned alpha thresholding.
  • the alpha threshold can be modified by the user, who can thus dynamically limit the number of labels automatically assigned to a document during the automatic labeling step.
  • said steps b) to e) are followed by the following steps: modification by a user, via a man / machine interface, of at least one set of labels among the sets of labels associated with the labeled electronic documents; deleting a tree organization resulting from the execution of said steps b) to e); new execution of said steps b) to e), taking into account said at least one set of labels modified by the user.
  • a first mechanism is offered to the user to modify a tree organization already obtained, in order to correct or evolve it. This first mechanism is based on a new calculation of the tree.
  • said steps b) to e) are followed by the following steps: modification by a user, via a man / machine interface, of at least one set of labels among the sets of labels associated with the labeled electronic documents; for each labeled electronic document whose associated set of labels has been modified by the user, said modified document:
  • said modified document is deleted from each directory or sub-directory with which it is associated,; and then reclassifying said modified document starting from a root directory: associating said modified document with each sub-directory whose corresponding label is included in the set of labels associated with said modified document, then for each subdirectory to which the document modified has been associated, recursively the association is repeated in sub-directories of lower levels, if they exist.
  • a second mechanism is offered to the user to modify a tree organization already obtained.
  • This second mechanism is based on a local adaptation of the tree, without it being completely recalculated.
  • said step of modifying by a user of at least one set of labels is carried out by: a move / paste, carried out by the user via a graphical interface, of a representative of the document to be modified to a subset; target directory associated with documents whose label sets include one or more desired labels; and an automatic assignment to said document to be modified of the label corresponding to said target directory, replacing the label or labels previously assigned to said document to be modified.
  • said step of modifying by a user of at least one set of labels is carried out by: a selection, made by the user via the man / machine interface, of at least one sub-directory to be deleted; ; for each sub-directory to be deleted, an automatic deletion in the label sets of the electronic documents labeled: the label corresponding to the sub-directory to be deleted, as well as the label corresponding to each subdirectory located between the subdirectory to delete and a root directory.
  • the invention relates to a computer program product downloadable from a communication network and / or recorded on a computer readable medium and / or executable by a processor, this computer program product comprising instructions program code for executing the steps of the aforementioned method (in at least one of its various embodiments), when said program is executed on a computer.
  • the invention in another embodiment, relates to a device for organizing electronic documents from a set of documents comprising labeled documents, a labeled document being associated with a set of labels. At least one labeled document is associated with a set of labels of at least two labels.
  • the device comprises: a) means for labeling the non-labeled documents of all the documents, by prediction according to the labeled documents and descriptive data of the documents; b) creation means, applied to a current directory associated with a set of labeled documents, of a sub-directory per distinct label among the set of labels associated with the documents of the current directory; c) association means, applied to each sub-directory created, documents of the current directory whose label set includes at least one label corresponding to said sub-directory created; d) means for modifying the sets of labels of the documents of the new subdirectory by subtracting the label corresponding to the subdirectory; e) the means b), c) and d) being applied iteratively for each sub-directory created, becoming current directory, until subdirectories associated only with documents whose set of labels is empty.
  • the organization device comprises means for implementing the organization method as described above (in any one of its various embodiments).
  • the invention in another embodiment, relates to multimedia electronic equipment comprising means for storing multimedia documents, and means for implementing the method of organizing multimedia documents. documents as described previously (in any one of its various embodiments).
  • FIG. 1 shows an overall diagram of a particular embodiment of the organizing method according to the invention
  • FIG. 2 presents a diagram of a vectorisation phase of the electronic documents, included in a particular embodiment of the organization method according to the invention
  • FIG. 3 presents a diagram of a phase of creation of Q predictive models, included in the automatic labeling phase of FIG. 5
  • FIG. 4 presents a diagram of a phase of construction of a matrix V, included in the automatic labeling phase of FIG. 5;
  • FIG. 1 shows an overall diagram of a particular embodiment of the organizing method according to the invention
  • FIG. 2 presents a diagram of a vectorisation phase of the electronic documents, included in a particular embodiment of the organization method according to the invention
  • FIG. 3 presents a diagram of a phase of creation of Q predictive models, included in the automatic labeling phase of FIG. 5
  • FIG. 4 presents a diagram of a phase of construction of a matrix V, included in the automatic labeling phase of FIG. 5
  • FIG. 1 shows an overall diagram of a particular embodiment of the organizing
  • FIG. 5 is a diagram of a phase of automatic labeling of electronic documents, included in a particular embodiment of the organization method according to the invention
  • FIG. 6 is a diagram of a construction phase of a tree structure included in a particular embodiment of the organization method according to the invention
  • Figures 7, 8 and 9 show the results of three successive steps of construction of an exemplary tree, by implementing the construction phase illustrated in Figure 6
  • FIG. 10 illustrates the result of taking into account label inclusions in the tree of FIG. 9
  • FIG. 11 illustrates the result of taking into account a limitation of the number of labels in the tree of FIG. 10
  • Figure 12 illustrates an example of a user moving a document in the tree of Figure 11
  • FIG. 13 illustrates the tree resulting from the displacement illustrated in FIG.
  • FIG. 14 shows an exemplary HMI of a system implementing a particular embodiment of the organization method according to the invention
  • Figure 15 shows the structure of an organization device according to a particular embodiment of the invention. 5.
  • DETAILED DESCRIPTION In all the figures of this document, the identical elements are designated by the same numerical reference. 5.1 Overall presentation
  • the organization method according to the invention comprises the following steps (also called phases thereafter):
  • Phase 0 Prior encoding of documents (vectorization).
  • This first phase is not illustrated in Figure 1. It consists in encoding each document to represent it in a vector form. This type of encoding is known to those skilled in the art when performing automatic classification tasks.
  • This phase 1 is referenced P1 in FIG. 1.
  • the user defines labels and associates them with certain documents he chooses. Note that the user is not obliged to label all his documents, a small proportion will suffice.
  • a new set of documents 6 is obtained, of which a first subset 6A contains non-labeled documents and a second subset 6B contains labeled documents.
  • Phase 2 Automatic labeling of all documents by the system.
  • This phase 2 is referenced P2 in FIG. 1.
  • the system implementing the method automatically labels the documents (it generalizes all the possible labels documents already labeled and those without a label) thanks to a multi-label classification module. We obtain a set of documents all labeled 7.
  • Phase 3 Automatic generation of the classification plan by the system
  • This phase 3 is referenced P3 in Figure 1.
  • the system implementing the method automatically generates a tree 8 (also called tree organization) for classifying documents automatically.
  • the nodes of this tree corresponding to directories, are generated and named automatically.
  • Phase 4 Modification of the classification scheme by interaction between the user and the system.
  • This phase 4 is referenced P4 in FIG.
  • the user can then modify the tree to correct or change it.
  • it can use conventional interactions of a file management system of the Windows Explorer (registered trademark) type.
  • he may do the following:
  • the system therefore makes it possible to limit the user's workload in order to organize his documents:
  • this system Compared to a fully automatic system, this system has the advantage of making it possible to correct and manipulate a result interactively, in order to actually obtain the desired classification tree.
  • the set of documents will therefore be represented, after the vectorisation phase, by a matrix D containing online the vector description of each document, in column the properties measured on these documents, and at the intersection of a line i and d a column j the value D 10 corresponding to the property j for the document i.
  • the vectorization phase consists of transforming a document
  • vector in R N a vector of numerical values
  • this can consist of a set of measurements, functions applied to the bitmap representation of the image.
  • this can be done by calculating, for a set of predefined words, the word counts of each document.
  • this can consist of digital recoding of the recording, passing through a complete disjunctive coding of any non-numerical values.
  • the vectorization of objects is considered as a known domain of the state of the art, typical and particular of each field of application (signal processing, text-mining, image, data mining, ...), and n is not here specified further.
  • FIG. 2 A diagram presenting the vectorization phase is given in FIG. 2.
  • a document storage unit 21 As long as there is a vectorized document (step 22), a non-vectorized document d is selected (step 23) and then a choice is made a vectorization method depending on the type of the document (step 24).
  • a vector V d of R N which can be stored in a vectorized document storage unit 26.
  • the system implementing the organization method allows the user to label certain documents via an HMI which can for example be similar to that described below in relation with FIG. 14.
  • an image of holidays by the sea may be labeled by the user with the labels “holidays”, “beach” and “Atlantic”, while a family anniversary image may be labeled with the labels " Anniversary ",” John “, etc.
  • any document da for each label x a value associated with -1, 0 or +1 which respectively corresponds to "the user has explicitly said that the document d did not have this label x "," we do not know the assignment of the document d to the label x ", and" the user has given the document d the label x ".
  • document d For each document d of T and for each label x of L, document d is in one of the three following cases:
  • a convenient way to represent the documents and labels assigned by the user is a matrix with online documents and in column the different labels.
