{"id":197775,"date":"2023-06-07T08:24:30","date_gmt":"2023-06-07T08:24:30","guid":{"rendered":"https:\/\/datascientest.com\/?p=197775"},"modified":"2023-11-09T13:52:10","modified_gmt":"2023-11-09T13:52:10","slug":"gensim-tout-savoir","status":"publish","type":"post","link":"https:\/\/datascientest.com\/gensim-tout-savoir","title":{"rendered":"Gensim : La biblioth\u00e8que Python pour le topic modelling"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"197775\" class=\"elementor elementor-197775\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-01ac244 e-flex e-con-boxed e-con\" data-id=\"01ac244\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6c2b527 elementor-widget elementor-widget-heading\" data-id=\"6c2b527\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Gensim est une biblioth\u00e8que Open Source de traitement de langage naturel (NLP) en Python dont le but est de rendre la mod\u00e9lisation de sujet  (topic modelling) aussi facile d\u2019acc\u00e8s et efficace que possible.<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-e087e7b e-flex e-con-boxed e-con\" data-id=\"e087e7b\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-13936fb elementor-widget elementor-widget-text-editor\" data-id=\"13936fb\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p><span style=\"font-weight: 400;\">Dans un premier temps il est important de comprendre ce qu\u2019est la mod\u00e9lisation de sujet. C\u2019est une <a href=\"https:\/\/datascientest.com\/apprentissage-non-supervise\">technique de Machine Learning, dite \u201cnon supervis\u00e9e\u201d<\/a>, qui analyse automatiquement des ensembles de textes pour en faire ressortir les sujets principaux.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">Le fonctionnement du topic modelling est assez simple. Il s\u2019agit de compter les mots et de grouper des trames de mots pour en d\u00e9duire le th\u00e8me au sein de donn\u00e9es non structur\u00e9es.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-b07b480 e-flex e-con-boxed e-con\" data-id=\"b07b480\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-7755efe elementor-widget elementor-widget-heading\" data-id=\"7755efe\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Les fonctionnalit\u00e9s de Gensim<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c0d3f27 elementor-widget elementor-widget-text-editor\" data-id=\"c0d3f27\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Gensim se concentre sur l\u2019apprentissage non supervis\u00e9 et propose diff\u00e9rentes fonctions et algorithmes pour traiter les t\u00e2ches suivantes :<\/span><\/p><p><span style=\"font-weight: 400;\">Le<\/span><b> pr\u00e9traitement<\/b> <b>de texte<\/b><span style=\"font-weight: 400;\"> est une \u00e9tape importante pour pr\u00e9parer les donn\u00e9es textuelles avant leur analyse. Cela inclut la suppression des stopwords, la lemmatisation, la normalisation de la casse et la suppression des mots fr\u00e9quents.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">Ces fonctions permettent de nettoyer les donn\u00e9es textuelles et de les rendre plus facilement exploitables.<\/span><\/p><p><span style=\"font-weight: 400;\">Pour la <\/span><b>mod\u00e9lisation de sujets<\/b><span style=\"font-weight: 400;\">, comme dit plus t\u00f4t le but est de trouver les th\u00e8mes dans un ensemble de textes. Gensim int\u00e8gre notamment des algorithmes tels que Latent Dirichlet Allocation (LDA) et Hierarchical Dirichlet Process (HDP).\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">La mod\u00e9lisation de sujets est utile pour l&rsquo;analyse de grandes quantit\u00e9s de textes, notamment dans le domaine de la recherche d&rsquo;informations et de l&rsquo;analyse de sentiments.<\/span><\/p><p><span style=\"font-weight: 400;\">La <\/span><b>similarit\u00e9 s\u00e9mantique<\/b><span style=\"font-weight: 400;\"> est une mesure de la proximit\u00e9 s\u00e9mantique entre deux textes ou deux mots.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">La <\/span><b>classification de texte<\/b><span style=\"font-weight: 400;\"> est une technique de NLP qui permet de classifier les textes dans des cat\u00e9gories pr\u00e9d\u00e9finies. Par exemple l&rsquo;analyse de sentiment, qui permet de classifier les textes en fonction de leur tonalit\u00e9 \u00e9motionnelle.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">La <\/span><b>recherche d&rsquo;informations<\/b><span style=\"font-weight: 400;\"> est une technique de <a href=\"https:\/\/datascientest.com\/introduction-au-nlp-natural-language-processing\">NLP<\/a> qui permet de trouver des informations pertinentes dans un ensemble de textes. Gensim propose des algorithmes comme l&rsquo;<\/span><b>indexation inverse<\/b><span style=\"font-weight: 400;\"> (qui permet de cr\u00e9er un index de tous les mots dans un ensemble de textes) et la <\/span><b>recherche de termes<\/b><span style=\"font-weight: 400;\">(permettant de trouver des textes contenant un mot ou une expression sp\u00e9cifique).