ScholarGate
Assistant
Process / pipeline

Similarité sémantique — Mesurer le sens entre les textes

L'analyse de similarité sémantique mesure la proximité de sens entre deux textes, plutôt que le nombre de mots qu'ils partagent en surface. S'appuyant sur les travaux de Reimers et Gurevych (2019) sur Sentence-BERT, elle représente chaque texte comme un vecteur et compare ces vecteurs de sorte que les paraphrases obtiennent un score élevé même lorsque leur formulation diffère.

Ouvrir dans MethodMindBientôtVidéoBientôtTélécharger les diapositives

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Carte des méthodes

Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.

Sources

  1. Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. EMNLP. link
  2. Agirre, E. et al. (2013). *SEM 2013 shared task: Semantic Textual Similarity. ACL (*SEM). link

Comment citer cette page

ScholarGate. (2026, June 1). Semantic Similarity Analysis. ScholarGate. https://scholargate.app/fr/text-mining/semantic-similarity

Quelle méthode ?

Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.

Comparer côte à côte

Référencée par

ScholarGateSemantic Similarity (Semantic Similarity Analysis). Consulté le 2026-06-15 sur https://scholargate.app/fr/text-mining/semantic-similarity · Jeu de données : https://doi.org/10.5281/zenodo.20539026