  • U be the matrix of documents and labels assigned by the user.
  • V the matrix of documents and labels generated automatically by the system.
  • V 1J U 1J if U 10 ⁇ 0
  • P (i, j) is a prediction function, implemented by an automatic label prediction module according to the description of the documents (matrix D).
  • P (i, j) gives the prediction that the document i has or does not have the label j.
  • P (i, j) returns a value between -1 and +1. For negative values, the document i does not contain the label j. For positive values, the document i contains the label j.
  • a simple method is to construct a classification model C j of type neuron network, or decision tree, or bayesian network for each label j. To each label j is therefore associated a model created on the basis of the examples described by the matrix D and with target variable label j. For each null value of U 10, the classification model C j is used which takes as input the description of the document i in D and returns the predicted value for j for assignment in the matrix V.
  • Figure 3 illustrates the creation of Q predictive models (also called classifiers), one for each label, to be able to assign labels to documents based on their initial descriptive information only (derived from their prior representations in the form of vectors).
  • Q predictive models also called classifiers
  • To construct a predictive model P x associated with the label x we use the descriptive data of the matrix D as descriptive variables and the data of the x-th column of the matrix U.
  • This predictive model P x is able to predict the probability of the x label for any document, based on the descriptive data in this document.
  • the frame referenced 31i symbolizes the generation of a predictive model associated with the label 1, from the matrix D and the column 1 (referenced 30 1 ) of the matrix U.
  • the frame referenced 3 I Q symbolizes the generation of a predictive model associated with the label Q, from the matrix D and the column Q (referenced 30 Q ) of the matrix U.
  • the frame 32 referenced in Figure 3 symbolizes the Q predictive models obtained, a specialist for each label.
  • Figure 4 illustrates the construction of the matrix V integrating the labels provided by the user and those inferred by the system.
  • the set (referenced 32 as in FIG. 3) of the Q predictive models 32i,... 32 Q is used to generate the matrix V from matrices D and U.
  • Figure 5 shows an overall diagram of this phase of automatic labeling of documents. It is assumed that the vectorization phase has already been performed (pre-coding of documents).
  • a set of documents (referenced 6 as in Figure 1) of which a first subset 6 A contains unlabeled documents and a second subset 6 B contains labeled documents.
  • the matrix U of the documents with at least one label is constituted
  • a step 52 automatic predictive models are created from the matrix U and the matrix D.
  • the matrix is generated.
  • V integrating the user labels and the labels predicted by the system.
  • a matrix W is generated by thresholding the matrix V with the parameter alpha (see section 5.5 below). after).
  • the matrix W is optionally adapted by modifying the alpha threshold, to limit the number of labels per document. 5.5 Building the tree
  • the construction of the tree is done recursively by levels. At the first level, all the documents are in a single directory which constitutes the root R of the tree under construction. Each document is associated with one or more labels according to the matrix W. 5.5.1 Complete arborescent
  • Borda algorithm A variant of the Borda algorithm is then integrated (see the following document: "Bordat, JP, a practical calculation of the Galois lattice of a correspondence, Math Sci Hum, 1986, No. 96, pp 31-47. "), Applied to the contents of the matrix W, and described below.
  • the set of labels L ⁇ xi, ..., x m ⁇ will give rise to a set of subdirectories ⁇ Ri, ..., R m ⁇ direct from the root directory (that is, to child nodes), each new sub-directory R 1 corresponding to exactly one label X 1 of L.
  • a gamma threshold sets the maximum number of directories or subdirectories that can be at a given node of the network. tree. If the number of labels exceeds gamma, then we sort the labels in descending order of frequency. We select the first gamma labels. The other labels are temporarily hidden.
  • a complementary directory named "Other" is created to assign each document with a temporarily hidden label.
  • Each directory will contain the documents labeled by the corresponding label. The same document will then be able to belong to several subdirectories, if several different labels are associated with this one.
  • Figure 6 shows an overall diagram of this phase of construction of a tree.
  • a set of labeled documents referenced 7 as in Figure 1).
  • a copy of the set of labeled documents is placed in a root directory R.
  • a new sub-directory R x is constructed. , within the gamma sub-directories limit (step 63).
  • the document d is placed in the sub-directory R x (step 65) and then the label x is deleted from the set of labels associated with the document contained in the R x subdirectory (step 66).
  • the construction of the tree structure is applied recursively to the sub-directory R x (step 67).
  • the first step of construction of the tree structure gives five sub-directories R 1 , R 2 , R 3 , R 4 and R 5 , respectively corresponding to the labels X 1 , x 2 , x 3 , x 4 and X 5 .
  • R 5 contains the documents d and d 2
  • the subdirectory Ri gives rise to the subdirectories Ri 2 , Ri 3 , Ri 4 and R 15 .
  • Ri 2 contains the document d of label X 5 .
  • Ri 3 contains the document di without label.
  • Ri 4 contains the document d 3 without label.
  • R 15 contains the document d of label x 2 .
  • the subdirectory R 2 gives birth to the subdirectories R 2 i and R 25 .
  • R 2 i contains the documents d of label X 5 .
  • R 25 contains the documents of label X 1 and d2 without label.
  • the sub-directory R 3 gives rise to the subdirectory R 3 i.
  • R 3 i contains di documents without a label.
  • the sub-directory R 4 gives birth to the sub-directory R 4I containing the document d 3 without a label.
  • the sub-directory R 5 gives rise to the sub-directory R 51 containing the document d2 of label x 2 and to the sub-directory R 52 containing the documents d of label X 1 and d 2 without a label.
  • the process continues with the next level.
  • the sub-directory Ri 2 gives birth to the sub-directory Ri 25 containing the document d.
  • the subdirectory Ri 3 contains the document di without label, it does not give birth to any new subdirectory. It is the same for the subdirectories Ri 4 , R 31 and R 4I .
  • R 15 gives rise to the subdirectory Ri S2 containing the document d.
  • the sub-directory R 2I gives birth to the subdirectory R 2 i 5 containing the document d.
  • the subdirectory R 25 gives rise to the subdirectory R 25 i containing the document d.
  • the sub-directory R 51 gives rise to the sub-directory Rsi 2 containing the document d.
  • the sub-directory R 52 gives birth to the sub-directory R 52I containing the document d. None of documents contained in the subdirectories of this level does not have a label. The process stops at this level.
  • Figure 9 shows the complete tree at the end of the process. 5.5.2 Pruning 5.5.2.1 Inclusion of labels
  • the label x 2 is equivalent to the label X 5 , which implies the deletion of the directories R5, R51, R52, R512, R521, R125, R15, R152, R215, R25 and R251 (deletion of the label x5 during the construction of the tree).
  • the directories R 4 and R 4 i must be deleted, since the label xi contains the label x 4 .
  • the repertoire Ri 4 resulting from x 4 is conserved since it is located under the repertoire Ri resulting from X 1 .
  • the alpha threshold is reduced (in small units, for example 0.001) as long as the average number of predicted and positive labels per document in the resulting matrix W is greater than a number set by the user.
  • Figure 11 shows the resulting tree, after limiting the number of labels (it is the label xiqui was removed from the set of labels associated with the document d). 5.6 Changes to the tree structure
  • Each document whose associated label set has been modified is removed from all subdirectories in which it appears. Then it is reclassified by itself from the top of the hierarchy, assigning it to each subdirectory for which it has the corresponding label. For each subdirectory where the document has been assigned, the process is recursively repeated in subdirectories if they exist. After a number of modifications, the desired process was performed. The number of modifications depends on the power of the machine that executes the organization process.
  • the following mechanism can be integrated: in order to modify the labels assigned to a document, the user makes a move / paste of a representative (icon) of this document to a document. subdirectory containing documents with the desired labels (if such a subdirectory exists).
  • One or more subdirectories can be considered useless by the user. In this case, it is possible to delete them in the following way: the user selects a sub-directory to be deleted. This subdirectory was created from ⁇ x ! i, ..., Xi q ⁇ (that is, the labels that gave birth to the selected directory, as well as the directories located on the path leading from the root to the selected directory). Then the system will automatically delete the entire tree, it will delete the labels ⁇ x ⁇ . - .A q ⁇ of all associated tag sets to documents and execute a new automatic construction of the tree structure taking into account the new labeling of documents. 5.6.3 Modification of the labels
  • FIG. 14 shows an exemplary HMI of a system implementing a particular embodiment of the organization method according to the invention.
  • the following three areas can be distinguished:
  • An area 141 containing the tree An area 142 containing a set of possible labels;
  • FIG. 15 shows the simplified structure of an organization device according to a particular embodiment of the invention, which comprises a RAM 153, a processing unit 151, equipped for example with a microprocessor, and driven by a computer program 152 implementing the organization method according to the invention (for example the particular embodiment described above in relation to FIGS. 1 to 14).
  • the code instructions of the computer program 152 are for example loaded into the RAM memory before being executed by the processor of the processing unit 151.
  • the processing unit 151 receives as input 150 electronic documents and allows the user, via an IHM, to label some of them.
  • the processing unit 151 processes all the documents (some having been labeled by the user, and others not), according to the instructions of the program 152, in order to obtain a tree organization 154 (also called a tree structure). classification tree).
  • the processing unit 151 outputs this tree organization 154 and allows the user, via an HMI, to modify it.
  • the device according to the invention can be integrated in a multimedia electronic equipment which comprises means for storing multimedia documents (images, music files, written documents, etc.).
  • This equipment is for example a music file player with a graphical interface, a handheld computer or electronic organizer, a mobile phone with or without a photographic device.
  • the method of organizing electronic documents according to the invention can be implemented on this type of equipment for classifying the stored multimedia contents.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Document Processing Apparatus (AREA)
  • General Factory Administration (AREA)