\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">La recherche d&rsquo;informations est utile pour l&rsquo;analyse de grands ensembles de textes, notamment dans le domaine de la veille strat\u00e9gique et de l&rsquo;analyse des m\u00e9dias sociaux.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1e5c23d elementor-widget elementor-widget-image\" data-id=\"1e5c23d\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"450\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/04\/nlp-gensim.png\" class=\"attachment-full size-full wp-image-197790\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/04\/nlp-gensim.png 800w, https:\/\/datascientest.com\/wp-content\/uploads\/2023\/04\/nlp-gensim-300x169.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2023\/04\/nlp-gensim-768x432.png 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-980d78f elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"980d78f\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formations-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Ma\u00eetriser les fonctionnalit\u00e9s de Gensim<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-398548e e-flex e-con-boxed e-con\" data-id=\"398548e\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-8fd1564 elementor-widget elementor-widget-heading\" data-id=\"8fd1564\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Les limites de Gensim<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a36e487 elementor-widget elementor-widget-text-editor\" data-id=\"a36e487\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Malgr\u00e9 l\u2019importance des t\u00e2ches r\u00e9alisables avec Gensim, il faut bien comprendre ses limites. En premier lieu, cette biblioth\u00e8que ne fournit pas suffisamment d\u2019outils pour mener un projet NLP de bout en bout. L\u2019utilisation d\u2019une autre biblioth\u00e8que, comme <a href=\"https:\/\/datascientest.com\/nltk\">NLTK<\/a> ou <a href=\"https:\/\/datascientest.com\/spacy\">spaCy<\/a> est recommand\u00e9e.<\/span><\/p><p><span style=\"font-weight: 400;\">Gensim a \u00e9t\u00e9 con\u00e7u pour la <strong>mod\u00e9lisation de sujets non supervis\u00e9s<\/strong> et sera moins adapt\u00e9e \u00e0 de la classification de sujets (topic classification).<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-0c21b7f e-flex e-con-boxed e-con\" data-id=\"0c21b7f\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-8a206fc elementor-widget elementor-widget-heading\" data-id=\"8a206fc\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Pourquoi utiliser Gensim ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0e53b7a elementor-widget elementor-widget-text-editor\" data-id=\"0e53b7a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Le motto de Gensim est \u00ab\u00a0<strong>topic modelling for humans<\/strong>\u00a0\u00bb (la mod\u00e9lisation des sujets pour les humains). L\u2019objectif de cette librairie est de proposer une fa\u00e7on simple d\u2019utilisation et performante pour repr\u00e9senter des documents en vecteurs s\u00e9mantiques.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">L&rsquo;une des grandes forces de Gensim r\u00e9side dans sa capacit\u00e9 \u00e0 fonctionner avec de grands jeux de donn\u00e9es et peut \u00ab\u00a0processer\u00a0\u00bb le streaming de donn\u00e9es. Cela permet au corpus d&rsquo;entra\u00eenement de r\u00e9sider partiellement sur la RAM.<\/span><\/p><p><span style=\"font-weight: 400;\">Cette biblioth\u00e8que fonctionnera sur toutes les plateformes (Windows, macOS, Linux) et a \u00e9t\u00e9 d\u00e9velopp\u00e9e pour \u00eatre la plus rapide possible pour le vector embedding.<\/span><\/p><p><span style=\"font-weight: 400;\">En plus de \u00e7a Gensim supporte le <a href=\"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux\">Deep Learning<\/a> !<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-b87729c e-flex e-con-boxed e-con\" data-id=\"b87729c\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6c59894 elementor-widget elementor-widget-heading\" data-id=\"6c59894\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Conclusion<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-666fdb9 elementor-widget elementor-widget-text-editor\" data-id=\"666fdb9\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Gensim est un outil extr\u00eamement puissant pour la mod\u00e9lisation de sujet. Pens\u00e9 par des professionnels, cet outil a \u00e9t\u00e9 optimis\u00e9 pour pouvoir g\u00e9rer des <a href=\"https:\/\/datascientest.com\/dataset-definition#:~:text=Les%20datasets%20(ou%20jeux%20de,images%2C%20vid%C3%A9os%20etc%E2%80%A6).