Abstract

Procédé et dispositif d'organisation de documents électroniques, produit programme d'ordinateur et équipement électronique multimédia correspondants. Il est proposé un procédé d'organisation de documents électroniques à partir d'un ensemble de documents comprenant des documents labellisés, un document labellisé étant associé à un jeu de labels. Au moins un document labellisé est associé à un jeu de labels d'au moins deux labels. Le procédé comprend les étapes suivantes : a) labellisation (P2) des documents non labellisés de l'ensemble des documents, par prédiction en fonction des documents labellisés et de données descriptives des documents; à partir d'un répertoire courant associé à un ensemble de documents labellisés : b) création (P3; 63) d'un sous-répertoire par label distinct parmi l'ensemble des labels associés aux documents du répertoire courant; par sous-répertoire créé : c) association (P3; 65) des documents du répertoire courant dont le jeu de label comporte au moins un label correspondant audit sous-répertoire créé; d) modification (P3; 66) des jeux de labels des documents du nouveau sous- répertoire par soustraction du label correspondant au sous-répertoire; à partir de chaque sous-répertoire créé, devenant répertoire courant : e) itération des étapes b), c) et d) jusqu'à obtention de sous-répertoires associés uniquement à des documents dont le jeu de labels est vide.

Description

Procédé et dispositif d'organisation de documents électroniques, produit programme d'ordinateur et équipement électronique multimédia correspondants.
1. DOMAINE DE L'INVENTION
Le domaine de l'invention est celui des systèmes informatisés (par exemple des ordinateurs personnels, connectés ou non à Internet).
Plus précisément, l'invention concerne une technique d'organisation de documents électroniques dans un tel système informatisé, permettant d'aider un utilisateur à créer et/ou modifier une organisation arborescente de ces documents électroniques. La gestion des documents électroniques mis à disposition d'un utilisateur d'un système informatisé devient une problématique centrale. En effet, le nombre toujours croissant de ces documents, ainsi que de leurs sources (résultat d'une requête à un moteur de recherche, réception de mails, chargement d'appareils photos numériques, achats de fichiers de musique, ...), rend difficile leur utilisation sans la mise en place, par l'utilisateur, d'une organisation de ses données.
2. ART ANTÉRIEUR
Comme tout fichier informatique, les documents électroniques peuvent être organisés manuellement sous forme d'une arborescence. Dans un système de gestion de fichiers tel l'Explorateur de fichiers de Windows (marqué déposée), l'utilisateur crée des répertoires et des sous-répertoires, puis y répartit l'ensemble de ses documents, par des déplacements successifs de chaque document, ou de groupes de documents sélectionnés. Cette méthode apporte l'avantage d'une organisation correspondant parfaitement aux désirs de l'utilisateur : chaque document est placé dans le répertoire choisi, répertoire lui-même crée et placé dans l'arborescence par l'utilisateur. Chaque répertoire contient alors un ensemble de documents et/ou de sous-répertoires, représentant un groupe homogène suivant un ou plusieurs critères propres à l'utilisateur. A titre d'exemples, des photos peuvent être classées par thèmes (événements, personnes,...), des courriels par dates ou par provenance, des fichiers musicaux par interprètes,...
De manière complémentaire, de nombreux systèmes de gestion de documents électroniques donnent la possibilité à un utilisateur de labelliser les documents. Un document peut être associé à un ou plusieurs labels (typiquement un mot représentatif des données contenues dans le document). A titre d'exemple, les sites Internet de partages de photos (Yahoo Flikr (marqué déposée), AOL Pictures (marqué déposée),...) ou les logiciels de gestion des photos personnelles (Google Picasa (marqué déposée), Microsoft Digital Image Suite 2006 (marqué déposée)) offrent cette possibilité qui dépasse le cadre strict de la gestion de fichiers classiques. Un ensemble de fichiers d'images labellisés par un label commun constitue naturellement un ensemble cohérent et, par conséquent, un ensemble de labels constitue une organisation des documents labellisés. Les systèmes cités précédemment offrent tous la possibilité d'afficher l'ensemble des documents labellisés par un label donné, de la même manière que peuvent être affichés les documents d'un même répertoire. En outre, cette organisation des données à partir de labels a la propriété de multi-appartenance : un même document peut être étiqueté par plusieurs labels différents. Ce document va donc apparaître à chaque fois que l'un de ses labels sera utilisé comme critère d'affichage des données. Contrairement à l'organisation manuelle des données (dans le cas précité d'un système de gestion de fichier tel que l'Explorateur de Windows (marqué déposée) XP), cette organisation est purement logique : les documents demeurent dans leur unité de stockage initial et la labellisation ne provoque aucun déplacement de fichier. L'organisation n'est visible qu'à l'affichage et, en particulier, un document auquel plusieurs labels sont attribués n'est pas copié, même s'il peut apparaître dans plusieurs ensembles de documents distincts.
Deux techniques connues distinctes d'organisation de données ont été présentées ci-dessus : une technique manuelle via un système classique de gestion de fichiers hiérarchique et une technique manuelle utilisant des labels associés aux fichiers (avec une organisation logique). La technique manuelle via un système classique de gestion de fichiers hiérarchique a l'avantage d'offrir à l'utilisateur une organisation de ses données qui correspond à ses souhaits puisqu'il a construit chaque répertoire et sous-répertoire et a déplacé chaque document dans le répertoire approprié. L'inconvénient majeur de cette technique apparaît quand le nombre de documents devient important. En effet, pour construire une telle organisation, chaque document doit être identifié par l'utilisateur, de manière à déterminer dans quel répertoire il devra être déplacé (et éventuellement créer ce répertoire). Au-delà de quelques dizaines de documents, il devient particulièrement fastidieux d'identifier chaque document, d'autant plus si ceux-ci sont répartis dans des systèmes de stockages différents.
L'autre technique connue précitée, utilisant les labels, ne résout pas le problème de nécessité de prise en compte de chaque document un à un, puisqu'au moins un label doit être associé à chaque document par l'utilisateur. De plus, les systèmes actuels n'offrent qu'une organisation à un niveau : ils permettent d'afficher l'ensemble de documents associés à un label particulier (ce qui peut être vu comme un répertoire), mais cette représentation n'est pas récursive. Il est impossible de sélectionner, à l'intérieur d'un répertoire correspondant à un label X1, l'ensemble des documents labellisés par un label x2 également (ce qui constituerait un sous-répertoire du répertoire constitué par le label X1).
Il n'existe pas actuellement de méthode permettant de gérer des documents aux labels multiples, de les classer automatiquement en gérant la multi-appartenance et en permettant d'inférer les labels des documents non labellisés, et de maintenir la hiérarchie ainsi construite au travers d'une IHM (Interface Homme Machine) temps réel.
3. EXPOSÉ DE L'INVENTION
Dans un mode de réalisation particulier de l'invention, il est proposé un procédé d'organisation de documents électroniques à partir d'un ensemble de documents comprenant des documents labellisés, un document labellisé étant associé à un jeu de labels. Au moins un document labellisé est associé à un jeu de labels d'au moins deux labels. Le procédé comprend les étapes suivantes : a) labellisation des documents non labellisés de l'ensemble des documents, par prédiction en fonction des documents labellisés et de données descriptives des documents ; à partir d'un répertoire courant associé à un ensemble de documents labellisés : b) création d'un sous-répertoire par label distinct parmi l'ensemble des labels associés aux documents du répertoire courant ; par sous-répertoire créé : c) association des documents du répertoire courant dont le jeu de label comporte au moins un label correspondant audit sous-répertoire créé ; d) modification des jeux de labels des documents du nouveau sous-répertoire par soustraction du label correspondant au sous-répertoire ; à partir de chaque sous-répertoire créé, devenant répertoire courant : e) itération des étapes b), c) et d) jusqu'à obtention de sous-répertoires associés uniquement à des documents dont le jeu de labels est vide.
Ainsi, dans ce mode de réalisation particulier, l'invention repose sur une approche tout à fait nouvelle et inventive combinant une labellisation automatique de documents avec une construction automatique d'une organisation arborescente à partir des labels des documents labellisés. En effet, contrairement à la technique connue manuelle basée sur l'utilisation par un utilisateur d'un système classique de gestion de fichiers hiérarchique (voir discussion ci-dessus), ce n'est pas à l'utilisateur que revient la tâche fastidieuse de construire une organisation arborescente à partir d'un répertoire courant. La construction de l'arborescence est effectuée de manière automatique et récursive par niveaux, en tenant compte des labels associés aux documents électroniques. La présente invention permet donc un gain de temps dans la construction de l'organisation arborescente et une optimisation des ressources du système informatisé dans lequel est mise en œuvre la technique d'organisation de documents électroniques selon l'invention.
En outre, grâce à la labellisation automatique des documents non labellisé, l'utilisateur n'a pas à labelliser tous les documents, ce qui lui évite un travail fastidieux quand le nombre de documents devient important.
Dans la présente description, on considère comme synonyme le fait qu'un document soit associé à un sous-répertoire et le fait que ce document soit contenu (ou encore placé) dans ce sous-répertoire. Avantageusement, on entend par association d'un document donné à un sous- répertoire, le fait que ledit document donné est physiquement déplacé depuis une unité de stockage initiale vers ledit sous-répertoire donné.
Dans ce cas, l'organisation arborescente est générée automatiquement mais utilisée ensuite comme une arborescence crée manuellement par l'utilisateur avec un système classique de gestion de fichiers hiérarchique. Selon une variante avantageuse, on entend par association d'un document donné à un sous-répertoire, le fait que ledit document donné demeure dans une unité de stockage initiale et qu'un identifiant unique dudit document donné est placé dans ledit sous-répertoire donné. Dans cette variante, l'organisation arborescente est une organisation logique, dont les sous-répertoires contiennent uniquement des identifiants de documents électroniques. L'identifiant de chaque document est unique et définit le chemin complet vers le lieu de stockage de ce document. Par exemple, avec un système de stockage centralisé tel qu'un disque dur, l'identifiant définit le chemin depuis la racine du disque dur jusqu'au sous-répertoire contenant le document (c'est-à-dire le chemin dans l'arborescence du système de stockage). Avec un système de stockage décentralisé, l'identifiant est par exemple une adresse URL indiquant le chemin d'accès au document dans Internet.
Avantageusement, l'étape b) est précédée de l'étape suivante : - si le nombre de labels différents associés aux documents du répertoire courant est supérieur à un seuil prédéterminé S, alors on trie les labels par ordre décroissant de fréquence et on sélectionne les S premiers labels, seuls les labels sélectionnés étant pris en compte pour effectuer les étapes suivantes. De cette façon, on réduit les ressources de traitement (processeur et mémoire notamment) nécessaires à la construction de l'organisation arborescente.
De façon avantageuse, s'il existe des premier et second labels tels que : la condition suivante est vérifiée : pour tous les documents électroniques labellisés dont le jeu de labels comprend ledit second label, ledit jeu de labels comprend aussi ledit premier label, et - la condition suivante est vérifiée : pour tous les documents électroniques labellisés dont le jeu de labels comprend ledit premier label, ledit jeu de labels comprend aussi ledit second label, alors l'un desdits premier et second labels est supprimé uniquement pendant lesdites étapes b) à e), chaque document électronique labellisé retrouvant tous ses labels à l'issue desdites étapes b) à e). Cette prise en compte d'un premier type d'inclusion de labels permet de simplifier, par élagage, l'organisation arborescente obtenue et optimiser les ressources de traitement nécessaires à la construction de cette organisation arborescente.
Avantageusement, s'il existe des premier et second labels tels que : - la condition suivante est vérifiée : pour tous les documents électroniques labellisés dont le jeu de labels comprend ledit second label, ledit jeu de labels comprend aussi ledit premier label, et la condition suivante n'est pas vérifiée : pour tous les documents électroniques labellisés dont le jeu de labels comprend ledit premier label, ledit jeu de labels comprend aussi ledit second label, alors, au cours desdites étapes b) à e), ledit second label ne provoque la création d'un sous-répertoire que sous le sous-répertoire issu du premier label.
Cette prise en compte d'un second type d'inclusion de labels permet elle aussi de simplifier, par élagage, l'organisation arborescente obtenue et optimiser les ressources de traitement nécessaires à la construction de cette organisation arborescente.
Avantageusement, ladite étape de labellisation comprend une étape de génération d'une matrice V de la façon suivante :
V1J = U1J si U10 ≠ 0 O avec i : un document électronique parmi l'ensemble des documents électroniques, j : un label parmi un ensemble de labels possibles, P : une fonction de prédiction en fonction de données descriptives des documents électroniques, et U : une matrice des documents électroniques et labels affectés par un utilisateur, telle que « U10 ≠ 0 » signifie que l'utilisateur a décidé d'associer ou non le label j au document électronique i, et « U1J = 0 » signifie que l'utilisateur n'a pas formulé aucun avis sur le fait que le label j doit ou non être associé au document électronique i.
L'utilisation d'une telle matrice V permet de simplifier les calculs liés à la labellisation automatique.
De façon avantageuse, U1J = 1, si l'utilisateur a associé le label j au document électronique i. U1J = -1, si l'utilisateur a décidé de ne pas associer le label j au document électronique i. P(i,j) renvoie une valeur entre -1 et +1, plus la valeur de P(i, j) étant négative moins il est probable que le document électronique i soit associé au label j, et réciproquement plus la valeur de P(i, j) étant positive, plus il est probable que le document électronique i soit associé au label j.
Avantageusement, ladite étape de labellisation comprend une étape de seuillage de ladite matrice V dans une matrice W de la façon suivante : si V10 > alpha alors W10 =
1 sinon W10 = 0, avec alpha un seuil déterminé compris entre 0 et 1. Seuls les éléments W1J non nuls sont utilisés dans lesdites étapes b) à e).
Ainsi, le seuil alpha permet de déterminer quels sont les labels réellement utilisés dans la construction de l'arborescence. Selon une caractéristique avantageuse, le procédé comprend une étape de limitation du nombre de labels automatiquement attribués à un document électronique.
Dans un mode de réalisation particulier, cette limitation est mise en place grâce au seuillage alpha précité. Le seuil alpha est dans ce cas modifiable par l'utilisateur, qui peut ainsi, de façon dynamique, limiter le nombre de labels automatiquement attribués à un document pendant l'étape de labellisation automatique.
Avantageusement, lesdites étapes b) à e) sont suivies des étapes suivantes : modification par un utilisateur, via une interface homme/machine, d'au moins un jeu de labels parmi les jeux de labels associés aux documents électroniques labellisés ; - suppression d'une organisation arborescente résultant de l'exécution desdites étapes b) à e) ; nouvelle exécution desdites étapes b) à e), en tenant compte dudit au moins jeu de labels modifié par l'utilisateur.
Ainsi, un premier mécanisme est offert à l'utilisateur pour modifier une organisation arborescente déjà obtenue, afin de la corriger ou la faire évoluer. Ce premier mécanisme repose sur un nouveau calcul de l'arborescence.
Selon une variante avantageuse, lesdites étapes b) à e) sont suivies des étapes suivantes : modification par un utilisateur, via une interface homme/machine, d'au moins un jeu de labels parmi les jeux de labels associés aux documents électroniques labellisés ; pour chaque document électronique labellisé dont le jeu de labels associé a été modifié par l'utilisateur, dit document modifié :
* ledit document modifié est supprimé de chaque répertoire ou sous-répertoire auquel il est associé, ; * puis on reclasse ledit document modifié en partant d'un répertoire racine : on associe ledit document modifié à chaque sous-répertoire dont le label correspondant est compris dans le jeu de labels associé audit document modifié, puis pour chaque sous-répertoire auquel le document modifié a été associé, on répète l'association de manière récursive dans les sous- répertoires de niveaux inférieurs, s'ils existent.
Ainsi, un second mécanisme est offert à l'utilisateur pour modifier une organisation arborescente déjà obtenue. Ce second mécanisme repose sur une adaptation locale de l'arborescence, sans que celle-ci soit entièrement recalculée.
De façon avantageuse, ladite étape de modification par un utilisateur d'au moins un jeu de labels est réalisée par : un déplacer/coller, effectué par l'utilisateur via une interface graphique, d'un représentant du document à modifier vers un sous-répertoire cible associé aux documents dont les jeux de labels comprennent un ou des labels désirés ; et une affectation automatique audit document à modifier du label correspondant audit répertoire cible, en remplacement du ou des labels précédemment affectés audit document à modifier.
De cette façon, l'utilisateur peut aisément modifier des labels. De façon avantageuse, ladite étape de modification par un utilisateur d'au moins un jeu de labels est réalisée par : - une sélection, effectuée par l'utilisateur via l'interface homme/machine, d'au moins un sous-répertoire à supprimer ; pour chaque sous-répertoire à supprimer, une suppression automatique, dans les jeux de labels des documents électroniques labellisés : du label correspondant au sous-répertoire à supprimer, ainsi que du label correspondant à chaque sous- répertoire se trouvant entre le sous-répertoire à supprimer et un répertoire racine.
A nouveau, l'utilisateur peut aisément modifier des labels. Dans un autre mode de réalisation, l'invention concerne un produit programme d'ordinateur téléchargeable depuis un réseau de communication et/ou enregistré sur un support lisible par ordinateur et/ou exécutable par un processeur, ce produit programme d'ordinateur comprenant des instructions de code de programme pour l'exécution des étapes du procédé précité (dans au moins un de ses différents modes de réalisation), lorsque ledit programme est exécuté sur un ordinateur.
Dans un autre mode de réalisation, l'invention concerne un dispositif d'organisation de documents électroniques à partir d'un ensemble de documents comprenant des documents labellisés, un document labellisé étant associé à un jeu de labels. Au moins un document labellisé est associé à un jeu de labels d'au moins deux labels. Le dispositif comprend: a) des moyens de labellisation des documents non labellisés de l'ensemble des documents, par prédiction en fonction des documents labellisés et de données descriptives des documents ; b) des moyens de création, appliqués à un répertoire courant associé à un ensemble de documents labellisés, d'un sous-répertoire par label distinct parmi l'ensemble des labels associés aux documents du répertoire courant; c) des moyens d'association, appliqués à chaque sous-répertoire créé, des documents du répertoire courant dont le jeu de label comporte au moins un label correspondant audit sous-répertoire créé ; d) des moyens de modification des jeux de labels des documents du nouveau sous- répertoire par soustraction du label correspondant au sous-répertoire ; e) les moyens b), c) et d) étant appliqués itérativement pour chaque sous-répertoire créé, devenant répertoire courant, jusqu'à obtention de sous-répertoires associés uniquement à des documents dont le jeu de labels est vide.