\">datasets<\/a> de grandes tailles en un minimum de temps. La vocation de Gensim n\u2019est pas de <strong>mener un projet de NLP<\/strong> dans son ensemble mais de se concentrer sur la partie apprentissage supervis\u00e9. Il sera possible de l\u2019utiliser <strong>en compl\u00e9ment d\u2019autres biblioth\u00e8ques de NLP comme Spacy ou NTLK<\/strong>.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-17a1513 elementor-widget elementor-widget-text-editor\" data-id=\"17a1513\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Maintenant que vous savez tout sur Gensim, si vous d\u00e9sirez apprendre \u00e0 l&rsquo;utiliser, n&rsquo;h\u00e9sitez pas \u00e0 choisir les <strong>formations en Data Science de DataScientest<\/strong>. Dans chacun des cursus, vous retrouverez un module d\u00e9di\u00e9 \u00e0 l&rsquo;apprentissage de Python et de ses biblioth\u00e8ques.\u00a0<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6a60430 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"6a60430\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formations-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">D\u00e9couvrir les formations de DataScientest<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-9be8478 e-flex e-con-boxed e-con\" data-id=\"9be8478\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-32e4759 elementor-widget elementor-widget-html\" data-id=\"32e4759\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\r\n{\r\n  \"@context\": \"https:\/\/schema.org\",\r\n  \"@type\": \"FAQPage\",\r\n  \"mainEntity\": [{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Les fonctionnalit\u00e9s de Gensim\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Gensim se concentre sur l\u2019apprentissage non supervis\u00e9 et propose diff\u00e9rentes fonctions et algorithmes pour traiter les t\u00e2ches suivantes : Le pr\u00e9traitement de texte est une \u00e9tape importante pour pr\u00e9parer les donn\u00e9es textuelles avant leur analyse. Cela inclut la suppression des stopwords, la lemmatisation, la normalisation de la casse et la suppression des mots fr\u00e9quents. Ces fonctions permettent de nettoyer les donn\u00e9es textuelles et de les rendre plus facilement exploitables.\"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Les limites de Gensim\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Malgr\u00e9 l\u2019importance des t\u00e2ches r\u00e9alisables avec Gensim, il faut bien comprendre ses limites. En premier lieu, cette biblioth\u00e8que ne fournit pas suffisamment d\u2019outils pour mener un projet NLP de bout en bout. L\u2019utilisation d\u2019une autre biblioth\u00e8que, comme NLTK ou spaCy est recommand\u00e9e.\"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Pourquoi utiliser Gensim ?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Le motto de Gensim est \\\"topic modelling for humans\\\" (la mod\u00e9lisation des sujets pour les humains). L\u2019objectif de cette librairie est de proposer une fa\u00e7on simple d\u2019utilisation et performante pour repr\u00e9senter des documents en vecteurs s\u00e9mantiques.\"\r\n    }\r\n  }]\r\n}\r\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Gensim est une biblioth\u00e8que Open Source de traitement de langage naturel (NLP) en Python dont le but est de rendre la mod\u00e9lisation de sujet (topic modelling) aussi facile d\u2019acc\u00e8s et efficace que possible. Dans un premier temps il est important de comprendre ce qu\u2019est la mod\u00e9lisation de sujet. C\u2019est une technique de Machine Learning, dite [&hellip;]<\/p>\n","protected":false},"author":77,"featured_media":197777,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2497],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Gensim : La biblioth\u00e8que Python pour le topic modelling<\/title>\n<meta name=\"description\" content=\"D\u00e9couvrez tout ce que vous souhaitez savoir sur Gensim, la biblioth\u00e8que Open Source de traitement de langage naturel (NLP) en Python.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/gensim-tout-savoir\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Gensim : La biblioth\u00e8que Python pour le topic modelling\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/gensim-tout-savoir\" \/>\n<meta property=\"og:site_name\" content=\"Formation Data Science | DataScientest.com\" \/>\n<meta property=\"article:published_time\" content=\"2023-06-07T08:24:30+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-11-09T13:52:10+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/04\/Illu_BLOG__gensim.