Plus généralement, le dispositif d'organisation comprend des moyens de mise en œuvre du procédé d'organisation tel que décrit précédemment (dans l'un quelconque de ses différents modes de réalisation).
Dans un autre mode de réalisation, l'invention concerne un équipement électronique multimédia comportant des moyens de stockage de documents multimédias, et des moyens pour mettre en œuvre le procédé d'organisation de documents tel que décrit précédemment (dans l'un quelconque de ses différents modes de réalisation).
4. LISTE DES FIGURES
D'autres caractéristiques et avantages de modes de réalisation de l'invention apparaîtront à la lecture de la description suivante, donnée à titre d'exemple indicatif et non limitatif (tous les modes de réalisation de l'invention ne sont pas limités aux caractéristiques et avantages des modes de réalisation décrits ci-après), et des dessins annexés, dans lesquels : la figure 1 présente un schéma global d'un mode de réalisation particulier du procédé d'organisation selon l'invention ; la figure 2 présente un schéma d'une phase de vectorisation des documents électroniques, comprise dans un mode de réalisation particulier du procédé d'organisation selon l'invention ; la figure 3 présente un schéma d'une phase de création de Q modèles prédictifs, comprise dans la phase de labellisation automatique de la figure 5 ; la figure 4 présente un schéma d'une phase de construction d'une matrice V, comprise dans la phase de labellisation automatique de la figure 5 ; la figure 5 présente un schéma d'une phase de labellisation automatique des documents électroniques, comprise dans un mode de réalisation particulier du procédé d'organisation selon l'invention ; la figure 6 présente un schéma d'une phase de construction d'une arborescence, comprise dans un mode de réalisation particulier du procédé d'organisation selon l'invention ; les figures 7, 8 et 9 présentent les résultats de trois étapes successives de construction d'un exemple d'arborescence, par mise en œuvre de la phase de construction illustrée sur la figure 6 ; la figure 10 illustre le résultat de la prise en compte d'inclusions de labels dans l'arborescence de la figure 9 ; la figure 11 illustre le résultat d'une prise en compte d'une limitation du nombre de labels dans l'arborescence de la figure 10 ; la figure 12 illustre un exemple de déplacement d'un document par l'utilisateur dans l'arborescence de la figure 11 ; la figure 13 illustre l'arborescence résultant du déplacement illustré sur la figure
12 ; - la figure 14 présente un exemple d'IHM d'un système mettant en œuvre un mode de réalisation particulier du procédé d'organisation selon l'invention ; et la figure 15 présente la structure d'un dispositif d'organisation selon un mode de réalisation particulier de l'invention. 5. DESCRIPTION DÉTAILLÉE Sur toutes les figures du présent document, les éléments identiques sont désignés par une même référence numérique. 5.1 Présentation globale
Dans un mode de réalisation particulier, illustré par le schéma global de la figure 1, le procédé d'organisation selon l'invention comprend les étapes (aussi appelées phases par la suite) suivantes :
Phase 0 : Encodage préalable des documents (vectorisation).
Cette première phase n'est pas illustrée sur la figure 1. Elle consiste à encoder chaque document pour le représenter sous une forme vectorielle. Ce type d'encodage est connu de l'homme du métier dès lors qu'on effectue des tâches de classification automatique.
Phase 1 : Définition de labels pour certains documents.
Cette phase 1 est référencée Pl sur la figure 1. L'utilisateur définit des labels et les associe à certains documents qu'il choisit. Notons que l'utilisateur n'est pas du tout obligé de labelliser tous ses documents, une faible proportion suffira. Ainsi, à partir d'un ensemble de documents stockés 5, on obtient un nouvel ensemble de documents 6 dont un premier sous-ensemble 6A contient des documents non labellisés et un second sous-ensemble 6B contient des documents labellisés.
Phase 2 : Labellisation automatique de tous les documents par le système.
Cette phase 2 est référencée P2 sur la figure 1. Le système mettant en œuvre le procédé labellise automatiquement les documents (il généralise tous les labels possibles aux documents déjà labellisés et à ceux n'ayant pas de label) grâce à un module de classification multi-label. On obtient un ensemble de documents tous labellisés 7.
Phase 3 : Génération automatique du plan de classement par le système
Cette phase 3 est référencée P3 sur la figure 1. Le système mettant en œuvre le procédé génère automatiquement une arborescence 8 (aussi appelée organisation arborescente) permettant de classer les documents automatiquement. Les nœuds de cette arborescence, correspondant à des répertoires, sont générés et nommés automatiquement.
Phase 4 : Modification du plan de classement par interaction entre l'utilisateur et le système.
Cette phase 4 est référencée P4 sur la figure 1.
L'utilisateur peut ensuite modifier l'arborescence pour la corriger ou la faire évoluer. Il peut notamment utiliser des interactions classiques d'un système de gestion de fichier de type Windows Explorer (marque déposée). Il peut notamment faire les actions suivantes :
• il peut déplacer des documents d'un répertoire ou sous-répertoire à un autre ;
• il peut changer les labels de certains documents ;
• il peut ajouter de nouveaux documents, labellisés ou non, qui seront automatiquement rangés dans l'arborescence. Le système s'adaptera et adaptera la classification automatiquement, soit par une adaptation locale, soit en repassant par la phase 2.
Le système permet donc de limiter la charge de travail de l'utilisateur pour organiser ses documents :
• en ne labellisant qu'une partie des documents, l'utilisateur pourra ensuite générer une arborescence de classement de manière automatique. Cette arborescence de classement prendra en compte l'aspect multi-labels des documents ;
• en modifiant la classification obtenue de manière interactive, l'utilisateur provoquera une adaptation de l'arborescence de classement pour qu'elle corresponde à ses souhaits. Ici aussi, un minimum d'actions sera nécessaire car le système adapte son arborescence de classement (aussi appelée plan de classement) automatiquement.
Par rapport à un système totalement automatique, ce système a l'avantage de permettre de corriger et de manipuler un résultat de manière interactive, pour obtenir réellement l'arborescence de classement souhaitée.
5.2 Vectorisation des documents
Nous proposons un mode de réalisation particulier qui, sans être limitatif quant aux techniques employées, montre la faisabilité de l'invention. Ce mode de réalisation est tout d'abord basé sur une représentation vectorielle des documents. A partir de cette représentation, chaque document est vu par le système comme un vecteur de RN.
L'ensemble des documents sera donc représenté, après la phase de vectorisation, par une matrice D contenant en ligne la description vectorielle de chaque document, en colonne les propriétés mesurées sur ces documents, et à l'intersection d'une ligne i et d'une colonne j la valeur D10 correspondant à la propriété j pour le document i. En d'autres termes, la phase de vectorisation consiste à transformer un document
(déjà sous forme de fichier informatique) en un vecteur de valeurs numériques (vecteur dans RN). Par exemple, pour une image, cela peut consister en un ensemble de mesures, de fonctions appliquées à la représentation bitmap de l'image. Pour un document texte, cela peut être effectué en calculant, pour un ensemble de mots prédéfinis, les comptes de mots de chaque document. Pour un enregistrement d'une base de données, cela peut consister en des recodages numériques de l'enregistrement, en passant par un codage disjonctif complet des éventuelles valeurs non numériques. La vectorisation des objets est considérée comme un domaine connu de l'état de l'art, typique et particulier de chaque domaine d'application (traitement du signal, text-mining, image, data- mining,...), et n'est donc pas ici précisée davantage.
Un schéma présentant la phase de vectorisation est donné en figure 2. On considère une unité de stockage des documents 21. Tant qu'il existe un document vectorisé (étape 22), on sélectionne un document d non vectorisé (étape 23) puis on choisit une méthode de vectorisation en fonction du type du document (étape 24). On obtient un vecteur Vd de RN qui peut être stocké dans une unité de stockage des documents vectorisés 26.
5.3 Labellisation de certains documents par l'utilisateur
Le système mettant en œuvre le procédé d'organisation permet à l'utilisateur de labelliser certains documents via une IHM qui peut par exemple s'apparenter à celle décrite ci-dessous en relation avec la figure 14.
Cela revient, au niveau du système, à associer à certains documents des labels.
Par exemple, une image de vacances au bord de mer pourra être labellisée par l'utilisateur avec les labels "vacances", "plage" et "Atlantique", tandis qu'une image d'anniversaire en famille pourra être labellisée avec les labels "Anniversaire", "Jean", etc.
Le dispositif d'IHM et la gestion de documents associée, qui permettent la labellisation de documents par un utilisateur, sont considérés comme simple et facilement mise en œuvre par l'homme du métier et ne sont donc pas davantage décrits. Notons que dans le mode de réalisation décrit par la suite, tout document d a pour chaque label x une valeur associée -1, 0 ou +1 qui correspond respectivement à "l'utilisateur a explicitement dit que le document d n'avait pas ce label x", "on ne connaît pas l'affectation du document d au label x", et "l'utilisateur a donné au document d le label x" . 5.4 Labellisation automatique des documents
On suppose maintenant que l'utilisateur dispose d'un ensemble E={di,...,dQ} de documents dont un sous-ensemble T={ti,... ,tk} est labellisé par différents labels. On note L={xi,...,XM} l'ensemble de tous les labels utilisés.
Pour chaque document d de T et pour chaque label x de L, le document d est dans l'un des trois cas suivants :
• soit il a été labellisé par l'utilisateur avec le label x, et on notera que dx=+l ;
• soit l'utilisateur a explicitement ou implicitement demandé au système de retirer le label x au document d, et on notera que dx=-l. Consulter le paragraphe 5.6 ci- dessous pour voir comment sont introduits les labels négatifs ; • soit vis-à-vis du label x le document n'a actuellement aucune information de la part de l'utilisateur ; on notera dx=0.
Une façon pratique de représenter les documents et les labels affectés par l'utilisateur est une matrice avec en ligne les documents et en colonne les différents labels. Soit U la matrice des documents et labels affectés par l'utilisateur. On définit une deuxième matrice, qui va correspondre aux labels affectés aux documents automatiquement par le système. On note V la matrice des documents et labels générés automatiquement par le système.
La matrice V est générée de la façon suivante : V1J = U1J si U10 ≠ 0
Vi,j = P(i,j) si Ulo = O avec i : un document, j : un label, P : une fonction de prédiction. P(i,j) est une fonction de prédiction, implémenté par un module de prédiction automatique des labels en fonction de la description des documents (matrice D). P(i,j) donne la prédiction que le document i ait ou n'ait pas le label j. P(i,j) renvoie une valeur entre -1 et +1. Pour les valeurs négatives, le document i ne contient pas le label j. Pour les valeurs positives, le document i contient le label j. Plus une valeur P(i, j) est négative moins il est probable que le document ait le label j, et réciproquement plus la valeur est positive, plus il est probable que le document ait le label j. Plusieurs méthodes permettent de mettre en œuvre une fonction de prédiction pour tout document et tout label. Une méthode simple est de construire un modèle de classification Cj de type réseau de neurone, ou arbre de décision, ou réseau bayesien pour chaque label j. A chaque label j est donc associé un modèle créé sur la base des exemples décrits par la matrice D et avec pour variable cible le label j. Pour chaque valeur nulle de U10 on utilise le modèle de classification Cj qui prend en entrée la description du document i dans D et qui retourne la valeur prédite pour j pour affectation dans la matrice V.
Pour mettre en œuvre un modèle prédictif (aussi appelé modèle de classification) associé à chaque label j en utilisant les données descriptives de la matrice D, l'homme du métier peut par exemple se référer au document suivant : « Ian H. Witten, Eibe Frank: Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations Morgan Kaufmann 1999 ».
La figure 3 illustre la création de Q modèles prédictifs (aussi appelés classifieurs), un pour chaque label, pour pouvoir affecter des labels aux documents en fonction de leurs seules informations descriptives de départ (issues de leurs représentations préalables sous forme de vecteurs). On dispose des matrices D et U. Pour construire un modèle prédictif Px associé au label x, on utilise les données descriptives de la matrice D comme variables descriptives et les données de la x-ième colonne de la matrice U. Ce modèle prédictif Px est capable de prédire la probabilité du label x pour tout document, en fonction des données descriptives de ce document. A titre d'exemple, le cadre référencé 31i symbolise la génération d'un modèle prédictif associé au label 1, à partir de la matrice D et la colonne 1 (référencée 3O1) de la matrice U. De même, le cadre référencé 3 IQ symbolise la génération d'un modèle prédictif associé au label Q, à partir de la matrice D et la colonne Q (référencée 3OQ) de la matrice U. Le cadre référencé 32 sur la figure 3 symbolise les Q modèles prédictifs obtenus, un spécialisé pour chaque label.
La figure 4 illustre la construction de la matrice V intégrant les labels fournis par l'utilisateur et ceux inférés par le système. On utilise l'ensemble (référencé 32 comme sur la figure 3) des Q modèles prédictifs 32i,...32Q, pour générer la matrice V à partir des matrices D et U.
La figure 5 présente un schéma global de cette phase de labellisation automatique des documents. On suppose que la phase de vectorisation a déjà été effectuée (pré-codage des documents). On dispose d'un ensemble de documents (référencé 6 comme sur la figure 1) dont un premier sous-ensemble 6A contient des documents non labellisés et un second sous-ensemble 6B contient des documents labellisés. Dans une étape 51, on constitue la matrice U des documents avec au moins un label, dans une étape 52, on crée des modèles prédictifs automatiques à partir de la matrice U et de la matrice D. Dans une étape 53, on génère la matrice V intégrant les labels utilisateurs et les labels prédits par le système. Dans une étape 54, on génère une matrice W par seuillage de la matrice V avec le paramètre alpha (voir paragraphe 5.5 ci- après). Dans une étape 55, on adapte éventuellement la matrice W par modification du seuil alpha, pour limiter le nombre de labels par document. 5.5 Construction de l'arborescence
Pour construire l'arborescence, on utilise le résultat du seuillage de la matrice V dans une matrice W. Un seuil alpha (modifiable par l'utilisateur) permet de déterminer quels seront les labels réellement considéré comme positif. Par défaut, alpha=0,5. La matrice V est seuillée selon le principe suivant : Début pour chaque cellule V1J : si VU}>alpha alors W1J=I sinon W1J=O
Fin pour Fin seuillage.
La construction de l'arborescence est effectuée de manière récursive par niveaux. Au premier niveau, tous les documents se situent dans un répertoire unique qui constitue la racine R de l'arbre en construction. Chaque document est associé à un ou plusieurs labels selon la matrice W. 5.5.1 Arborescente complète
On intègre ensuite une variante de l'algorithme de Borda (voir le document suivant : « Bordât, J. P., calcul pratique du treillis de Galois d'une correspondance, Math. Sci. Hum., 1986, no. 96, pp 31-47 »), appliquée au contenu de la matrice W, et décrite ci- après.
L'ensemble des labels L={xi,...,xm} va donner naissance à un ensemble de sous- répertoires {Ri,...,Rm} directs du répertoire racine (c'est-à-dire à des nœuds fils), chaque nouveau sous répertoire R1 correspondant à exactement un label X1 de L. A ce stade, un seuil gamma fixe le nombre maximal de répertoires ou de sous- répertoire qu'on peut avoir à un nœud donné de l'arborescence. Si le nombre de labels dépasse gamma, alors on trie les labels par ordre décroissant de fréquence. On sélectionne les gamma premiers labels. Les autres labels sont temporairement masqués. Un répertoire complémentaire nommé "Autre" est créé pour pouvoir affecter chaque document ayant un label temporairement masqué. Chaque répertoire va contenir les documents labellisés par le label correspondant. Un même document va alors pouvoir appartenir à plusieurs sous- répertoires, si plusieurs labels différents sont associés à celui-ci. Une nouvelle fonction de labellisation va alors être définie pour chaque nouveau répertoire de la manière suivante. Pour tout document d dans le répertoire R1, les labels LR1(d)={L(d)-{x1} } sont associés. C'est-à-dire que, dans un répertoire R1 quelconque de l'arborescence correspondant à un label X1, l'ensemble des labels (aussi appelé jeu de labels) de chaque document d dans R1 est l'ensemble des labels de d dans le répertoire père de R1 auquel le label X1 a été retiré. Si un document possède un ensemble vide de labels dans un répertoire de l'arborescence (ce qui est le cas de tous les documents à un certain niveau de l'arborescence, puisqu'en descendant d'un niveau au niveau inférieur, chaque document perd un des ses labels), celui-ci reste dans ce répertoire courant et n'est donc pas déplacé dans des sous-répertoires fils. Ce processus est ensuite itéré sur chaque sous répertoire R1, en prenant en compte les nouveaux labels. Un répertoire ne contenant que des documents sans label ne donne naissance à aucun sous-répertoire.
La figure 6 présente un schéma global de cette phase de construction d'une arborescence. On dispose d'un ensemble de documents labellisés (référencé 7 comme sur la figure 1). Dans une étape 61, on place une copie de l'ensemble des documents labellisé dans un répertoire racine R. Pour chaque label x non contenu dans un autre label x' (étape de condition 62), on construit un nouveau sous-répertoire Rx, dans la limite de gamma sous-répertoires (étape 63). Pour chaque document d labellisé par x selon la matrice W (étape de condition 64), on place le document d dans le sous- répertoire Rx (étape 65) puis on supprime le label x du jeu de labels associé au document d contenu dans le sous-répertoire Rx (étape 66). Enfin, on applique de manière récursive la construction de l'arborescence au sous-répertoire Rx (étape 67)
Prenons l'exemple suivant d'un ensemble D de six documents, D={d,di,...,ds}, labellisés avec cinq labels (X1, x2, x3, X4, X5). On a plus précisément les jeux de labels suivants : L(d)={xi, x2, x5}, L(di)={xi, x3}, L(d2)={x2, xs}, L(d3)={xi, x4}, L(d4)={xi} et L(d5)={x3}. La figure 7 montre le répertoire racine R contenant ces six documents. Le jeu de labels X1 associé à chaque document est également représenté.
Comme illustré sur la figure 8, la première étape de construction de l'arborescence donne cinq sous-répertoires R1, R2, R3, R4 et R5, correspondant respectivement aux labels X1, x2, x3, x4 et X5. Ri contient les documents d, di, d3 et d4 avec les labels LRi(d)={x2, X5}, LRi(di)={x3}, LRi(d3)={x4} et LRi(d4)={ }. R2 contient les documents d et d2 avec les labels X5} et LR2(d2)=(xs}. R3 contient les documents di et ds avec les labels LR3(di)=(xi} et LR3(ds)={ }. R4 contient le document d3, avec le label LR4(d3)=(xi}. R5 contient les documents d et d2, avec les labels LR5(d)=(xi, x2} et LR5(d2)=(x2}.
Le processus de construction de l'arborescence continue sur le niveau suivant. Ainsi, le sous-répertoire Ri donne naissance aux sous-répertoires Ri2, Ri3, Ri4 et R15. Ri2 contient le document d de label X5. Ri3 contient le document di sans label. Ri4 contient le document d3 sans label. R15 contient le document d de label x2. Le sous- répertoire R2 donne naissance aux sous-répertoires R2i et R25. R2i contient les documents d de label X5. R25 contient les documents d de label X1 et d2 sans label. Le sous-répertoire R3 donne naissance au sous-répertoire R3i. R3i contient les documents di sans label. Le sous-répertoire R4 donne naissance au sous-répertoire R4I contenant le document d3 sans label. Le sous-répertoire R5 donne naissance au sous-répertoire R51 contenant le document d2 de label x2 et au sous-répertoire R52 contenant les documents d de label X1 et d2 sans label.
Le processus continue avec le niveau suivant. Le sous-répertoire Ri2 donne naissance au sous-répertoire Ri25 contenant le document d. Le sous-répertoire Ri3 contenant le document di sans label, il ne donne naissance à aucun nouveau sous- répertoire. Il en est de même pour les sous-répertoires Ri4, R31 et R4I. Le sous-répertoire