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"563\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Raphael Kassel\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Raphael Kassel\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"4 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/gensim-tout-savoir\",\"url\":\"https:\/\/datascientest.com\/gensim-tout-savoir\",\"name\":\"Gensim : La biblioth\u00e8que Python pour le topic modelling\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/#website\"},\"datePublished\":\"2023-06-07T08:24:30+00:00\",\"dateModified\":\"2023-11-09T13:52:10+00:00\",\"author\":{\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\"},\"description\":\"D\u00e9couvrez tout ce que vous souhaitez savoir sur Gensim, la biblioth\u00e8que Open Source de traitement de langage naturel (NLP) en Python.\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/gensim-tout-savoir\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/#website\",\"url\":\"https:\/\/datascientest.com\/\",\"name\":\"Formation Data Science | DataScientest.com\",\"description\":\"Leader de la formation en Data Science\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\",\"name\":\"Raphael Kassel\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"contentUrl\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"caption\":\"Raphael Kassel\"},\"description\":\"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \\\"Chef de projet IA\\\" et \\\"Data Product Manager\\\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/raphaelkassel\/\",\"Data Science\"],\"url\":\"https:\/\/datascientest.com\/author\/raphaelkassel\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Gensim : La biblioth\u00e8que Python pour le topic modelling","description":"D\u00e9couvrez tout ce que vous souhaitez savoir sur Gensim, la biblioth\u00e8que Open Source de traitement de langage naturel (NLP) en Python.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/gensim-tout-savoir","og_locale":"fr_FR","og_type":"article","og_title":"Gensim : La biblioth\u00e8que Python pour le topic modelling","og_url":"https:\/\/datascientest.com\/gensim-tout-savoir","og_site_name":"Formation Data Science | DataScientest.com","article_published_time":"2023-06-07T08:24:30+00:00","article_modified_time":"2023-11-09T13:52:10+00:00","og_image":[{"width":1024,"height":563,"url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/04\/Illu_BLOG__gensim.png","type":"image\/png"}],"author":"Raphael Kassel","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Raphael Kassel","Dur\u00e9e de lecture estim\u00e9e":"4 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/datascientest.com\/gensim-tout-savoir","url":"https:\/\/datascientest.com\/gensim-tout-savoir","name":"Gensim : La biblioth\u00e8que Python pour le topic modelling","isPartOf":{"@id":"https:\/\/datascientest.com\/#website"},"datePublished":"2023-06-07T08:24:30+00:00","dateModified":"2023-11-09T13:52:10+00:00","author":{"@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1"},"description":"D\u00e9couvrez tout ce que vous souhaitez savoir sur Gensim, la biblioth\u00e8que Open Source de traitement de langage naturel (NLP) en Python.","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/gensim-tout-savoir"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/#website","url":"https:\/\/datascientest.com\/","name":"Formation Data Science | DataScientest.com","description":"Leader de la formation en Data Science","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1","name":"Raphael Kassel","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datascientest.com\/#\/schema\/person\/image\/","url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","contentUrl":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","caption":"Raphael Kassel"},"description":"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \"Chef de projet IA\" et \"Data Product Manager\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.","sameAs":["https:\/\/www.linkedin.com\/in\/raphaelkassel\/","Data Science"],"url":"https:\/\/datascientest.com\/author\/raphaelkassel"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/197775"}],"collection":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/users\/77"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/comments?post=197775"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/197775\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media\/197777"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media?parent=197775"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/categories?post=197775"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/tags?post=197775"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}