R15 donne naissance au sous-répertoire RiS2 contenant le document d. Le sous-répertoire R2I donne naissance au sous-répertoire R2i5 contenant le document d. Le sous-répertoire R25 donne naissance au sous-répertoire R25i contenant le document d. Le sous-répertoire R51 donne naissance au sous-répertoire Rsi2 contenant le document d. Le sous-répertoire R52 donne naissance au sous-répertoire R52I contenant le document d. Aucun des documents contenus dans les sous-répertoires de ce niveau ne possède de label. Le processus s'arrête donc à ce niveau.
La figure 9 illustre l'arborescence complète à l'issue du processus. 5.5.2 Elagage 5.5.2.1 Inclusion de labels
Afin de simplifier la structure arborescente obtenue, nous allons maintenant montrer comment en supprimer certaines parties redondantes. Supposons que pour un label x et un label x' la propriété suivante est vérifiée : l'ensemble des documents labellisés par x' sont également labellisés par x. On dira dans ce cas que x contient x'. Alors si x' contient également x, les labels x et x' sont équivalents. Dans ce cas, le processus de construction de l'arborescence ne fera pas de distinction entre x et x', par exemple en supprimant l'un des deux labels. Cette suppression ne sera valable que pendant la construction, à l'issue de laquelle les documents retrouveront tous leurs labels. Dans notre exemple, le label x2 est équivalent au label X5, ce qui implique la suppression des répertoires R5, R51, R52, R512, R521, R125, R15, R152, R215, R25 et R251 (suppression du label x5 pendant la construction de l'arborescence).
Par ailleurs, si x contient x' sans que x' ne contienne x, alors l'utilité du label x' réside dans le fait de distinguer entre eux certains éléments labellisés par x. Ainsi, dans le processus de création de l'arbre, le label x' ne provoquera la construction d'un nouveau sous-répertoire que dans une partie de l'arborescence située sous les répertoires issus du label x.
Dans notre exemple, les répertoires R4 et R4i doivent être supprimés, puisque le label xi contient le label x4. Par contre le répertoire Ri4 issu de x4 est conservé puisqu'il se situe sous le répertoire Ri issu de X1.
Finalement, la structure de l'organisation arborescente prenant en compte l'inclusion de labels est donnée dans la figure 10. 5.5.2.2 Limitation du nombre de labels
Dans l'optique de simplifier la structure, il peut apparaître utile de limiter le nombre de labels automatiquement attribués à un document par le système pendant la première phase d'exécution. Ainsi, on pourra par exemple limiter ce nombre au nombre maximal de labels attribués à un document déjà labellisé.
Reprenons notre exemple en supposant que le nombre maximal de labels affectés à un document au départ est de 2. Or nous avons vu que 3 labels sont automatiquement attribués au document d (à savoir X1, x2 et X5). Il convient donc dans cet exemple de supprimer l'un des labels attribués au document d.
Nous pouvons mettre en place la limitation grâce au seuillage alpha. A partir de la matrice V, on diminue le seuil alpha (par petites unités, par exemple 0,001) tant que le nombre moyen de labels prédits et positifs par document dans la matrice résultante W est supérieur à un nombre fixé par l'utilisateur.
La figure 11 montre l'arborescence obtenue, après limitation du nombre de labels (c'est le label xiqui a été supprimé du jeu de labels associé au document d). 5.6 Modifications de l'arborescence
Nous avons vu que l'organisation des données s'effectue en deux phases successives : la première phase labellisé les documents non labellisés et la seconde construit l'arborescence. Les positions occupées dans l'arborescence par les documents non initialement labellisés dépendent de la manière dont le processus a effectué sa labellisation. On peut ensuite supposer que l'utilisateur souhaite effectuer une correction sur un ou plusieurs labels de documents. Dans ce cas, le système va prendre en compte ces corrections (suppression et/ou ajout de labels à des documents choisis par l'utilisateur) selon l'un des processus suivants :
1) Prise en compte avec modification immédiate de l'arborescence. L'arborescence courante est complètement supprimée. Les labels affectés automatiquement aux documents non labellisés par l'utilisateur sont supprimés. Le processus est exécuté à nouveau (labellisation automatique des documents puis construction de l'arborescence) en incluant les nouveaux labels.
2) Prise en compte locale avec réajustement différé de l'arborescence.
Chaque document dont le jeu de labels associé a été modifié est supprimé de tous les sous-répertoires dans lequel il apparaît. Puis il est reclassé tout seul en partant du haut de la hiérarchie, en l'affectant à chaque sous-répertoire pour lequel il possède le label correspondant. Pour chaque sous-répertoire où le document a été affecté, le procédé est répété de manière récursive dans les sous-répertoires s'ils existent. Au bout d'un certain nombre de modifications, on a effectué le processus souhaité. Le nombre de modifications dépend de la puissance de la machine qui exécute le procédé d'organisation.
5.6.1 Déplacement d'un document
Dans une implantation du système sous forme d'une interface graphique, le mécanisme suivant peut être intégré : afin de modifier les labels attribués à un document, l'utilisateur effectue un déplacer/coller d'un représentant (icône) de ce document vers un sous-répertoire contenant des documents ayant les labels désirés (si un tel sous-répertoire existe).
Dans notre exemple, nous avons vu que les labels x2 et X5 sont attribués au document d automatiquement. Si l'utilisateur sélectionne le document d dans le répertoire R2 et le déplace dans le répertoire Ri (voir la figure 12) alors le label X1 lui sera automatiquement affecté (avec la valeur +1) en remplacement des labels x2 et X5
(qui prendront eux la valeur -1) (voir la figure 13).
Il est à noter que le fait de déplacer un document non labellisé initialement fournit un nouveau document labellisé au départ du processus. Il est donc possible que la labellisation automatique d'autres documents soit modifiée (par la modification des sphères de voisinage). Cette modification est souhaitable, dans la mesure où il s'agit d'une généralisation d'une correction apportée par l'utilisateur à d'autres documents que celui explicitement déplacé.
5.6.2 Suppression d'une partie de l'arborescence
Un ou plusieurs sous-répertoires peuvent être considérés comme inutiles par l'utilisateur. Dans ce cas, il est possible de les supprimer de la manière suivante : l'utilisateur sélectionne un sous-répertoire à supprimer. Ce sous-répertoire a été créé à partir de labels {x!i,...,Xiq} (c'est-à-dire les labels ayant donné naissance au répertoire sélectionné, ainsi qu'aux répertoires situés sur le chemin menant de la racine au répertoire sélectionné). Alors le système va automatiquement supprimer l'ensemble de l'arborescence, il va supprimer les labels {x^. - .Aq} de tous les jeux de labels associés aux documents et exécuter une nouvelle construction automatique de l'arborescence prenant en compte la nouvelle labellisation des documents. 5.6.3 Modification des labels
A tout moment, l'utilisateur a la possibilité de modifier (ajout, suppression, remplacement) un ou plusieurs label(s) correspondant à un ou plusieurs documents. Le système prend en compte cette modification de la façon suivante :
• Cas de l'ajout d'un nouveau label y : le label est ajouté à la liste des labels L, et aux matrices U, V, W.
• Cas de l'ajout d'un label y existant à un document d qui n'avait pas ce label : Ud,y=+1, et le label est associé au document en question.
• Cas de la suppression d'un label y du jeu de labels associé à un document d (qui avait donc auparavant ce label), soit par une affectation de l'utilisateur, soit par une prédiction du système : Ud,y=-1, et le label est associé de manière négative au document en question. 5.7 Exemple de réalisation d'une IHM du système
La figure 14 présente un exemple d'IHM d'un système mettant en œuvre un mode de réalisation particulier du procédé d'organisation selon l'invention. On peut distinguer les trois zones suivantes :
• une zone 141 contenant l'arborescence ; • une zone 142 contenant un ensemble le labels possibles ; et
• une zone 143 contenant des représentants (icônes) des documents contenus dans le répertoire ou sous-répertoire sélectionné.
Dans cet exemple, c'est le sous-répertoire « CLOUDS » (« nuages » en français) qui est sélectionné (il apparaît pour cette raison en grisé dans l'arborescence de la zone référencée 141).
5.8 Dispositif mettant en œuyre le procédé d'organisation
La figure 15 présente la structure simplifiée d'un dispositif d'organisation selon un mode de réalisation particulier de l'invention, qui comprend une mémoire RAM 153, une unité de traitement 151, équipée par exemple d'un microprocesseur, et pilotée par un programme d'ordinateur 152 mettant en oeuvre le procédé d'organisation selon l'invention (par exemple le mode de réalisation particulier décrit ci-dessus en relation avec les figures 1 à 14). A l'initialisation, les instructions de code du programme d'ordinateur 152 sont par exemple chargées dans la mémoire RAM avant d'être exécutées par le processeur de l'unité de traitement 151. L'unité de traitement 151 reçoit en entrée 150 des documents électroniques et permet à l'utilisateur, via une IHM, d'en labelliser certains. L'unité de traitement 151 traite l'ensemble des documents (certains ayant été labellisés par l'utilisateur, et d'autres non), selon les instructions du programme 152, afin d'obtenir une organisation arborescente 154 (aussi appelée arborescence ou encore arbre de classification). L'unité de traitement 151 délivre en sortie cette organisation arborescente 154 et permet à l'utilisateur, via une IHM, de la modifier.
Le dispositif selon l'invention peut-être intégré dans un équipement électronique multimédia qui comporte un moyen de stockage de documents multimédias (images, fichiers musicaux, documents écrits...). Cet équipement est par exemple un lecteur de fichier musicaux avec une interface graphique, un ordinateur de poche ou agenda électronique, un téléphone mobile avec ou sans dispositif photographique.
Ainsi, le procédé d'organisation de documents électroniques selon l'invention, peut être mis en œuvre sur ce type d'équipement pour classer les contenus multimédias stockés.

Claims

REVENDICATIONS
1. Procédé d'organisation de documents électroniques à partir d'un ensemble de documents comprenant des documents labellisés, un document labellisé étant associé à un jeu de labels, caractérisé en ce qu'au moins un document labellisé est associé à un jeu de labels d'au moins deux labels et en ce que le procédé comprend les étapes suivantes : a) labellisation (P2) des documents non labellisés de l'ensemble des documents, par prédiction en fonction des documents labellisés et de données descriptives des documents ; à partir d'un répertoire courant associé à un ensemble de documents labellisés : b) création (P3 ; 63) d'un sous-répertoire par label distinct parmi l'ensemble des labels associés aux documents du répertoire courant ; par sous-répertoire créé : c) association (P3 ; 65) des documents du répertoire courant dont le jeu de label comporte au moins un label correspondant audit sous-répertoire créé ; d) modification (P3 ; 66) des jeux de labels des documents du nouveau sous- répertoire par soustraction du label correspondant au sous-répertoire ; à partir de chaque sous-répertoire créé, devenant répertoire courant : e) itération des étapes b), c) et d) jusqu'à obtention de sous-répertoires associés uniquement à des documents dont le jeu de labels est vide.
2. Procédé selon la revendication 1, caractérisé en ce qu'on entend par association d'un document donné à un sous-répertoire, le fait que ledit document donné est physiquement déplacé depuis une unité de stockage initiale vers ledit sous-répertoire donné.
3. Procédé selon la revendication 1, caractérisé en ce qu'on entend par association d'un document donné à un sous-répertoire, le fait que ledit document donné demeure dans une unité de stockage initiale et qu'un identifiant unique dudit document donné est placé dans ledit sous-répertoire donné.
4. Procédé selon l'une quelconque des revendications 1 à 3, caractérisé en ce que l'étape b) est précédée de l'étape suivante : - si le nombre de labels différents associés aux documents du répertoire courant est supérieur à un seuil prédéterminé S, alors on trie les labels par ordre décroissant de fréquence et on sélectionne les S premiers labels, seuls les labels sélectionnés étant pris en compte pour effectuer les étapes suivantes.
5. Procédé selon l'une quelconque des revendications 1 à 4, caractérisé en ce que, s'il existe des premier et second labels tels que : - la condition suivante est vérifiée : pour tous les documents électroniques labellisés dont le jeu de labels comprend ledit second label, ledit jeu de labels comprend aussi ledit premier label, et la condition suivante est vérifiée : pour tous les documents électroniques labellisés dont le jeu de labels comprend ledit premier label, ledit jeu de labels comprend aussi ledit second label, alors l'un desdits premier et second labels est supprimé uniquement pendant lesdites étapes b) à e), chaque document électronique labellisé retrouvant tous ses labels à l'issue desdites étapes b) à e).
6. Procédé selon l'une quelconque des revendications 1 à 5, caractérisé en ce que, s'il existe des premier et second labels tels que : la condition suivante est vérifiée : pour tous les documents électroniques labellisés dont le jeu de labels comprend ledit second label, ledit jeu de labels comprend aussi ledit premier label, et la condition suivante n'est pas vérifiée : pour tous les documents électroniques labellisés dont le jeu de labels comprend ledit premier label, ledit jeu de labels comprend aussi ledit second label, alors, au cours desdites étapes b) à e), ledit second label ne provoque la création d'un sous-répertoire que sous le sous-répertoire issu du premier label.
7. Procédé selon l'une quelconque des revendications 1 à 6, caractérisé en ce que ladite étape de labellisation comprend une étape de génération d'une matrice V de la façon suivante :
V10 = U10 si U10 ≠ 0 O avec i : un document électronique parmi l'ensemble des documents électroniques, j : un label parmi un ensemble de labels possibles, P : une fonction de prédiction en fonction de données descriptives des documents électroniques, et U : une matrice des documents électroniques et labels affectés par un utilisateur, telle que « U10 ≠ 0 » signifie que l'utilisateur a décidé d'associer ou non le label j au document électronique i, et « U10 = 0 » signifie que l'utilisateur n'a pas formulé aucun avis sur le fait que le label j doit ou non être associé au document électronique i.
8. Procédé selon la revendication 7, caractérisé en ce que :
U1J = 1, si l'utilisateur a associé le label j au document électronique i ;
U1J = -1, si l'utilisateur a décidé de ne pas associer le label j au document électronique i ;
P(i,j) renvoie une valeur entre -1 et +1, plus la valeur de P(i, j) étant négative moins il est probable que le document électronique i soit associé au label j, et réciproquement plus la valeur de P(i, j) étant positive, plus il est probable que le document électronique i soit associé au label j.
9. Procédé selon la revendication 8, caractérisé en ce que ladite étape de labellisation comprend une étape de seuillage de ladite matrice V dans une matrice W de la façon suivante : si V10 > alpha alors W1J = 1 sinon W1J = 0, avec alpha un seuil déterminé compris entre 0 et 1, et en ce que seuls les éléments W10 non nuls sont utilisés dans lesdites étapes b) à e).
10. Procédé selon l'une quelconque des revendications 1 à 9, caractérisé en ce qu'il comprend une étape de limitation du nombre de labels automatiquement attribués à un document électronique.
11. Procédé selon l'une quelconque des revendications 1 à 10, caractérisé en ce que lesdites étapes b) à e) sont suivies des étapes suivantes : modification par un utilisateur, via une interface homme/machine, d'au moins un jeu de labels parmi les jeux de labels associés aux documents électroniques labellisés ; suppression d'une organisation arborescente résultant de l'exécution desdites étapes b) à e) ; nouvelle exécution desdites étapes b) à e), en tenant compte dudit au moins jeu de labels modifié par l'utilisateur.
12. Procédé selon l'une quelconque des revendications 1 à 10, caractérisé en ce que lesdites étapes b) à e) sont suivies des étapes suivantes : modification par un utilisateur, via une interface homme/machine, d'au moins un jeu de labels parmi les jeux de labels associés aux documents électroniques labellisés ; pour chaque document électronique labellisé dont le jeu de labels associé a été modifié par l'utilisateur, dit document modifié :
* ledit document modifié est supprimé de chaque répertoire ou sous-répertoire auquel il est associé, ;
* puis on reclasse ledit document modifié en partant d'un répertoire racine : on associe ledit document modifié à chaque sous-répertoire dont le label correspondant est compris dans le jeu de labels associé audit document modifié, puis pour chaque sous-répertoire auquel le document modifié a été associé, on répète l'association de manière récursive dans les sous- répertoires de niveaux inférieurs, s'ils existent.
13. Procédé selon l'une quelconque des revendications 11 et 12, caractérisé en ce que ladite étape de modification par un utilisateur d'au moins un jeu de labels est réalisée par : un déplacer/coller, effectué par l'utilisateur via une interface graphique, d'un représentant du document à modifier vers un sous-répertoire cible associé aux documents dont les jeux de labels comprennent un ou des labels désirés ; et - une affectation automatique audit document à modifier du label correspondant audit répertoire cible, en remplacement du ou des labels précédemment affectés audit document à modifier.
14. Procédé selon l'une quelconque des revendications 11 et 12, caractérisé en ce que ladite étape de modification par un utilisateur d'au moins un jeu de labels est réalisée par : une sélection, effectuée par l'utilisateur via l'interface homme/machine, d'au moins un sous-répertoire à supprimer ; pour chaque sous-répertoire à supprimer, une suppression automatique, dans les jeux de labels des documents électroniques labellisés : du label correspondant au sous-répertoire à supprimer, ainsi que du label correspondant à chaque sous- répertoire se trouvant entre le sous-répertoire à supprimer et un répertoire racine.
15. Produit programme d'ordinateur téléchargeable depuis un réseau de communication et/ou enregistré sur un support lisible par ordinateur et/ou exécutable par un processeur, caractérisé en ce qu'il comprend des instructions de code de programme pour l'exécution des étapes du procédé selon au moins une des revendications 1 à 14, lorsque ledit programme est exécuté sur un ordinateur.
16. Dispositif d'organisation de documents électroniques à partir d'un ensemble de documents comprenant des documents labellisés, un document labellisé étant associé à un jeu de labels, caractérisé en ce qu'au moins un document labellisé est associé à un jeu de labels d'au moins deux labels et en ce que le dispositif comprend: a) des moyens de labellisation des documents non labellisés de l'ensemble des documents, par prédiction en fonction des documents labellisés et de données descriptives des documents ; b) des moyens de création, appliqués à un répertoire courant associé à un ensemble de documents labellisés, d'un sous-répertoire par label distinct parmi l'ensemble des labels associés aux documents du répertoire courant; c) des moyens d'association, appliqués à chaque sous-répertoire créé, des documents du répertoire courant dont le jeu de label comporte au moins un label correspondant audit sous-répertoire créé ; d) des moyens de modification des jeux de labels des documents du nouveau sous- répertoire par soustraction du label correspondant au sous-répertoire ; e) les moyens b), c) et d) étant appliqués itérativement pour chaque sous-répertoire créé, devenant répertoire courant, jusqu'à obtention de sous-répertoires associés uniquement à des documents dont le jeu de labels est vide.
17. Equipement électronique multimédia comportant des moyens de stockage de documents multimédias caractérisé en ce qu'il comporte des moyens pour mettre en œuvre le procédé d'organisation de documents selon l'une quelconque des revendications 1 à 14.
EP07871877A 2006-12-22 2007-12-05 Procédé et dispositif d'organisation de documents électroniques, produit programme d'ordinateur et équipement électronique multimedia correspondants Withdrawn EP2102770A2 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0611347A FR2910661A1 (fr) 2006-12-22 2006-12-22 Procede et dispositif d'organisation de documents electroniques, produit programme d'ordinateur et equipement electronique multimedia correspondants.
PCT/FR2007/052442 WO2008081129A2 (fr) 2006-12-22 2007-12-05 Procédé et dispositif d'organisation de documents électroniques, produit programme d'ordinateur et équipement électronique multimedia correspondants

Publications (1)

Publication Number Publication Date
EP2102770A2 true EP2102770A2 (fr) 2009-09-23

Family

ID=38198407

Family Applications (1)

Application Number Title Priority Date Filing Date
EP07871877A Withdrawn EP2102770A2 (fr) 2006-12-22 2007-12-05 Procédé et dispositif d'organisation de documents électroniques, produit programme d'ordinateur et équipement électronique multimedia correspondants

Country Status (3)

Country Link
EP (1) EP2102770A2 (fr)
FR (1) FR2910661A1 (fr)
WO (1) WO2008081129A2 (fr)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11625141B2 (en) * 2020-09-22 2023-04-11 Servicenow, Inc. User interface generation with machine learning

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU6263101A (en) * 2000-05-26 2001-12-03 Tzunami Inc. Method and system for organizing objects according to information categories
US7158962B2 (en) * 2002-11-27 2007-01-02 International Business Machines Corporation System and method for automatically linking items with multiple attributes to multiple levels of folders within a content management system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2008081129A2 *

Also Published As

Publication number Publication date
WO2008081129A2 (fr) 2008-07-10
FR2910661A1 (fr) 2008-06-27
WO2008081129A3 (fr) 2008-09-18

Similar Documents

Publication Publication Date Title
US12353489B2 (en) Workflow relationship management and contextualization
US10949383B2 (en) Electronic document classification
CA2704344C (fr) Systeme de classification de documents electroniques
US20250005072A1 (en) User activity history experiences powered by a machine learning model
CN1677356A (zh) 使用基于时间线的计算环境恢复数据的方法、介质和系统
HUP0200614A2 (en) Automated file pruning
FR2845236A1 (fr) Systemes et procedes pour inserer une etiquette de metadonnees dans un document
JP2005025728A (ja) 理想的な情報抽象化、隠蔽および順序付けによって、視覚的複雑さおよび検索労力を低減するためのモデルおよび方法
KR20080005531A (ko) 데이터 파일을 검색하는 컴퓨터 구현 방법 및 그 컴퓨터판독가능 매체
EP1515239A1 (fr) Procédé et systéme de manipulation de données issues de bases de données multidimensionnelles à l'aide d'un tableur
FR2698977A1 (fr) Système d'information multimédia.
FR2951295A1 (fr) Procede pour le remplacement d'un contenu visuel prenant en consideration des exigences de cout, droit d'auteur et confidentialite
US20080222168A1 (en) Method and System for Hierarchical Document Management in a Document Review System
EP0880748B1 (fr) Procede d'exploitation d'un ordinateur gerant des echanges d'informations et procede d'etablissement de formulaires
US20050141497A1 (en) Data classification management system and method thereof
WO2009121808A1 (fr) Procede de gestion de messages electroniques a partir d'un client de messagerie et systeme pour mettre en oeuvre le procede
EP2102770A2 (fr) Procédé et dispositif d'organisation de documents électroniques, produit programme d'ordinateur et équipement électronique multimedia correspondants
US20090037458A1 (en) Assistance Method and Device for Building The Aborescence of an Electronic Document Group
JP2006236329A (ja) アイテムのセットの作成および構成
US20240249243A1 (en) Facilitating generation of item insights
FR2828308A1 (fr) Systeme de gestion d'une base de donnees topologique
US12248657B2 (en) Expanded preview mode for folders
JP4194305B2 (ja) ファイル管理方法及び装置及びプログラム
FR2969332A1 (fr) Traitement perfectionne de donnees d'interface graphique.
EP3685252A1 (fr) Procédé d'exploitation d'un dispositif informatique et dispositif informatique mettant en oeuvre celui-ci

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20090513

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC MT NL PL PT RO SE SI SK TR

DAX Request for extension of the european patent (deleted)
RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: ORANGE

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20160701